Fotoğrafı yapay zekâyla konuşturmak için tek bir görsel, konuşma metni veya ses kaydı ve fotoğraftaki kişinin bu işlem için kullanılmasına izin gerekir. Uygulama; fotoğraftaki yüzü analiz eder, ağız ve yüz hareketlerini oluşturur, ardından seçtiğiniz metin ya da sesi videoya dönüştürür. Sonuç genellikle kısa bir konuşma videosudur; ancak üretilen hareketler gerçek bir kayıt değildir ve özellikle gerçek kişilerin yüzü ile sesi kullanılırken açık rıza ve içerik etiketlemesi önemlidir.
“Fotoğraf konuşturma” ifadesi birkaç farklı işlemi anlatabilir. Yalnızca dudakların hareket etmesini istiyorsanız dudak eşleme yöntemi, yüz ifadelerinin ve baş hareketlerinin de oluşmasını istiyorsanız konuşan avatar yöntemi kullanılır. Fotoğrafa ayrıca hareketli kamera, göz kırpma veya saç hareketi eklemek ise yüz konuşturmadan ayrı bir görüntü animasyonu işlemidir.
Bir araç seçerken yalnızca “fotoğrafı konuşturma” özelliğine bakmayın. Türkçe ses desteği, ses dosyası yükleme, video süresi, filigran, dışa aktarma çözünürlüğü, yüzün kadrajda ne kadar büyük olması gerektiği ve ticari kullanım koşulları sonucu doğrudan etkiler. Bu ayrıntılar sağlayıcıya ve sürüme göre değişebileceğinden, işlemden önce seçtiğiniz aracın güncel kullanım koşullarını kontrol edin.
İşleme başlamadan önce yüzün net göründüğü, önden veya hafif açıyla çekilmiş bir fotoğraf hazırlayın. Gözlerin, burnun ve ağzın kapanmaması gerekir. Grup fotoğrafları, düşük ışıklı görseller, ağır filtreler ve yüzün büyük bölümünü örten aksesuarlar daha hatalı sonuç verebilir. Başkasına ait fotoğraf veya ses kullanıyorsanız, bunu yapmaya yetkiniz olduğundan emin olun.
Örneğin varsayımsal bir metin şu şekilde olabilir: “Merhaba, bugün bu fotoğrafın nasıl hazırlandığını kısaca anlatacağım. Önce ışığı kontrol edin, sonra arka planı sadeleştirin.” Bu metin kısa cümlelerden oluştuğu için konuşma ritmini denetlemek daha kolaydır. Uzun paragraflar, çok sayıda kısaltma, yabancı özel ad ve arka arkaya gelen noktalama işaretleri seslendirmede beklenmedik duraklamalara yol açabilir.
İlk denemede beş ila on saniyelik bir bölüm oluşturmak daha güvenlidir. Ağız hareketleri sesle uyuşuyor, yüz şekli bozulmuyor ve baş hareketi doğal görünüyorsa metni uzatabilirsiniz. Yüzün değişmesi, dişlerin anormal görünmesi veya kelimelerin ağız hareketlerinden önce ya da sonra gelmesi fotoğrafın mutlaka hatalı olduğu anlamına gelmez; çoğu zaman daha kısa cümle, daha yavaş ses veya farklı bir yüz fotoğrafı gerekir.
Konuşan fotoğraf videosu gerçek bir kamera kaydı kanıtı değildir. Yapay zekâ, fotoğraftaki yüzü ve ses girdisini kullanarak olası hareketler üretir; kişinin gerçekten bu sözleri söylediğini, belirli bir olayda bulunduğunu veya videonun değiştirilmediğini göstermez. Bu nedenle gerçek bir kişiyi konuşturuyorsanız videonun yapay olarak üretildiğini açıkça belirtin ve kişiyi yanıltıcı, itibara zarar verici ya da onaylanmamış bir mesajla göstermeyin.
