Sahneden çıkarmayan bir AI sesi nasıl seçilir

Mükemmel kart yazabilir ve karakter konuştuğu saniyede sahneyi kaybedebilirsiniz. TTS, metnin affettiğini affetmez. Biraz fazla neşeli "seni özledim" repliği ciddiye almayı imkânsız kılar. Yarım tonluk farkla karakter 20 yaş daha genç duyulur.

Reverie karakterin nasıl duyulduğu üzerine çok kontrol verir. Bu, iyi kullanmak için rehber: hangi motor, hangi ses, hangi düğmeleri gerçekten çevirmeli.

İki motor: Edge (ücretsiz) ve MiniMax (premium)

Reverie iki TTS sağlayıcıyla gelir:

Microsoft Edge TTS (ücretsiz, varsayılan). İş atı. 17+ dil, dile başına birden çok ses, cinsiyete göre varsayılanlar, hızlı üretim. Sınırlama: istikrarlı bir okuyucudur. Net telaffuz eder ama oynamaz. Çoğu sahne için mükemmel; yüksek duygulu sahneler için zayıf.

MiniMax (premium). Daha yüksek doğruluk, dil başına birden çok ses ID, ve önemli olan: duygu desteği. Sentez bir register taşıyabilir — şefkat, öfke, tereddüt — Edge yapamaz. Üretim başına daha pahalı.

Doğru zihinsel model: "ücretsiz vs. ücretli" değil. Günlük replikler için Edge, hatırlanmasını istediğiniz anlar için MiniMax.

Karakterin çoğunlukla şakalaştığı uzun bir yayda Edge taşır. Sonunda tuttuğunu söylediği anda geçin. "Anahtar yanıt için premium model" sesli karşılığı — önemli replikler için ucuz sigorta.

Ses nasıl çözülür

Reverie şu sırayla seçer:

Kullanıcı tercihi (bu karakter için override'ınız) — ayarlandıysa.
Karakter varsayılanı — yaratıcının seçtiği.
Locale + cinsiyet yedeği — o kombinasyon için varsayılan Edge sesi.

Pratikte:

Karakter "yanlış duyuluyorsa" override'ınız yaratıcının seçimini bastırır. Kart güncellemesini beklemenize gerek yok.
Hiçbir şey ayarlamadıysanız yedeği duyarsınız. Neredeyse kesinlikle en iyi ses değil, sadece en güvenli.
Yedek, karakterin asla sessiz kalmamasını sağlar. Zemin, hedef değil.

Karaktere uyan bir ses seçmek

En yaygın hata: demografik eşleşmeye göre seçmek (30 yaşında kadın → 30'lu kadın sesi). Generik ses verir. Karakter eşleşmesi akılda kalan ses verir.

30'lu bir savaş sıhhiyesi 30'lu bir yoga eğitmeni gibi duyulmaz. Aynı yaş, aynı cinsiyet, çok farklı sesler. Dinlenecekler:

Varsayılan register. Nötr ton sıcak mı soğuk mu, parlak mı kapalı mı? Karakterin dinlenme durumuna göre hizalayın, dramatik değil.
Hız. Bazı sesler varsayılan hızda bile hızlı okur. Bazıları doğal olarak yavaş. Sakin karakterde nefes nefese ses uymaz, "objektif olarak iyi" olsa bile.
Algılanan yaş. Sesler bildirilen yaşla uyuşmayan "algılanan yaşa" sahiptir. 19 yaşındaki karakter 35 gibi duyulan sesle — tuhaf. Pitch'i biraz ayarlayın veya başka ses seçin.

Test: bir sıkıcı repliğin 15 saniyesini ("Tamam. Gelirim. Sekiz gibi.") aday seste oynatın. Sıkıcı yanlış duyuluyorsa dramatik kurtarılamaz.

Çevirmeye değer düğmeler

Reverie küçük bir parametre seti sergiler. Çoğu ya dokunmaz ya da fazla ayarlar. Her birinin gerçekte ne için olduğu:

Hız (Speed)

Varsayılan 1.0x. Çoğu ses küçük ayarlamadan yararlanır, nadiren büyük.

