你可以寫出一張完美的角色卡，卻在角色開口說話的那一刻毀掉整個場景，因為 TTS 嚴苛的程度是文字比不上的。一句語氣稍微太開朗的「我好想你」，會讓這句台詞完全無法被認真看待。音高偏了半個音，角色聽起來就比實際年齡年輕 20 歲。
Reverie 讓你能大幅掌控角色的聲音。這是一份善用它的指南——該用哪個引擎、哪個聲音，以及什麼時候值得動用情緒。
三種引擎：Edge、MiMo 和 MiniMax
Reverie 內建三家 TTS 供應商：
Microsoft Edge TTS（免費，預設）。 可靠的主力。支援 17+ 種語言，每種語言都有多個聲音可選，依性別提供預設聲音，生成速度快。缺點是：它是個四平八穩的朗讀者。它能把台詞唸得清清楚楚，卻不會戲劇性地演出來。大多數場景都很好用；遇到情緒強烈的場景就力有未逮。
MiMo（目前免費）。 語音工作室的預設引擎，在目前的優惠活動期間免費。和 MiniMax 一樣，它能帶出情緒語氣，而不是平板地唸過去——所以它顯然是你該先試的選項。現在用它不花一毛錢，而且它是在演出台詞，而不是宣讀台詞。
MiniMax（付費）。 擬真度更高，每種語言有多個 voice ID，還有真正重要的那項功能：情緒支援。合成語音能帶出情緒語氣——溫柔、憤怒、遲疑——這是 Edge 做不到的。它需要有效的訂閱，並依文字的字元數計費，所以要留意的是長度：一段長獨白會比一句短台詞貴。
正確的思考方式不是「免費 vs. 付費」，而是：日常台詞用 Edge 或 MiMo，想讓人記住的時刻用 MiniMax。
如果你正在進行一段長篇劇情，角色大多時候都在鬥嘴，免費引擎就撐得住。一旦來到角色終於說出那句憋了很久的話的場景，就切換過去。這就像在關鍵回覆上改用付費模型的音訊版本——為重要的台詞買一份便宜的保險。
聲音實際上是怎麼決定的
Reverie 依照以下優先順序為角色選擇聲音：
- 使用者偏好（你的覆寫設定），如果你有為這個角色設定的話。
- 角色預設，由創作者選擇。
- 語系 + 性別的備援——該語言與性別的 Edge 預設聲音。
實際上代表的意義：
- 如果某個角色「聽起來不對」，你的覆寫設定會優先於創作者的設定。你不必寄望創作者去更新角色卡。
- 如果你什麼都沒設定，你聽到的就是語系備援的聲音。那幾乎肯定不是最適合你角色的聲音，只是最保險的那一個。
- 備援機制的存在，是為了讓角色永遠不會沒有聲音。它是底線，不是目標。
選一個符合角色的聲音
最常見的錯誤，是依照人口統計特徵來選聲音（角色是 30 歲女性，就選一個 30 歲女性的聲音）。人口統計上的吻合，只會給你一個平凡的聲音。符合角色本身，才能給你一個令人難忘的聲音。
一位 30 歲的戰地醫護兵，聽起來不會像一位 30 歲的瑜伽老師。同樣的年齡、同樣的性別，聲音卻完全不同。仔細聽這幾個地方：
- 基本語調。 這個聲音的中性語調是溫暖還是冷淡？明亮還是低沉？讓它對應角色平常的狀態，而不是戲劇化的狀態。
- 節奏。 有些聲音很急，有些不疾不徐。給一個沉穩的角色配上氣喘吁吁的聲音就是不搭，不管這個聲音在技術上有多「好」。
- 聽起來的年齡。 聲音有一種給人感覺的年齡，不一定符合角色設定的年齡。19 歲的角色配上聽起來 35 歲的聲音，會讓人覺得詭異。換一個聲音吧——沒有任何滑桿能修好這個問題。
測試方法：用你考慮中的聲音，播放一段 15 秒的無聊台詞（「嗯。我會到。大概八點。」）。如果連無聊的台詞聽起來都不對，戲劇性的台詞就更救不回來了。
唯一值得調整的旋鈕
沒有語速滑桿，也沒有音高滑桿。你選了哪個聲音，得到的就是哪個聲音。這其實沒有聽起來那麼受限：大部分人想靠拖動滑桿解決的問題，其實都是選角問題。太快、太年輕、太明亮——那是聲音選錯了，不是設定錯了。換個聲音就好。
剩下的，就是真正能改變表演的那個設定。
情緒
最被低估的功能。情緒標記能讓合成語音帶出一種語氣——同一句「我好想你」，溫柔地說和空洞地說，差別就在這裡。MiMo 和 MiniMax 都支援，Edge 不支援。如果你用的是能演戲的引擎，卻沒碰情緒設定，等於只用了一半的能力。
適合用在：情緒轉折點、文字與語氣需要彼此矛盾的場景，以及那些你會希望真人配音員為它注入些什麼的時刻。
不適合用在：每一句台詞。每句都加情緒，聽起來就像肥皂劇。預設狀態應該是中性的；情緒不是隨時都在，出現時才更有力道。
聲音與語言
Reverie 支援 17 種語言的聲音，並依性別提供 Edge 預設聲音。幾點實用提醒：
- 要看語系，不只是語言。 「西班牙語」不是只有一種口音。如果你的角色是阿根廷人，聲音卻是卡斯提亞口音，任何聽得出這個差別的人都會覺得角色怪怪的。語系要仔細挑。
- 跨語言角色。 如果你的角色在對話中途切換語言，聲音會依照呈現出來的文字語言，切換引擎／聲音。大多數設定都能順利處理；但有些角色聲音在其他語言中沒有對應的版本，跨語言時聽起來會差異大到很突兀。
- 母語角色。 母語不是英語的角色，用任何沒有適當口音的英語聲音，聽起來往往都不對勁。Edge 帶口音的英語聲音（如果有的話），通常比預設的美式聲音更合適。
常見的選聲錯誤
- 選「最好」的聲音，而不是對的聲音。 韻律最自然的聲音，如果聽起來像 25 歲，而你的角色是 50 歲，那就不是對的聲音。
- 每句台詞都疊加情緒。 見上文。克制讓人覺得專業；情緒永遠開滿，則像話劇社在演戲。
- 跳過無聊台詞測試。 一個聲音大部分時間要處理的是「好」、「嗯哼」和「幾點？」。如果這些台詞聽起來不對，那些重頭戲台詞也一樣。
- 忘了你可以覆寫。 角色創作者做了一個選擇。你可以做出不同的選擇。覆寫只要點一下就好。
如何搭配 Reverie 的其他功能
- 角色寫作——角色卡裡的說話規則，可以直接轉換成 TTS 的選擇。「說得太真誠時會自己把話打斷」暗示需要一個停頓自然多變的聲音，而不是四平八穩的朗讀者。
- 節奏——不疾不徐的聲音會放大慢節奏的場景；明快的聲音則會在你沒察覺時，讓同一個場景顯得倉促。依照你想要的節奏來選角。
- 重要場景用 MiniMax——和為重頭戲回覆選用 Claude 是同樣的邏輯。把付費引擎用在刀口上，別浪費在鬥嘴上。
重點整理
好的聲音，是你不會再注意到的聲音。它把台詞傳達到位，然後退到一旁。
依角色挑選，而不是依人口統計特徵。用無聊的台詞測試。情緒要適度。為你會記住的場景升級。
聲音不是角色之外的東西。對每一位聆聽的人來說，聲音就是角色。