24 Eylül 2026
Yapay Zeka ile Sesli Dizi Oluşturma: Fikirden Miksajlı Bölüme (2026 Kılavuzu)
Bible, hafızalı yazım, sesler, ses efektleri, ortam sesleri, müzik ve miksaj: gerçek bir pilot bölüm üzerinden maliyetlendirilmiş, yapay zekayla sesli drama üretmenin eksiksiz yöntemi.
Frank HoubreImaginode'un kurucusu
Herkes neden sesli dizilere yöneliyor
Kısa bölümlere ayrılmış, merakta bırakan bir sonla biten sesli diziler kitlesel bir formata dönüştü ve yapay zeka bunları tek bir kişinin üretebileceği hale getirdi.
İnsanlar bunları toplu taşımada, yemek yaparken, koşarken dinliyor: birkaç dakikalık bölümlere ayrılmış, birden fazla ses tarafından canlandırılan, atmosferi kuran ses efektleri ve müziğe sahip kurgusal hikayeler. Pocket FM gibi uygulamalar bu formatta tek başına 250 milyondan fazla dinleyici olduğunu iddia ediyor ve kitle podcast tutkunlarının çok ötesine uzanıyor.
Şimdiye kadar bir dizi üretmek bir ekip gerektiriyordu: sezonu yazacak bir yazar, her karakter için oyuncular, kayıt için bir stüdyo, efektler, müzik ve miksaj için bir ses mühendisi. Haftalarca süren bir çalışma ve çoğu yazarı caydıran bir bütçe.
2026'da bu zincirin her halkasının bir yapay zeka karşılığı var: bir sezonu yazıp hatırlayan dil modelleri, diyalog canlandırabilen sentetik sesler, ses efekti ve müzik üreticileri. Bu kılavuz, Imaginode'un Drama Studio'sunda üretilen bir pilot bölümün gerçek rakamlarıyla, bunların adım adım nasıl bir araya getirileceğini gösteriyor.
Bir sesli dizinin beş temel bileşeni
Bir sesli dizi beş temel bileşene dayanır: bir bible, senaryolar, sesler, ses ve bir miksaj. Bunlardan birini atlarsanız kulak bunu hemen fark eder.
Bible, dizinin referans belgesidir: karakterler kimdir, ne isterler, nasıl konuşurlar, hikaye nerede geçer, hangi ana çizgileri açar ve bunları nasıl kapatır. Bible olmadan 4. bölüm 2. bölümle çelişir.
Senaryolar, kulak için yazılmış bölümlerin kendisidir: repliklerden, birkaç anlatıcı müdahalesinden, ses efekti ve müzik ipuçlarından oluşur. Sesler bu replikleri canlandırır, her karakter için bir ses, bölümden bölüme tanınabilir olacak şekilde.
Ses üç katmandan oluşur: tek seferlik efektler (bir kapı, bir telefon), her mekanın sürekli ortam sesi (bir gar, gece bir orman) ve müzik. Son olarak miksaj, tüm bunları bir zaman çizelgesine yerleştirir, müziği seslerin altında kısar ve bir bölümün herhangi bir podcast ile aynı sesle çalınması için ses seviyesini ayarlar.
1. Adım: bir fikri dizi bible'ına dönüştürmek
Türü, bölüm süresini ve sezon büyüklüğünü belirlemek koşuluyla, tam bir bible elde etmek için iki cümlelik bir fikir yeterlidir.
Pilot bölüm için kullanılan fikri ele alalım: "Paris-Nice son gece treninin bir kontrolörü, bir yolcunun her hafta 1987 tarihli bir bilet ile yolculuk ettiğini fark eder. Onu takip etmeye karar verir." Tür: gerilim, 3 dakikalık bölümler, 6 bölümlük bir sezon.
Buradan yola çıkarak Drama Studio'nun Bible ajanı 45 saniye içinde bir başlık ("Le Train de Minuit"), bir logline, aralarında bir anlatıcının da bulunduğu altı karakter, bir ses motoru için tanımlanmış atmosferiyle beş mekan, takip edilecek altı ana çizgi, bir müzik teması ve her biri bir sürprizle biten altı bölümlük plan üretti. Ölçülen maliyet: 6 kredi.
Bu adımın en önemli noktası oyuncu seçimidir. Her karakter, cinsiyetine, yaşına ve tınısına göre seçilmiş kendi sesini alır ve bu ses sezon boyunca onu takip eder. Karakter tanımlarını dikkatlice okuyun: bunlar her birinin nasıl konuştuğunu da belirtir ve diyalogları canlı kılacak şey tam olarak budur.
