Türkçe AI Seslendirme: Telaffuz ve SSML Rehberi

Türkçe AI seslendirmede özel isim, vurgu, sayı ve duraklama sorunlarını SSML, fonetik yazım ve video kalite kontrolüyle çözün; doğal sonuç alın.

Published 2026-08-06

Updated 2026-08-06

Topic: Türkçe ses üretimi ve çok modlu yaratıcı iş akışları

Türkçe AI seslendirme telaffuz kalitesi, yalnızca metni bir ses motoruna yapıştırıp dışa aktarmakla belirlenmez. Aynı cümle; reklamda ikna edici, eğitim videosunda sakin, ürün tanıtımında güven veren veya sosyal medya içeriğinde enerjik duyulabilir. Sonucu belirleyen ayrıntılar çoğu zaman ses seçiminden çok özel isimlerin nasıl yazıldığı, sayıların hangi biçimde verildiği, cümlenin nerede nefes aldığı ve önemli kelimenin nasıl öne çıkarıldığıdır.

Bu nedenle iyi bir iş akışı, “metin → ses → video” sıralamasını tek bir üretim değil, üç aşamalı bir kalite kontrol süreci olarak ele alır. Önce okunacak metin konuşma diline uyarlanır; sonra SSML, fonetik yazım ve noktalama ile ses yönlendirilir; son olarak ses, müzik, sahne değişimleri ve ekrandaki yazılar birlikte dinlenir. Microsoft’un SSML açıklaması, bu işaretleme yapısının hız, perde, ses seviyesi, duraklama, vurgu ve telaffuz gibi özellikleri kontrol edebildiğini belirtir.

Türkçe seslendirmede kaliteyi bozan temel ayrıntılar

Türkçe, yazıldığı gibi okunmaya yakın görünse de profesyonel seslendirmede bu yaklaşım her zaman yeterli değildir. “de” ve “da” bağlaçları, kısaltmalar, yabancı marka adları, ürün kodları ve rakamlarla yazılmış ifadeler ses motorunun bağlamı farklı yorumlamasına yol açabilir. Örneğin “3 ay ücretsiz” ifadesi, reklam tonunda çoğu zaman “üç ay ücretsiz” biçiminde daha anlaşılırdır. “%20” yerine “yüzde yirmi”, “2026” yerine bağlama göre “iki bin yirmi altı” yazmak da ritmi ve anlaşılırlığı iyileştirebilir.

Özel isimlerde sorun daha görünür hâle gelir. Bir marka adı İngilizce okunuyorsa metindeki yazılışını değiştirmeden doğru telaffuz beklemek risklidir. Aynı şekilde kişi ve yer adlarında Türkçe harfler, vurgu yeri veya yabancı dil kökeni sonucu etkileyebilir. Üretime geçmeden önce bir “özel isim sözlüğü” hazırlayın: kelimenin ekrandaki yazımı, seslendirmede kullanılacak okunuşu ve gerekiyorsa fonetik karşılığı aynı satırda bulunsun. Böylece her yeni bölümde aynı marka farklı biçimde okunmaz.

Özel isim, kısaltma ve yabancı marka adlarını düzeltme

İlk yöntem, metni konuşma yazımına çevirmektir. Ekranda “XYZ Teknoloji” görünebilir; ses katmanında ise motorun anlayacağı okunuşa daha yakın bir biçim kullanılabilir. Görsel metin ile seslendirme metnini birbirinden ayırmak özellikle ürün tanıtımlarında önemlidir. İzleyici markayı doğru görmeli, aynı zamanda anlatıcının markayı tutarlı söylemelidir. Bu iki metni tek bir dosyada karıştırmak yerine görsel metin, ses metni ve sözlük alanlarını ayrı tutun.

İkinci yöntem fonetik yönlendirmedir. Google Cloud’un SSML dokümantasyonu, kelime bazında telaffuz tanımlamak için IPA ve X-SAMPA gibi fonetik alfabelerin yanı sıra özel telaffuz seçeneklerini açıklar. Hangi alfabenin ve etiketin kullanılacağı seçtiğiniz ses hizmetine göre değişebilir; bu yüzden fonetik gösterimi doğrudan kopyalamak yerine kullandığınız motorun sözdizimini doğrulayın. Amaç, tüm metni fonetik yazıya çevirmek değil, sorun çıkaran birkaç kelimeyi hedeflemektir.

Kısaltmalarda bağlam testi yapın. “KDV”, “Ar-Ge”, “API” ve “SaaS” aynı biçimde okunmamalıdır. Bazıları harf harf, bazıları kelime gibi, bazıları ise Türkçe karşılığıyla daha anlaşılır olabilir. Ses motoru kısaltmayı beklenmedik biçimde okuyorsa, konuşma metninde “katma değer vergisi”, “araştırma geliştirme” veya hedef kitlenin aşina olduğu açıklayıcı biçimi kullanın. Teknik videolarda ilk kullanımda açık adı söyleyip sonraki cümlelerde kısaltmaya dönmek de akıcılığı artırabilir.

SSML ile vurgu, duraklama, hız ve perde ayarı

SSML’yi seslendirme metninin yerine geçen ayrı bir dil değil, ses motoruna verilen yönlendirme katmanı gibi düşünün. Metin anlamı taşır; SSML ise o anlamın nasıl söyleneceğini belirlemeye yardım eder. Microsoft dokümantasyonunda perde, konuşma hızı, ses seviyesi, duraklama, vurgu ve telaffuz gibi denetimlerin yanı sıra birden fazla ses kullanımına dair seçenekler yer alır. Ancak her ses ve hizmet aynı etiketleri aynı sınırlar içinde desteklemeyebilir; sonuçları kısa örneklerle dinlemek gerekir.

Vurgu için önce cümleyi yeniden yazmayı deneyin. “Bugün tüm ürünlerde indirim var” cümlesinde hem “bugün” hem “tüm ürünlerde” hem de “indirim” öne çıkarılırsa hiçbir kelime gerçekten önemli duyulmaz. Reklam metninde tek bir ana fayda seçin ve cümleyi o faydanın çevresinde kurun. Ardından desteklenen vurgu işaretlerini yalnızca gerekli kelimelerde kullanın. Aşırı perde değişimi veya sürekli yüksek ses, doğal konuşma hissini azaltabilir.

Duraklamayı noktalama ile de yönetebilirsiniz. Virgül kısa bir düşünme aralığı, nokta daha belirgin bir cümle sonu, iki nokta ise açıklama öncesi hazırlık hissi yaratabilir. Yine de yalnızca virgül eklemek her motorda aynı sonucu vermez. Sahne değişimi, ürün görüntüsünün ekrana gelişi veya müziğin yükselmesi gibi anlarda açık bir duraklama yönlendirmesi daha tutarlı olabilir. Duraklama süresini uzatmadan önce videodaki görüntünün gerçekten o boşluğa ihtiyaç duyup duymadığını kontrol edin.

Hız ve perde ayarlarında küçük değişikliklerle başlayın. Eğitim anlatımında biraz daha yavaş tempo, teknik terimlerin anlaşılmasına yardımcı olabilir; kısa sosyal medya videosunda ise gereğinden yavaş okuma görüntü ritmini bozabilir. Perdeyi değiştirmek sesi otomatik olarak daha profesyonel yapmaz. Perde, karakter ve bağlamla uyumlu olmalı; güven veren kurumsal anlatım ile samimi ürün tanıtımını aynı ayarda üretmek yerine her format için ayrı bir ses profili tanımlanmalıdır.

1. Metni önce doğal konuşma biçiminde yazın; uzun, yazılı dil cümlelerini bölün.
2. Özel isimleri, kısaltmaları, tarihleri, fiyatları ve ölçüleri ayrı bir kontrol listesine alın.
3. Sorunlu kelimeler için önce alternatif yazımı, sonra fonetik veya özel telaffuz tanımını test edin.
4. Vurgulanacak tek ana kelimeyi belirleyin; hız, perde ve ses seviyesi değişikliklerini küçük adımlarla uygulayın.
5. Sahne değişimlerine göre noktalama ve açık duraklama yönlendirmelerini düzenleyin.
6. Ses dosyasını müzik, ortam sesi, görüntü ve ekrandaki metinle birlikte dinleyin.
7. Son sürümden önce marka adlarını ve ürün terimlerini tek tek tekrar kontrol edin.

Türkçe ses seçimi ve ses karakterini videoya uydurma

“En iyi Türkçe ses hangisi?” sorusunun tek bir yanıtı yoktur. Uygun seçim, hedef kitleye, içerik türüne, metnin uzunluğuna ve arka plan seslerine bağlıdır. Azure Speech’in dil ve ses kataloğu, Türkiye Türkçesi için tr-TR dilini ve tr-TR-EmelNeural ile tr-TR-AhmetNeural gibi Türkçe sinirsel ses seçeneklerini listeler. Google Cloud’un ses kataloğunda da Türkçe (Türkiye) için farklı ses aileleri ve seçenekleri bulunur. Güncel destek ve ses adları için doğrudan Azure dil ve ses desteği sayfasını ve Google Cloud ses kataloğunu inceleyin.

