Puwede kang sumulat ng perpektong character card pero mawala pa rin ang eksena sa mismong sandaling magsalita nang malakas ang karakter, dahil hindi mapagpatawad ang TTS sa paraang hindi ganoon ang text. Ang "Na-miss kita" na medyo sobrang masigla ay ginagawang imposibleng seryosohin ang linya. Ang tonong lihis nang kalahating hakbang ay nagpapatunog sa karakter na 20 taong mas bata kaysa sa totoo niyang edad.
Binibigyan ka ng Reverie ng malaking kontrol sa kung paano tumutunog ang isang karakter. Gabay ito sa mahusay na paggamit nito - aling engine, aling boses, at kailan sulit gamitin ang emosyon.
Ang tatlong engine: Edge, MiMo, at MiniMax
May tatlong TTS provider ang Reverie:
Microsoft Edge TTS (libre, default). Maaasahang kabayo-trabahador. 17+ na wika, maraming opsyon ng boses bawat wika, mga default ayon sa kasarian, mabilis na pag-generate. Ang kapalit: pantay at kalmado itong tagabasa. Malinaw nitong binibigkas ang mga linya pero hindi nito talagang inaarte ang mga ito. Mahusay para sa karamihan ng eksena; kulang ang lakas para sa mga eksenang puno ng emosyon.
MiMo (libre sa ngayon). Ang default ng Voice Studio, at libre habang tumatakbo ang kasalukuyang promo. Gaya ng MiniMax, kaya nitong magdala ng emosyonal na tono sa halip na magbasa nang patag - kaya ito ang halatang unang dapat subukan. Wala itong bayad ngayon at inaarte nito ang linya sa halip na basta ianunsyo.
MiniMax (premium). Mas mataas na kalidad, maraming voice ID bawat wika, at ang feature na talagang mahalaga: suporta sa emosyon. Kayang dalhin ng synthesis ang isang emosyonal na tono - lambing, galit, pag-aatubili - sa paraang hindi kaya ng Edge. Kailangan nito ng aktibong subscription, at sinisingil ito bawat character ng text, kaya haba ang dapat bantayan: mas mahal ang mahabang monologo kaysa sa maikling linya.
Ang tamang paraan ng pag-iisip ay hindi "libre vs. bayad." Ito ay: Edge o MiMo para sa pang-araw-araw na linya, MiniMax para sa mga sandaling gusto mong maalala.
Kung tumatakbo ka sa isang mahabang arc kung saan halos puro biruan lang ang karakter, kakayanin iyon ng mga libreng engine. Sa sandaling umabot ka sa eksenang sa wakas ay sinasabi na ng karakter ang matagal na niyang pinipigilan, lumipat ka. Ito ang katumbas sa audio ng pagbabayad para sa premium na model sa isang mahalagang reply - murang insurance para sa mga linyang mahalaga.
Paano talaga napipili ang boses
Pinipili ng Reverie ang boses ng isang karakter ayon sa hierarchy na ito:
- Preference ng user (ang override mo) para sa karakter na ito, kung naka-set.
- Default ng karakter na pinili ng creator.
- Fallback batay sa locale + kasarian - ang default na boses ng Edge para sa wika at kasarian.
Mga praktikal na implikasyon:
- Kung "mali ang tunog" ng isang karakter, nangingibabaw ang override mo sa anumang itinakda ng creator. Hindi mo kailangang umasang ia-update ng creator ang card.
- Kung wala kang itinakda, ang fallback ng locale ang naririnig mo. Halos tiyak na hindi iyon ang pinakamahusay na boses para sa karakter mo; iyon lang ang pinakaligtas.
- Umiiral ang fallback para hindi kailanman mawalan ng boses ang isang karakter. Ito ang pinakamababang antas, hindi ang layunin.
Pagpili ng boses na bagay sa karakter
Ang pinakakaraniwang pagkakamali ay ang pagpili ng boses batay sa tugmang demograpiko (30 taong gulang na babae ang karakter, kaya pumili ng boses ng 30 taong gulang na babae). Generic na boses ang ibinibigay ng tugmang demograpiko. Ang tugmang karakter ang nagbibigay ng boses na tumatatak.
Hindi kapareho ng tunog ng 30 taong gulang na battle medic ang 30 taong gulang na yoga instructor. Parehong edad, parehong kasarian, ganap na magkaibang boses. Pakinggan ang:
- Default na tono. Mainit ba o malamig ang neutral na tono ng boses? Maliwanag o mahina? Itugma iyon sa kalmadong kalagayan ng karakter, hindi sa madrama niyang kalagayan.
- Bilis. May mga boses na nagmamadali. May mga boses na hindi nagmamadali. Hindi bagay ang hingal na boses sa isang stoic na karakter, gaano man kahusay ang boses sa teknikal na aspeto.
- Ipinahihiwatig na edad. May edad na nararamdaman ang mga boses na maaaring hindi tugma sa nakasaad na edad ng karakter. Ang 19 taong gulang na karakter na may boses ng 35 taong gulang ay magiging nakakailang. Pumili ng ibang boses - walang slider na makakaayos nito.
