Du kannst eine perfekte Charakterkarte schreiben und die Szene in der Sekunde verlieren, in der die Figur spricht. TTS verzeiht nicht, was Text verzeiht. Ein leicht zu fröhliches „Ich hab dich vermisst" macht die Zeile unmöglich ernst zu nehmen. Eine halbe Tonstufe daneben — die Figur klingt 20 Jahre jünger.
Reverie gibt viel Kontrolle darüber, wie eine Figur klingt. Das ist ein Leitfaden, das gut zu nutzen: welche Engine, welche Stimme, und wann Emotion sich lohnt.
Die drei Engines: Edge, MiMo und MiniMax
Reverie liefert drei TTS-Anbieter mit:
Microsoft Edge TTS (kostenlos, Standard). Arbeitspferd. Über 17 Sprachen, mehrere Stimmen pro Sprache, Geschlechter-Defaults, schnelle Generierung. Haken: stabiler Vorleser. Liest klar, spielt aber nicht. Bestens für die meisten Szenen; zu schwach für hochemotionale.
MiMo (derzeit kostenlos). Standard im Voice Studio und kostenlos, solange die aktuelle Aktion läuft. Wie MiniMax kann es ein emotionales Register tragen statt flach vorzulesen — deshalb das Naheliegendste zum Ausprobieren. Kostet heute nichts und spielt die Zeile, statt sie anzusagen.
MiniMax (Premium). Höhere Treue, mehrere Voice-IDs pro Sprache, und das, was zählt: Emotionsunterstützung. Die Synthese kann ein emotionales Register tragen — Wärme, Wut, Zögern —, was Edge nicht kann. Braucht ein aktives Abo und rechnet pro Textzeichen ab; auf die Länge achten: ein langer Monolog kostet mehr als eine kurze Zeile.
Mentales Modell: nicht „kostenlos vs. zahlend". Sondern Edge oder MiMo für Alltagszeilen, MiniMax für Momente, die haften sollen.
In einem langen Bogen, in dem die Figur meist plänkelt — die kostenlosen Engines tragen. In dem Moment, in dem sie endlich sagt, was sie zurückgehalten hat, umschalten. Das ist das Audio-Pendant zu „Premium-Modell für eine Schlüsselantwort" — billige Versicherung für die Zeilen, die zählen.
Wie die Stimme aufgelöst wird
Reverie wählt so: