Можна написати ідеальну картку персонажа й усе одно втратити сцену тієї миті, коли він заговорить уголос, бо TTS не прощає того, що прощає текст. Трохи надто бадьоре «Я скучав за тобою» — і репліку вже неможливо сприймати серйозно. Висота тону, зсунута на пів тону, — і персонаж звучить на 20 років молодшим, ніж є.
Reverie дає тобі чимало контролю над тим, як звучить персонаж. Це посібник про те, як ним добре скористатися: який рушій, який голос і коли варто вдаватися до емоцій.
Три рушії: Edge, MiMo і MiniMax
У Reverie є три TTS-провайдери:
Microsoft Edge TTS (безкоштовний, за замовчуванням). Робоча конячка. 17+ мов, кілька варіантів голосу для кожної мови, стандартні голоси з урахуванням статі, швидка генерація. Підступ: це рівний читець. Він чітко промовляє репліки, але не грає їх драматично. Чудово підходить для більшості сцен; заслабкий для дуже емоційних.
MiMo (поки що безкоштовний). Стандартний рушій Голосової студії, безкоштовний, доки триває поточна акція. Як і MiniMax, він може передавати емоційний регістр замість пласкої читки — тож саме його найлогічніше спробувати першим. Сьогодні він нічого не коштує і грає репліку, а не оголошує її.
MiniMax (преміум). Вища якість звучання, кілька ID голосів для кожної мови і функція, яка справді має значення: підтримка емоцій. Синтез може передавати емоційний регістр — ніжність, гнів, вагання — так, як Edge не вміє. Він потребує активної підписки й тарифікується за кожен символ тексту, тож стеж за довжиною: довгий монолог коштує більше, ніж коротка репліка.
Правильна модель мислення — не «безкоштовне проти платного». А ось яка: Edge або MiMo для повсякденних реплік, MiniMax для моментів, які хочеться запам'ятати.
Якщо ти ведеш довгу арку, де персонаж переважно жартує й перекидається фразами, безкоштовні рушії впораються. Щойно дійдеш до сцени, де персонаж нарешті каже те, що довго стримував, — перемикайся. Це аудіоаналог оплати преміум-моделі для ключової відповіді: дешева страховка для реплік, які мають значення.
Як насправді обирається голос
Reverie обирає голос для персонажа за такою ієрархією:
- Вподобання користувача (твоє перевизначення) для цього персонажа, якщо його задано.
- Стандартний голос персонажа, який обрав автор.
- Резервний голос за локаллю й статтю — стандартний голос Edge для мови та статі.
Практичні наслідки:
- Якщо персонаж «звучить не так», твоє перевизначення має пріоритет над тим, що задав автор. Не треба сподіватися, що автор оновить картку.
- Якщо ти нічого не задав, ти чуєш резервний голос локалі. Майже напевно це не найкращий голос для твого персонажа; просто найбезпечніший.
- Резервний голос існує, щоб персонаж ніколи не залишився без голосу. Це мінімальний рівень, а не мета.
Як обрати голос, що пасує персонажу
Найпоширеніша помилка — обирати голос за демографічною відповідністю (персонаж — 30-річна жінка, тож бери голос 30-річної жінки). Демографічна відповідність дає безликий голос. Відповідність характеру дає щось, що запам'ятовується.
30-річна військова медикиня звучить не так, як 30-річна інструкторка з йоги. Той самий вік, та сама стать, зовсім інший голос. Прислухайся до:
- Базового регістру. Нейтральний тон голосу теплий чи холодний? Яскравий чи приглушений? Узгодь це зі спокійним станом персонажа, а не з драматичним.
- Темпу. Деякі голоси поспішають. Деякі не квапляться. Задиханий голос у стоїчного персонажа — поганий вибір, хоч яким «добрим» технічно був би цей голос.
- Уявного віку. Голоси мають сприйманий вік, який може не збігатися із заявленим віком персонажа. 19-річний персонаж із голосом 35-річного здаватиметься моторошним. Обери інший голос — жоден повзунок цього не виправить.
Тест: увімкни 15-секундний фрагмент нудної репліки («Ага. Буду. Десь о восьмій.») голосом, який розглядаєш. Якщо нудна репліка звучить не так, драматичні вже не врятуєш.
Єдиний регулятор, який варто крутити
Немає ні повзунка швидкості, ні повзунка висоти тону. Який голос обереш, такий і отримаєш. Це обмежує менше, ніж здається: майже все, що люди намагаються виправити повзунком, — це проблема кастингу. Надто швидко, надто молодо, надто яскраво — це неправильний голос, а не неправильне налаштування. Зміни голос.
Залишається налаштування, яке справді змінює виконання.
Емоції
Найбільш недооцінена функція. Емоційні теги дають синтезу змогу передавати регістр — різницю між «Я скучав за тобою», сказаним тепло, і тією самою реплікою, сказаною порожньо. MiMo і MiniMax це підтримують; Edge — ні. Якщо ти на рушії, який уміє грати, і не торкаєшся емоцій, ти використовуєш лише половину того, що маєш.
Використовуй для: емоційних поворотів, сцен, де текст і тон мають суперечити одне одному, моментів, у які ти хотів би, щоб живий актор озвучення щось привніс.
Не використовуй для: кожної репліки. Емоції скрізь читаються як мильна опера. Стандартний стан має бути нейтральним; емоція б'є сильніше, коли вона не постійна.
Голос і мова
Reverie підтримує голоси 17 мовами зі стандартними голосами Edge з урахуванням статі. Кілька практичних порад:
- Локаль, а не лише мова. «Іспанська» — це не один акцент. Якщо твій персонаж аргентинець, а голос кастильський, персонаж звучатиме фальшиво для кожного, хто чує цю різницю. Обирай локаль уважно.
- Багатомовні персонажі. Якщо твій персонаж посеред розмови переходить на іншу мову, голос перемкне рушій/голос відповідно до мови озвучуваного тексту. Більшість налаштувань справляються з цим нормально; деякі голоси персонажів не мають відповідника в іншій мові й звучатимуть різко інакше різними мовами.
- Персонажі з іншою рідною мовою. Персонаж, чия рідна мова не англійська, часто звучить фальшиво будь-яким англійським голосом без відповідного акценту. Англійські голоси Edge з акцентом, де вони є, зазвичай кращі за стандартний американський голос.
Поширені помилки з голосом
- Вибір «найкращого» голосу замість правильного. Голос із найприроднішою просодією — не той, що треба, якщо звучить на 25, а твоєму персонажу 50.
- Емоції на кожній репліці. Див. вище. Стриманість читається як майстерність; постійні емоції — як шкільний драмгурток.
- Пропуск тесту на нудну репліку. Здебільшого голосу доводиться вимовляти «гаразд», «угу» і «котра година?». Якщо ці репліки звучать не так, ефектні теж звучатимуть не так.
- Забути, що можна перевизначити. Автор персонажа зробив свій вибір. Ти маєш право зробити інший. Перевизначення — за один дотик.
Як це поєднується з рештою Reverie
- Написання персонажів — правила голосу в картці персонажа прямо перекладаються у вибір TTS. «Обриває власні речення, коли стає надто щирим» підказує голос із природною мінливістю пауз, а не рівного читця.
- Темп — голос, який не квапиться, підсилює повільну сцену; жвавий — непомітно для тебе квапить ту саму сцену. Підбирай голос під потрібний темп.
- MiniMax для преміальних сцен — та сама логіка, що й вибір Claude для ключової відповіді. Використовуй преміум-рушій там, де це важливо; не витрачай його на балачки.
Висновок
Добрий голос — той, якого ти перестаєш помічати. Він несе репліку й не заважає.
Обирай за характером, а не за демографією. Тестуй на нудних репліках. Використовуй емоції помірно. Переходь на кращий рушій для сцен, які запам'ятаєш.
Голос не окремий від персонажа. Для кожного, хто слухає, він і є персонаж.