Можно написать идеальную карточку и потерять сцену в момент, когда персонаж заговорит вслух. TTS не прощает того, что прощает текст. Чуть слишком жизнерадостное «я скучал» — и реплику невозможно воспринять всерьёз. Высота на полтон выше — персонаж звучит на двадцать лет моложе.
Reverie даёт много контроля над тем, как звучит персонаж. Это гайд о том, как им пользоваться: какой движок, какой голос и когда стоит тронуть эмоцию.
Три движка: Edge, MiMo и MiniMax
В Reverie три TTS-провайдера:
Microsoft Edge TTS (бесплатный, по умолчанию). Рабочая лошадка. 17+ языков, по несколько голосов на язык, гендерные дефолты, быстрая генерация. Минус: устойчивый чтец. Реплики проговаривает чётко, но не играет их. Подходит большинству сцен; не вытягивает высокоэмоциональные.
MiMo (пока бесплатно). Движок по умолчанию в Voice Studio, бесплатный, пока идёт текущая акция. Как и MiniMax, он несёт эмоциональный регистр, а не читает ровно — поэтому с него и стоит начать. Сегодня он ничего не стоит и играет реплику, а не объявляет её.
MiniMax (платный). Выше точность, несколько голосов на язык, и главное — поддержка эмоций. Синтез умеет нести эмоциональный регистр: нежность, гнев, нерешительность — то, чего Edge не умеет. Нужна активная подписка, и оплата идёт за каждый символ текста, так что следить нужно за длиной: длинный монолог обойдётся дороже короткой реплики.
Правильная ментальная модель — не «бесплатное против платного», а Edge или MiMo для повседневности, MiniMax для моментов, которые должны запомниться.
Длинная арка, где персонаж в основном перешучивается, — бесплатные движки тянут. Момент, когда персонаж наконец говорит то, что давно копил — переключайтесь. Аудиоверсия «платного апгрейда модели на ключевой реплике»: дешёвая страховка для строк, которые имеют значение.
Как выбирается голос
Reverie выбирает голос для персонажа по такой иерархии:
- Пользовательские настройки (ваш оверрайд для этого персонажа), если установлены.