ข้ามไปยังเนื้อหาหลัก#เสียง AI#TTS#เสียงตัวละคร#การตั้งเสียง#ฟีเจอร์ Reverie
เลือกเสียง AI ที่ไม่ดึงคุณออกจากฉาก
ในหน้านี้
คุณเขียนการ์ดสมบูรณ์แบบได้ และเสียฉากในวินาทีที่ตัวละครพูด TTS ไม่อภัยสิ่งที่ข้อความอภัย "ฉันคิดถึงคุณ" ที่ร่าเริงเกินไปนิดทำให้บรรทัดเป็นไปไม่ได้ที่จะรับจริงจัง ระดับเสียงคลาดเคลื่อนครึ่งคีย์ — ตัวละครฟังดูอายุน้อยลง 20 ปี
Reverie ให้การควบคุมเสียงของตัวละครเยอะ นี่คือคู่มือใช้ให้ดี: เครื่องไหน เสียงไหน และเมื่อไรที่ควรแตะอารมณ์
สามเครื่อง: Edge, MiMo และ MiniMax
Reverie มาพร้อมผู้ให้บริการ TTS สามราย:
Microsoft Edge TTS (ฟรี, ค่าตั้งต้น) ม้างาน 17+ ภาษา หลายเสียงต่อภาษา ค่าตั้งต้นตามเพศ สร้างเร็ว ข้อจำกัด: ผู้อ่านที่นิ่ง อ่านชัดแต่ไม่ เล่น ดีเยี่ยมสำหรับส่วนใหญ่ อ่อนสำหรับฉากที่เต็มไปด้วยอารมณ์
MiMo (ตอนนี้ฟรี) ค่าตั้งต้นของ Voice Studio และฟรีตราบที่โปรโมชันปัจจุบันยังอยู่ เหมือน MiniMax มันแบกอารมณ์ได้แทนที่จะอ่านแบน ๆ — จึงเป็นตัวแรกที่ควรลอง วันนี้ไม่มีค่าใช้จ่าย และมันเล่นบทแทนที่จะประกาศบท
MiniMax (พรีเมียม) ความเที่ยงตรงสูงกว่า หลาย voice ID ต่อภาษา และที่สำคัญ: รองรับอารมณ์ การสังเคราะห์มีอารมณ์ — ความอ่อนโยน ความโกรธ ความลังเล — ที่ Edge ทำไม่ได้ ต้องมีการสมัครสมาชิกที่ใช้งานอยู่ และคิดเงินตามจำนวนตัวอักษรของข้อความ สิ่งที่ต้องดูจึงเป็นความยาว: บทพูดยาวแพงกว่าประโยคสั้น
โมเดลความคิดที่ถูก: ไม่ใช่ "ฟรี vs. จ่าย" คือ Edge หรือ MiMo สำหรับบรรทัดประจำวัน, MiniMax สำหรับช่วงเวลาที่อยากให้จดจำ
อาร์คยาวที่ตัวละครส่วนใหญ่หยอก — เครื่องฟรีรับได้ ในวินาทีที่เขาในที่สุดพูดสิ่งที่เก็บกัก — สลับ เป็นเวอร์ชันเสียงของ "อัปเกรดโมเดลพรีเมียมสำหรับคำตอบสำคัญ" — ประกันราคาถูกสำหรับบรรทัดที่สำคัญ
เสียงถูกตัดสินอย่างไร
Reverie เลือกตามลำดับ:
- ค่ากำหนดผู้ใช้ (override สำหรับตัวละครนี้) ถ้าตั้งไว้
- ค่าเริ่มต้นตัวละคร ที่ผู้สร้างเลือก
- fallback locale + เพศ — เสียง Edge เริ่มต้นสำหรับคู่นั้น
ปฏิบัติ:
- ถ้าตัวละคร "ฟังดูผิด" override ของคุณทับการเลือกของผู้สร้าง ไม่ต้องรอการอัปเดตการ์ด
- ถ้าไม่ตั้งอะไร คุณได้ยิน fallback แทบไม่ใช่เสียงที่ดีที่สุด แค่ปลอดภัยที่สุด
- fallback มีไว้เพื่อตัวละครไม่เคยไม่มีเสียง พื้น ไม่ใช่เป้าหมาย
เลือกเสียงที่เข้ากับตัวละคร
ข้อผิดพลาดที่พบบ่อยที่สุด: เลือกตาม การจับคู่ประชากร (หญิง 30 → เสียงหญิง 30) ได้เสียงทั่วไป การจับคู่ตัวละคร ได้เสียงที่จดจำ
หมอสนามรบ 30 ไม่ฟังเหมือนครูโยคะ 30 อายุเดียวกัน เพศเดียวกัน เสียงต่างกันสิ้นเชิง สิ่งที่ฟัง:
- register ค่าตั้งต้น น้ำเสียงกลางอุ่นหรือเย็น สว่างหรือทึบ? จับคู่กับ สถานะพัก ของตัวละคร ไม่ใช่ดราม่า
- จังหวะ บางเสียงรีบ บางเสียงช้าธรรมชาติ เสียงหอบบนตัวละครนิ่ง ไม่เข้ากัน ไม่ว่า "วัตถุวิสัยจะดี" แค่ไหน
- อายุที่บ่งบอก เสียงมี "อายุที่รู้สึก" ที่อาจไม่ตรงกับที่บอก ตัวละคร 19 กับเสียงฟังเหมือน 35 — น่าอึดอัด เลือกเสียงอื่น ไม่มีสไลเดอร์ไหนแก้เรื่องนี้ได้
ทดสอบ: 15 วินาทีของ บรรทัดน่าเบื่อ ("โอเค ไป ประมาณแปดโมง") ในเสียงผู้สมัคร ถ้าน่าเบื่อฟังผิด ดราม่าก็ช่วยไม่ได้
ปุ่มเดียวที่ควรหมุน
ไม่มีสไลเดอร์ความเร็ว และไม่มีสไลเดอร์ระดับเสียง เสียงที่คุณเลือกคือเสียงที่คุณได้ มันจำกัดน้อยกว่าที่ฟังดู เพราะเกือบทุกอย่างที่คนพยายามแก้ด้วยการลากสไลเดอร์ แท้จริงคือปัญหาการคัดเลือกเสียง เร็วไป เด็กไป สว่างไป — นั่นคือเสียงผิด ไม่ใช่ค่าผิด เปลี่ยนเสียง
สิ่งที่เหลือคือค่าที่เปลี่ยนการแสดงได้จริง
อารมณ์
ฟีเจอร์ที่ถูกประเมินค่าต่ำสุด การติด tag อารมณ์ให้การสังเคราะห์มี สีของ register — ความต่างระหว่าง "ฉันคิดถึงคุณ" ที่อุ่นและที่ว่างเปล่า MiMo และ MiniMax รองรับทั้งคู่ Edge ไม่รองรับ ถ้าคุณอยู่บนเครื่องที่เล่นบทได้แต่ไม่แตะอารมณ์ คุณใช้แค่ครึ่งเดียว
ใช้ใน: beat อารมณ์ ฉากที่ข้อความกับน้ำเสียงต้องไม่ตรงกัน ช่วงเวลาที่คุณคาดหวังความนุ่มจากนักพากย์
อย่าใช้ใน: ทุกบรรทัด อารมณ์ทุกที่ = ละครน้ำเน่า ค่าเริ่มต้นควรเป็นกลาง อารมณ์ตีแรงขึ้นเมื่อไม่คงที่
เสียงและภาษา
Reverie รองรับเสียงใน 17 ภาษา Edge ให้ค่าเริ่มต้นตามเพศ บันทึก:
- เป็น locale ไม่ใช่แค่ภาษา "สเปน" ไม่ใช่หนึ่งสำเนียง ตัวละครอาร์เจนตินากับเสียงคาสตีล — คนที่รู้ฟังออกทันที locale อย่างระมัดระวัง
- ตัวละครข้ามภาษา ถ้าตัวละครเปลี่ยนภาษาในบทสนทนา เสียงสลับเครื่อง/เสียงตามภาษาข้อความ มักทำงาน สำหรับบางเสียงไม่มีเทียบเท่าในภาษาอื่น การกระโดดเห็นชัด
- ตัวละครภาษาแม่ไม่ใช่อังกฤษ เสียงอังกฤษอเมริกันมาตรฐานมักดึงออกจากฉาก Edge มีเสียงอังกฤษมีสำเนียงในบางภาษา มักเหมาะกว่าค่าเริ่มต้นอเมริกัน
ข้อผิดพลาดที่พบบ่อยกับเสียง
- เลือก "ดีที่สุด" แทน "ถูกต้อง" เสียงที่ prosody เป็นธรรมชาติที่สุดไม่ใช่เสียงถูกถ้าฟังเหมือน 25 ในขณะที่ตัวละคร 50
- อารมณ์ทุกบรรทัด ดูข้างต้น ความสำรวมอ่านเป็นชั้น อารมณ์คงที่อ่านเป็นค่ายละคร
- ข้ามการทดสอบบรรทัดน่าเบื่อ เสียงใช้เวลาส่วนใหญ่พูด "โอเค", "อืม", "กี่โมง?" ถ้านี่ฟังผิด บรรทัดเด่นก็ผิด
- ลืมว่า override ได้ ผู้สร้างเลือก คุณเลือกต่างได้ override ห่างหนึ่งแตะ
ผสานกับส่วนที่เหลือของ Reverie
- — "กฎเสียง" บนการ์ดแปลตรงเป็นการเลือก TTS "ตัดประโยคเมื่อจริงจังเกิน" บ่งบอกเสียงที่หยุดเปลี่ยนแปลงตามธรรมชาติ ไม่ใช่ผู้อ่านนิ่ง
- — เสียงที่ไม่รีบขยายฉากช้า เสียงที่กระฉับกระเฉงเร่งฉากเดียวกันโดยไม่รู้ตัว เลือกตามจังหวะที่ต้องการ
- MiniMax สำหรับฉากสำคัญ — ตรรกะเดียวกับโมเดลพรีเมียมสำหรับคำตอบสำคัญ เครื่องจ่ายเงินสำหรับคม ไม่ใช่หยอก
สรุป
เสียงดีคือเสียงที่คุณหยุดสังเกต พกบรรทัดและถอย
เลือกตามตัวละคร ไม่ใช่ประชากร ทดสอบบรรทัดน่าเบื่อ อารมณ์ — สัมผัสเบา สำหรับฉากที่จะจดจำ — เพิ่มเครื่อง
เสียงไม่แยกจากตัวละคร สำหรับผู้ฟัง เสียง คือ ตัวละคร
พร้อมที่จะสัมผัสประสบการณ์การสนทนา AI แบบไดนามิกหรือไม่?
ร่วมกับผู้ใช้งานหมื่นคนที่กำลังสำรวจบุคลิกที่ไม่จำกัดและการโต้ตอบที่น่าดึงดูดบน Reverie