تستطيع كتابة بطاقة مثالية وتفقد المشهد في الثانية التي تتكلم فيها الشخصية. لا يغفر TTS ما يغفره النص. "اشتقتُ إليكِ" مفرط البهجة قليلًا يجعل الجملة من المستحيل أخذها بجدية. نصف نغمة خارج الموضع — تبدو الشخصية أصغر بعشرين سنة.
يمنح Reverie تحكّمًا كبيرًا في صوت الشخصية. هذا دليل لاستخدامه جيدًا: أي محرّك، أي صوت، أي مقابض تدورها فعلًا.
المحرّكان: Edge (مجاني) وMiniMax (مدفوع)
يأتي Reverie بمزوّدَي TTS:
Microsoft Edge TTS (مجاني، افتراضي). حصان الشغل. أكثر من 17 لغة، أصوات متعدّدة لكل لغة، افتراضيات حسب الجنس، توليد سريع. القيد: قارئ مستقرّ. ينطق بوضوح لكنه لا يُمثّل. ممتاز لمعظم المشاهد؛ ضعيف للمشاهد العاطفية المرتفعة.
MiniMax (مدفوع). دقة أعلى، عدة voice IDs لكل لغة، والأهم: دعم العاطفة. يحمل التركيب سجلًا — حنان، غضب، تردّد — لا يستطيعه Edge. أغلى لكل توليد.
النموذج الذهني الصحيح: ليس "مجاني مقابل مدفوع". بل Edge للجمل اليومية، MiniMax للحظات التي تريد تذكّرها.
في قوس طويل تقضي فيه الشخصية معظم الوقت تتناقش بلطف — يكفي Edge. اللحظة التي تقول فيها أخيرًا ما كانت تحتفظ به — انتقل. هذا المعادل الصوتي لـ"ترقية النموذج المدفوع لرد رئيسي" — تأمين رخيص للجمل التي تهمّ.
كيف يُحدَّد الصوت
يختار Reverie بهذا الترتيب:
- تفضيل المستخدم (override لهذه الشخصية)، إن ضُبط.
- افتراضي الشخصية الذي اختاره المنشئ.
- fallback locale + جنس — صوت Edge الافتراضي لهذه التوليفة.
عمليًا:
- إن بدت الشخصية "غير صحيحة"، يطغى overrideك على اختيار المنشئ. لا تنتظر تحديث البطاقة.
- إن لم تضبط شيئًا فأنت تسمع الـfallback. شبه أكيد أنه ليس الأفضل، فقط الأكثر أمانًا.
- الـfallback موجود كي لا تبقى الشخصية بلا صوت. أرضيّة لا هدف.
اختيار صوت يناسب الشخصية
الخطأ الأشيع: الاختيار وفق التطابق الديموغرافي (امرأة 30 → صوت امرأة 30). يعطي صوتًا عامًا. التطابق مع الشخصية يعطي صوتًا يبقى.
مسعفة حروب في الثلاثين لا تشبه مدربة يوغا في الثلاثين. العمر نفسه، الجنس نفسه، أصوات مختلفة كليًا. ما تستمع إليه:
- السجل الافتراضي. هل النبرة المحايدة دافئة أم باردة، مشرقة أم خافتة؟ طابِق مع حالة الراحة للشخصية لا الدرامية.
- الإيقاع. بعض الأصوات تقرأ بسرعة حتى في السرعة الافتراضية. غيرها بطيئة بطبعها. صوت لاهث لشخصية رابطة الجأش لا يتناسب، مهما كان "موضوعيًا جيدًا".
- العمر الضمني. للأصوات "عمر يُسمَع" قد لا يطابق العمر المعلن. شخصية 19 بصوت يُسمَع كأنه 35 — غير مريح. اضبط النغمة قليلًا أو اختر صوتًا آخر.
اختبار: 15 ثانية من جملة مملة ("حسنًا. سآتي. حوالي الثامنة.") بالصوت المرشّح. إن سمعتَ المملة خطأ، فالدرامية لن تنقذ.
مقابض تستحق التدوير
يكشف Reverie مجموعة معاملات صغيرة. الأكثرية إما لا يلمسون أو يبالغون. ما هو دور كل واحد فعلًا:
السرعة (Speed)
افتراضي 1.0x. تستفيد معظم الأصوات من تعديلات صغيرة، نادرًا الكبيرة.
- 0.9-0.95x شخصيات متأمّلة، أكبر سنًا، مترددة.
- 1.0-1.05x الأكثرية.
- 1.1-1.15x عصبيون، سريعو الكلام، comic relief.
- أقل من 0.85x أو أكثر من 1.2x علم أحمر — تتعارك مع الصوت، اختر آخر.
النغمة (Pitch)
باقتصاد. تحوّل صغير (نسبة قليلة) يُهرّم أو يُصغّر بشكل مقنع. تحوّل كبير يجعل الصوت "معالَجًا" — اصطناعيًا، حتى مع TTS جيد. إن أردتَ دفع النغمة بقوة — اختر صوتًا آخر.
العاطفة (في MiniMax فقط)
أكثر الميزات إهمالًا. يمنح وسم العاطفة للتركيب لونًا للسجل — الفرق بين "اشتقت إليك" دافئًا وفارغًا. استخدام MiniMax دون لمس العاطفة = دفع المحرّك دون استخدام ميزته الرئيسية.
استخدم في: إيقاعات عاطفية، مشاهد يحتاج النص والنبرة فيها إلى تباين، لحظات تنتظر فيها فارقًا من ممثّل صوت بشري.
لا تستخدم في: كل جملة. عاطفة في كل مكان = ميلودراما. الافتراضي يجب أن يكون محايدًا؛ العاطفة تضرب أقوى حين ليست ثابتة.
الصوت واللغة
يدعم Reverie أصواتًا بـ17 لغة، يقدّم Edge افتراضيات حسب الجنس. ملاحظات:
- locale، لا اللغة وحدها. "الإسبانية" ليست لكنة واحدة. شخصية أرجنتينية بصوت قشتالي — من يميّز يكتشف فورًا. locale بحرص.
- شخصيات عابرة للغات. إن غيّرت الشخصية اللغة في الحديث، يبدّل الصوت المحرّك/الصوت المحدّد وفق لغة النصّ المعروض. غالبًا يعمل؛ لبعض الأصوات لا مكافئ في لغة أخرى، فيقع القفز بشكل ملحوظ.
- شخصيات لغتها الأم ليست الإنجليزية. صوت إنجليزي أمريكي قياسي يُخرج عادةً من المشهد. لدى Edge أصوات إنجليزية بلكنة في بعض اللغات، غالبًا تناسب أفضل.
أخطاء صوتية شائعة
- اختيار "الأفضل" لا "الصحيح". الأكثر عَروضية طبيعية ليس الصوت الصحيح إن سُمع كأنه 25 والشخصية في الخمسين.
- اعتبار السرعة مقبض جودة. السرعة مقبض شخصية. أبطأ ≠ أفضل؛ بل شخصية مختلفة.
- عاطفة في كل جملة. الاعتدال يُقرأ كطبقة، العاطفة الدائمة كمسرح مدرسي.
- تجاوز اختبار الجملة المملة. يقضي الصوت معظم الوقت يقول "حسنًا"، "ممم"، "بأيّ ساعة؟". إن سمعت تلك خطأ، فالاستعراضية أيضًا.
- نسيان أنك تستطيع override. المنشئ اختار. تستطيع الاختيار مختلفًا. الـoverride على بُعد ضغطة.
كيف يتلاقى مع باقي Reverie
- كتابة الشخصية — "قواعد الصوت" في البطاقة تترجم مباشرة إلى اختيار TTS. "يقطع جملته حين يصير صريحًا جدًا" يوحي بصوت ذي تنوّع طبيعي في التوقفات، لا قارئ مستقر.
- الإيقاع — صوت + سرعة منخفضة يضخّمان مشهدًا بطيئًا؛ صوت + سرعة افتراضية قد يُسرّعان المشهد نفسه دون أن تنتبه.
- MiniMax للمشاهد الرئيسية — منطق الترقية ذاته للنموذج المدفوع في الردّ الرئيسي. المحرّك المدفوع للحدّ، لا للدردشة.
الخلاصة
الصوت الجيد هو الذي تكفّ عن ملاحظته. يحمل الجملة ويبتعد.
اختر حسب الشخصية لا الديموغرافيا. اختبر على جمل مملة. السرعة والعاطفة بلمسة خفيفة. للمشاهد التي تبقى — ارفع المحرّك.
ليس الصوت منفصلًا عن الشخصية. للمستمع، الصوت هو الشخصية.