2. Adım: her bölümü sezonun hafızasıyla yazmak
Bir dizinin gerçek zorluğu iyi bir bölüm yazmak değil, ilk altı bölümde yaşananları unutmadan yedincisini yazmaktır.
Sadece "5. bölümü yaz" denilen bir dil modeli uydurma yapar. Bir sezonu tutarlı tutmak için yapay zeka yazarının bible'ı, sezon planını ve bir hafızayı alması gerekir: daha önce yazılmış her bölümün özeti, her karakterin öğrendikleri ve her ana çizginin durumu. Drama Studio'nun yaptığı tam olarak bu: her bölüm yazıldıktan sonra hafızasını kaydeder ve sonraki bölüm buradan başlar.
Pilotta, 3 dakikalık 1. bölüm 40 saniyede yazıldı: 60 replik, 3 sahne değişimi, 4 ses efekti, 2 müzik ipucu, yaklaşık 3.000 karakterlik konuşulan metin. Ölçülen maliyet: 7 kredi. Hafıza örneğin kontrolörün 1987 tarihli bileti okuttuğunu ve sistemin bunu kabul ettiğini not etmişti; bu, 2. bölümün artık göz ardı edemeyeceği bir gerçekti.
Sonra inceleme aşaması gelir. İkinci bir ajan, editör, çekiciliği, ritmi, tutarlılığı, diyalogları ve bitişi 10 üzerinden puanlar ve hatalı replikleri işaret eder. Pilotta, telefonu olmadan iki farklı vagondan birbirleriyle konuşan iki kontrolör de dahil olmak üzere iki gerçek tutarlılık hatası yakaladı. Maliyet: 2 ile 3 kredi arası. Notları tek tıkla bir yeniden yazıma dönüştürülebilir ve önceki sürüm geri getirilebilir. Yazım kurallarının kendisi için, dikkat çeken bir sesli drama nasıl yazılır başlıklı makalemize bakın.
3. Adım: sesleri canlandırmak
Bir sahne tek seferde canlandırılır: tüm replikleri, karakterleri gerçek bir konuşmadaki gibi birbirine bağlayan ses motoruna birlikte gönderilir.
Bir okuma ile bir drama arasındaki fark tam olarak burada ortaya çıkar. Her replik ayrı ayrı üretilip yan yana eklenirse, düzenli boşluklar ve birbirine cevap vermeyen tonlamalar duyulur. Stüdyonun kullandığı ElevenLabs diyalog motoru, bir sahnenin her karakterin sesiyle birlikte on repliğe kadarını alır ve tepkilerin doğal şekilde birbirine bağlandığı tek bir parça döndürür.
Her replik bir oyunculuk tarzı taşıyabilir: fısıldamak, gülmek, iç geçirmek, meraklı olmak, hüzünlü veya heyecanlı olmak. Bu etiketler yorumu gerçekten değiştirir ve editör, tragedik bir açıklama anında gülme gibi sahneyle çelişen etiketleri size bildirir.
Sesler on dört dilde canlandırılabilir ve bir dizi, kitlenizin dilinde yazılıp üretilebilir. Tek bir seslendirme veya iki sesli bir podcast için canvas'ın yapay zeka seslendirme ve iki sesli podcast araçları yeterlidir; birden fazla karakterli bir kurgu için ise bölümden bölüme oyuncu kadrosunu tutarlı tutan stüdyodur.
4. Adım: ses efektleri, ortam sesleri ve müzik
Ses, az kullanıldığı sürece sesler kadar hikaye anlatır: her mekan için bir ortam sesi, sadece hikayeyi taşıdığında bir efekt, tüm dizi için bir müzik teması.
Ortam sesi en verimli katmandır: mekan başına yirmi saniyelik bir döngü (gece bir gar platformu, hareket eden bir trenin içi) dinleyiciyi konumlandırmaya yeter ve orada geçen her sahnenin altında çalar. Pilotta iki ortam sesi tüm bölümü kapsıyor.
Ses efektleri ölçülü kullanılmalıdır. Talimatlarda bir sayı belirtilmediğinde yapay zeka iki dakikada on bir efekt yerleştirdi ve her biri diyaloğu kesti. Stüdyo şimdi bunu yaklaşık her kırk saniyede bir efektle sınırlıyor ve bunları hikayeyi ilerleten seslere ayırıyor: çarpılan bir kapı, uzatılan bir bilet, bir kalkış düdüğü. Bağımsız sesler için canvas'ın ses efekti üreticisi tek başına da çalışır.
Müzik teması bir kez enstrümantal olarak bestelenir ve her bölümde yeniden kullanılır: bölümü açar, seslerin altında geri çekilir ve kısa dramatik bir vuruş sonu vurgular. Bu, ilk bölümün en büyük maliyetidir (pilotta 84 kredi) ve tekrarlanmayan tek maliyettir.
5. Adım: miksaj yapmak ve yayınlamak
Miksaj her sesi zaman çizelgesine yerleştirir, müziği seslerin altında kısar ve podcast standardı olan yaklaşık -16 LUFS civarında ses seviyesini normalleştirir.
Drama Studio'da miksaj tarayıcınızda, ücretsiz olarak gerçekleşir: diyalog blokları gerçek uzunluklarına göre birbirini takip eder, efektler sonraki repliği bir buçuk saniyeden fazla geciktirmeden üstlerine yerleşir, her ortam sesi kendi sahnesinin altında döngüye girer ve bir karakter konuşmaya başladığında müzik otomatik olarak kısılır.
Miksajlanmış pilot 4 dakika sürer, -16,2 LUFS ölçer ve gerçek tepe değeri -1,7 dBFS'dir, .m4a olarak 4 MB'ın altında bir dosya boyutuna sahiptir. Stüdyoda dinlerken, geçerli replik senaryoda yanar, böylece yeniden çalışılması gereken cümleyi bir saniyede bulabilirsiniz.
Dosya size aittir: indirip bir podcast platformunda, sabit bir görselle YouTube'da veya kendi sitenizde yayınlayabilirsiniz. Ayrıca Imaginode medyalarınızda saklanır, burada canvas'ta düzenlenen bir videonun ses bandı olarak da kullanılabilir.
Bir bölüm gerçekte ne kadara mal olur
3 dakikalık pilotta yazım 15 kredi, üretim ise sadece bir kez ödenen bir müzik teması için 84 kredi de dahil olmak üzere 151 krediye mal oldu.
23 Eylül 2026'da ölçülen ayrıntılar: sezon bible'ı 6 kredi, bölüm yazımı 7 kredi, inceleme 2 ile 3 kredi arası. Üretimde 13 diyalog parçası, 4 ses efekti, 2 ortam sesi, bir dramatik vuruş ve müzik teması, yani 21 ses ve 151 kredi. Miksajın maliyeti yoktu.
İkinci bölümden itibaren, tema ve zaten ziyaret edilmiş mekanların ortam sesleri yeniden kullanılır: 3 dakikalık bir bölüm o zaman yaklaşık 60 ile 70 kredi ses maliyetine gelir, buna yaklaşık 10 kredi yazım maliyeti eklenir. Sadece sesler için, diyalog dakikası başına yaklaşık 12 kredi hesaplayın.
Ve zaten üretilmiş bir ses asla iki kez ödenmez: bir repliği düzeltirseniz sadece onu içeren parça yeniden üretilir. Bu, üretimin geç bir aşamasında bile yeniden yazımları erişilebilir kılan şeydir.
Dinleyiciyi kaçıran hatalar
Fazla anlatıcı, birbirine benzeyen karakterler, her yerde ses efektleri ve sürprizi olmayan bir bölüm: üretimden önce düzeltilmesi gereken dört hata.
Her şeyi anlatan bir anlatıcı kurguyu bir sesli kitaba dönüştürür: onu zaman ve mekan geçişleri için saklayın, aksiyonu karakterlerin taşımasına izin verin. Sesleri birbirine çok yakın iki karakter karıştırılır: bible'da onlara farklı yaşlar, tınılar veya aksanlar verin.
Çok fazla ses efekti kulağı yorar ve ritmi bozar: iyi seçilmiş bir ortam sesi on efektin yerini alır. Son olarak, açık bir soru bırakmadan sona eren bir bölüm sonraki bölümü dinlemek için hiçbir sebep vermez: editörün "bitiş" puanı önce izlenmesi gereken puandır.
Başlamak için en basit yol, baştan sona üretilmiş bir bölümü dinlemektir. Le Train de Minuit'in bölümü Drama Studio sayfasında dinlenebilir ve birkaç araç arasında kararsızsanız, Pocket FM'in Sherpa'sıyla karşılaştırmamız her birinin gerçekte ne yaptığını ayrıntılarıyla anlatır.