Ağız senkronu bozuksa önce ses kaydının başındaki ve sonundaki sessiz bölümleri kesin, ardından daha net bir fotoğraf ve daha kısa bir metin deneyin. Ses doğru olduğu hâlde yüz bozuluyorsa gözlük, el, saç veya düşük çözünürlük gibi yüzü örten unsurları azaltın. Sorun yalnızca belirli kelimelerde oluşuyorsa metni daha doğal bir ifadeyle değiştirerek yeniden üretin; tek bir başarılı ön izleme, videonun her cümlede doğru çalıştığını kanıtlamaz.
Fotoğraf ve ses kişisel veri içerebileceğinden, yüklediğiniz dosyaların saklama, eğitim amacıyla kullanma, silme ve paylaşma koşullarını hizmetin güncel gizlilik belgelerinden kontrol edin. İşiniz bittikten sonra hesabınızda veya hizmette saklanan taslakları ve yüklemeleri silme seçeneği varsa kullanın; özellikle başkasına ait yüz ve ses dosyalarını gereksiz yere saklamayın.
Fotoğraf konuşturma yöntemleri
“Fotoğraf konuşturma” ifadesi birkaç farklı işlemi anlatabilir. Yalnızca dudakların hareket etmesini istiyorsanız dudak eşleme yöntemi, yüz ifadelerinin ve baş hareketlerinin de oluşmasını istiyorsanız konuşan avatar yöntemi kullanılır. Fotoğrafa ayrıca hareketli kamera, göz kırpma veya saç hareketi eklemek ise yüz konuşturmadan ayrı bir görüntü animasyonu işlemidir.
| Yöntem | Girdi | Oluşan sonuç | Ne zaman seçilir? |
|---|---|---|---|
| Dudak eşleme | Fotoğraf ve metin veya ses | Konuşmaya uyumlu ağız hareketi | Basit anlatım ve kısa videolar |
| Konuşan avatar | Fotoğraf, metin veya ses, bazen karakter ayarı | Ağız, göz, baş ve yüz ifadeleri | Sunucu, eğitim ve tanıtım videoları |
| Görüntü animasyonu | Fotoğraf ve hareket açıklaması | Kamera, yüz veya sahne hareketi | Fotoğrafı konuşturmadan atmosfer oluşturmak |
Fotoğrafı konuşan videoya dönüştürme
İşleme başlamadan önce yüzün net göründüğü, önden veya hafif açıyla çekilmiş bir fotoğraf hazırlayın. Gözlerin, burnun ve ağzın kapanmaması gerekir. Grup fotoğrafları, düşük ışıklı görseller, ağır filtreler ve yüzün büyük bölümünü örten aksesuarlar daha hatalı sonuç verebilir. Başkasına ait fotoğraf veya ses kullanıyorsanız, bunu yapmaya yetkiniz olduğundan emin olun.
- Fotoğrafı hazırlayın. Yüzün yeterince büyük, aydınlık ve net olduğu tek kişilik bir görsel seçin; fotoğrafı kırpmadan önce başın ve çenenin kadraj içinde kaldığını kontrol edin.
- Konuşma girdisini belirleyin. Metinden ses üretilecekse kısa ve doğal cümleler yazın; mevcut bir ses kullanılacaksa ses dosyasını temiz, anlaşılır ve konuşma hızının çok değişmediği bir kayıt olarak hazırlayın.
- Fotoğraf animasyonu veya konuşan avatar özelliğini açın. Kullandığınız hizmette fotoğrafı yükleme alanını seçin ve konuşma için fotoğraf animasyonu, avatar ya da dudak eşleme türündeki seçeneği kullanın; yalnızca görüntüye kamera hareketi ekleyen bir seçenek konuşma üretmeyebilir.
- Fotoğrafı yükleyin. Görsel yüklendikten sonra yüz algılama ön izlemesini inceleyin; yüz yanlış işaretleniyorsa daha net bir fotoğraf kullanın veya görseli yüz kadrajda daha büyük olacak şekilde yeniden hazırlayın.