Ang test: magpatugtog ng 15 segundong sample ng isang nakakabagot na linya ("Oo. Pupunta ako. Mga alas-otso.") gamit ang boses na pinag-iisipan mo. Kung mali ang tunog ng nakakabagot na linya, hindi na maililigtas ang mga madramang linya.
Ang iisang knob na sulit pihitin
Walang slider ng bilis at walang slider ng pitch. Ang boses na pinili mo ang boses na makukuha mo. Hindi ito kasing-limitado ng tunog nito: halos lahat ng sinusubukang ayusin ng mga tao sa paghila ng slider ay problema sa casting. Masyadong mabilis, masyadong bata, masyadong matinis - maling boses iyan, hindi maling setting. Palitan ang boses.
Ang natitira ay ang setting na talagang nagbabago ng pagganap.
Emosyon
Ang pinakahindi nagagamit na feature. Hinahayaan ng emotion tagging na magdala ang synthesis ng isang tono - ang pagkakaiba ng "Na-miss kita" na sinabi nang malambing at ng parehong linya na sinabi nang hungkag. Parehong sinusuportahan ito ng MiMo at MiniMax; hindi ito sinusuportahan ng Edge. Kung nasa engine ka na kayang umarte at hindi mo ginagalaw ang emosyon, kalahati lang ng mayroon ka ang ginagamit mo.
Gamitin ito para sa: mga emosyonal na sandali, mga eksenang kailangang magkasalungat ang text at ang tono, mga sandaling gugustuhin mong may maidagdag ang isang tunay na voice actor.
Huwag itong gamitin para sa: bawat linya. Kapag may emosyon ang lahat, nagmumukha itong teleserye. Dapat neutral ang default na kalagayan; mas tumatama ang emosyon kapag hindi ito palagian.
Boses at wika
Sinusuportahan ng Reverie ang mga boses sa 17 wika na may mga default ng Edge ayon sa kasarian. Ilang praktikal na paalala:
- Locale, hindi lang wika. Hindi iisang accent ang "Spanish." Kung taga-Argentina ang karakter mo at Castilian ang boses, magiging kakaiba ang tunog ng karakter sa sinumang nakakarinig ng pagkakaibang iyon. Pumili ng locale nang maingat.
- Mga karakter na nagpapalit ng wika. Kung nagpapalit ng wika ang karakter mo sa gitna ng usapan, magpapalit din ang boses ng engine/boses ayon sa wika ng text na binibigkas. Maayos itong nahahawakan ng karamihan ng setup; pero may mga boses ng karakter na walang katumbas sa ibang wika at magiging nakakagulat na magkaiba ang tunog sa iba't ibang wika.
- Mga karakter na may ibang katutubong wika. Ang karakter na hindi English ang katutubong wika ay kadalasang mali ang tunog sa anumang English na boses na walang angkop na accent. Ang mga English na boses ng Edge na may accent, kung mayroon, ay kadalasang mas mahusay kaysa sa default na American na boses.
Mga karaniwang pagkakamali sa boses
- Pagpili ng "pinakamahusay" na boses sa halip na ng tamang boses. Hindi tamang boses ang may pinakanatural na prosody kung tunog-25 ito gayong 50 ang karakter mo.
- Paglalagay ng emosyon sa bawat linya. Tingnan sa itaas. Ang pagpipigil ay nababasa bilang husay; ang palagiang emosyon ay nababasa bilang drama club.
- Paglaktaw sa test ng nakakabagot na linya. Kadalasan, kailangang kayanin ng isang boses ang "okay" at "mm-hmm" at "anong oras?". Kung mali ang tunog ng mga linyang iyon, mali rin ang tunog ng mga highlight na linya.
- Pagkalimot na puwede kang mag-override. May pinili ang creator ng karakter. Puwede kang pumili ng iba. Isang tap lang ang layo ng override.
Paano ito umaangkop sa iba pang bahagi ng Reverie
- Pagsulat ng karakter - direktang naisasalin sa mga pagpili ng TTS ang mga patakaran sa boses sa character card. Ang "Pinuputol ang sarili niyang pangungusap kapag nagiging masyadong taos-puso" ay nagmumungkahi ng boses na may natural na pagkakaiba-iba ng paghinto, hindi ng pantay na tagabasa.
- Bilis ng takbo - pinalalakas ng boses na hindi nagmamadali ang isang mabagal na eksena; minamadali naman ng mabilis na boses ang parehong eksena nang hindi mo namamalayan. Mag-cast ayon sa tempong gusto mo.
- MiniMax para sa mga premium na eksena - parehong lohika sa pagpili ng Claude para sa highlight na reply. Gamitin ang premium na engine kung saan ito mahalaga; huwag itong sayangin sa biruan.
Ang aral
Ang mahusay na boses ay iyong hindi mo na napapansin. Dinadala nito ang linya at umaalis sa daan.
Pumili ayon sa karakter, hindi sa demograpiko. Mag-test sa mga nakakabagot na linya. Gamitin nang magaan ang emosyon. Mag-upgrade para sa mga eksenang maaalala mo.
Hindi hiwalay ang boses sa karakter. Para sa lahat ng nakikinig, ang boses mismo ang karakter.