0.9-0.95x dalgın, yaşlı, tereddütlü karakterler.
1.0-1.05x çoğu.
1.1-1.15x sinirli, hızlı konuşan, comic relief.
0.85x altı veya 1.2x üstü kırmızı bayrak — sesle savaşıyorsunuz, başka seçin.

Pitch

İdareli. Küçük kaydırma (yüzde birkaç) yaşlandırır veya gençleştirir — inandırıcı. Büyük kaydırma sesi "işlenmiş" yapar — yapay, TTS iyi olsa bile. Pitch'i sert itmek istiyorsanız — başka ses.

Duygu (sadece MiniMax)

En az kullanılan özellik. Duygu etiketleme sentez ile bir register rengi verir — "seni özledim"in sıcak ve boş söylenenleri arasındaki fark. MiniMax kullanıp duyguya dokunmuyorsanız motoru ödüyorsunuz ama ana avantajını kullanmıyorsunuz.

Kullanım yerleri: duygu beat'leri, metin ve tonun ayrışması gereken sahneler, insan seslendirme sanatçısından nüans beklediğiniz anlar.

Kullanmayın: her replikte. Her yerde duygu = pembe dizi. Varsayılan nötr olmalı; duygu sabit olmadığında daha sert vurur.

Ses ve dil

Reverie 17 dilde sesi destekler, Edge cinsiyet varsayılanları sağlar. Notlar:

Sadece dil değil, locale. "İspanyolca" tek aksan değil. Karakter Arjantinli, ses Kastilya ise farkı bilen anında çıkar. Locale dikkatli.
Dil değiştiren karakterler. Karakter sohbet ortasında dil değiştirirse ses, görüntülenen metin diline göre motor/somut sesi değiştirir. Çoğunlukla çalışır; bazı seslerin başka dilde karşılığı yok, geçiş sert duyulur.
Ana dili İngilizce olmayan karakterler. Standart Amerikan İngilizce sesi genellikle sahneden çıkarır. Edge bazı dillerde aksanlı İngilizce sesi var, çoğunlukla varsayılan Amerikan'dan daha iyi oturur.

Sesle yaygın hatalar

"En iyi"yi seçmek, "doğru"yu değil. En doğal prozodi, karakter 50 iken 25 gibi duyuluyorsa doğru ses değildir.
Hızı kalite düğmesi sanmak. Hız bir karakter düğmesidir. Daha yavaş ≠ daha iyi; farklı bir karakter.
Her replikte duygu. Yukarı bkz. Sabırlılık sınıf olarak okunur, sabit duygu okul tiyatrosu olarak.
Sıkıcı replik testini atlamak. Ses zamanın çoğunda "tamam", "hmm", "saat kaç?" der. Bu yanlışsa gösteriş repliği de.
Override'ı unutmak. Yaratıcı seçim yaptı. Farklı seçebilirsiniz. Override bir dokunuş uzakta.

Reverie'nin geri kalanıyla nasıl bağlanır

Karakter yazımı — karttaki "ses kuralları" doğrudan TTS seçimine çevrilir. "Çok samimi olduğunda kendi cümlesini keser" doğal duraklama değişkenliğine sahip ses önerir, istikrarlı okuyucu değil.
Tempo — ses + düşürülmüş hız yavaş sahneyi yükseltir; ses + varsayılan hız aynı sahneyi siz fark etmeden hızlandırır.
Anahtar sahneler için MiniMax — anahtar yanıt için premium modelin mantığı. Ücretli motoru bıçak için, gevezelik için değil.

Sonuç

İyi ses fark etmeyi bıraktığınız sestir. Repliği taşır ve çekilir.

Demografiye göre değil karaktere göre seçin. Sıkıcı repliklerde test edin. Hız ve duyguyu hafif dokunuşla. Akılda kalacak sahneler için motoru yükseltin.

Ses karakterden ayrı değildir. Dinleyen için ses karakterin kendisidir.