Ses seçimini yalnızca tek bir cümleyle yapmayın. Aynı sesle bir soru, bir sayı, bir özel isim, bir çağrı cümlesi ve yaklaşık bir paragraf dinleyin. Bazı sesler kısa reklam cümlelerinde canlı duyulurken uzun eğitim metninde yorucu olabilir. Bazıları sayıları iyi okurken yabancı kelimelerde daha fazla düzeltme isteyebilir. Dinleme testini telefondan, kulaklıktan ve bilgisayar hoparlöründen yapmak, sesin farklı izleme koşullarındaki anlaşılabilirliğini değerlendirmeye yardımcı olur.

Metin → ses → video kalite kontrol akışı

Seslendirmeyi videodan bağımsız bitmiş bir dosya gibi değerlendirmek, özellikle reklam ve sosyal medya içeriklerinde sorun çıkarabilir. TryVeo gibi çok modlu bir çalışma ortamında ses, görüntü üretimi, sahne süreleri ve müzik aynı yaratıcı plan içinde ele alınabilir. Örneğin bir ürün özelliği ekranda görünmeden anlatılıyorsa cümle erken bitebilir; müzik nakaratı anlatıcıyla çakışıyorsa doğru telaffuz bile anlaşılmaz hâle gelebilir. Bu nedenle ses dosyasını zaman çizelgesine yerleştirdikten sonra metni değil, ortaya çıkan izleme deneyimini kontrol edin.

• Sahne başlangıcı: Anlatım, yeni görüntünün anlamlı kısmı görünür görünmez mi başlıyor?
• Ritim: Cümle uzunluğu, kesmelerin ve kamera hareketlerinin hızına uyuyor mu?
• Anlaşılırlık: Müzik ve ortam sesi, özellikle sayıların ve marka adlarının önüne geçiyor mu?
• Ekran metni: Sesin söylediği bilgi ekranda yeterince uzun süre okunabilir kalıyor mu?
• Ton: Vurgu, görüntünün vaat ettiği faydayı destekliyor mu; yoksa gereksiz biçimde satış odaklı mı duyuluyor?
• Tutarlılık: Aynı terim, farklı sahnelerde aynı telaffuz ve ses karakteriyle mi kullanılıyor?

Müzik seviyesini yalnızca ses dosyasının dalga biçimine bakarak ayarlamayın. Anlatıcının konuştuğu anlarda müziği azaltmak, otomatik ses kısma uygulanmıyorsa manuel anahtar karelerle yapılabilir. Buradaki amaç müziği tamamen susturmak değil, kelimelerin özellikle cümle sonlarında ve önemli ürün faydalarında seçilebilir kalmasını sağlamaktır. Seslendirmeyi tek başına beğenmek ile video içinde anlaşılır bulmak farklı testlerdir.

Yayınlamadan önce uygulanacak son kontrol listesi

Son kontrolde metni ekrandan takip ederek değil, mümkünse videoya bakmadan dinleyerek başlayın. Bu yöntem, sesin kendi başına anlaşılır olup olmadığını gösterir. Ardından görüntüyü açın ve anlatımın sahneyle aynı anda anlam kazandığı noktaları işaretleyin. Bir kelimeyi düzeltmek için tüm projeyi yeniden üretmek yerine metni bölümlere ayırmak, sorunlu parçayı yeniden sentezlemek ve kesintiyi doğal bir duraklamaya denk getirmek daha kontrollü olabilir.

• Türkçe karakterler, ekler, özel isimler ve marka yazımları son metinle karşılaştırıldı mı?
• Tüm sayılar, yüzdeler, fiyatlar, tarihler ve ölçü birimleri konuşma dilinde test edildi mi?
• Kısaltmaların harf harf mi yoksa açık biçimde mi okunacağı belirlendi mi?
• İlk cümle, çağrı cümlesi ve son cümlede vurgu doğal mı?
• Duraklamalar nefes, sahne geçişi ve ekrandaki bilgiyle uyumlu mu?
• Ses seviyesi, müzik ve ortam sesleriyle birlikte anlaşılır mı?
• Aynı özel isim veya teknik terim bütün video boyunca tutarlı mı?
• Dışa aktarılan son dosya, kurgu ön izlemesinden bağımsız olarak baştan sona dinlendi mi?

Özetle, Türkçe AI seslendirme telaffuz sorunları çoğunlukla tek bir “daha iyi ses” seçerek çözülmez. Konuşma metnini düzenlemek, özel isim sözlüğü oluşturmak, sayı ve kısaltmaları yazıyla test etmek, gerektiğinde fonetik telaffuz kullanmak ve SSML ile duraklama, hız, perde ve vurguya yön vermek gerekir. Son adımda sesin video ritmi, müzik seviyesi ve sahne değişimleriyle birlikte dinlenmesi, üretimin gerçekten yayınlanabilir olup olmadığını gösterir. Bu yaklaşım, reklamdan eğitime kadar farklı Türkçe içeriklerde daha tutarlı ve kontrol edilebilir bir üretim süreci sağlar.