- Metni veya sesi ekleyin. Metin kullanıyorsanız noktalama işaretlerini konuşma durakları oluşturacak biçimde düzenleyin; ses dosyası kullanıyorsanız konuşmanın görseldeki kişi tarafından söyleniyormuş gibi kullanılmasına izin verildiğinden emin olun.
- Ses ve hareket ayarlarını seçin. Türkçe ses, konuşma hızı, ifade veya kamera hareketi gibi seçenekleri varsa ayarlayın; aşırı baş hareketi ya da yüksek konuşma hızı yüz bozulmalarını daha görünür hâle getirebilir.
- Ön izlemeyi oluşturun. Üretim veya oluşturma düğmesini kullanın ve sonuç hazırlandığında özellikle ağız kenarlarını, dişleri, gözleri, çene çizgisini ve ses ile dudakların eşleşmesini izleyin.
- Videoyu dışa aktarın. Ön izleme uygunsa indirme veya dışa aktarma seçeneğiyle videoyu kaydedin; paylaşmadan önce çözünürlük, ses seviyesi, filigran ve videonun başında ya da sonunda eklenmiş boş bölümler olup olmadığını kontrol edin.
Daha doğal sonuç için metin ve görsel hazırlama
Örneğin varsayımsal bir metin şu şekilde olabilir: “Merhaba, bugün bu fotoğrafın nasıl hazırlandığını kısaca anlatacağım. Önce ışığı kontrol edin, sonra arka planı sadeleştirin.” Bu metin kısa cümlelerden oluştuğu için konuşma ritmini denetlemek daha kolaydır. Uzun paragraflar, çok sayıda kısaltma, yabancı özel ad ve arka arkaya gelen noktalama işaretleri seslendirmede beklenmedik duraklamalara yol açabilir.
İlk denemede beş ila on saniyelik bir bölüm oluşturmak daha güvenlidir. Ağız hareketleri sesle uyuşuyor, yüz şekli bozulmuyor ve baş hareketi doğal görünüyorsa metni uzatabilirsiniz. Yüzün değişmesi, dişlerin anormal görünmesi veya kelimelerin ağız hareketlerinden önce ya da sonra gelmesi fotoğrafın mutlaka hatalı olduğu anlamına gelmez; çoğu zaman daha kısa cümle, daha yavaş ses veya farklı bir yüz fotoğrafı gerekir.
Sonuç neden yapay görünebilir?
Konuşan fotoğraf videosu gerçek bir kamera kaydı kanıtı değildir. Yapay zekâ, fotoğraftaki yüzü ve ses girdisini kullanarak olası hareketler üretir; kişinin gerçekten bu sözleri söylediğini, belirli bir olayda bulunduğunu veya videonun değiştirilmediğini göstermez. Bu nedenle gerçek bir kişiyi konuşturuyorsanız videonun yapay olarak üretildiğini açıkça belirtin ve kişiyi yanıltıcı, itibara zarar verici ya da onaylanmamış bir mesajla göstermeyin.
Ağız senkronu bozuksa önce ses kaydının başındaki ve sonundaki sessiz bölümleri kesin, ardından daha net bir fotoğraf ve daha kısa bir metin deneyin. Ses doğru olduğu hâlde yüz bozuluyorsa gözlük, el, saç veya düşük çözünürlük gibi yüzü örten unsurları azaltın. Sorun yalnızca belirli kelimelerde oluşuyorsa metni daha doğal bir ifadeyle değiştirerek yeniden üretin; tek bir başarılı ön izleme, videonun her cümlede doğru çalıştığını kanıtlamaz.
Fotoğraf ve ses kişisel veri içerebileceğinden, yüklediğiniz dosyaların saklama, eğitim amacıyla kullanma, silme ve paylaşma koşullarını hizmetin güncel gizlilik belgelerinden kontrol edin. İşiniz bittikten sonra hesabınızda veya hizmette saklanan taslakları ve yüklemeleri silme seçeneği varsa kullanın; özellikle başkasına ait yüz ve ses dosyalarını gereksiz yere saklamayın.
