Выразительный TTS
Выразительный текст-в-речь
Большинство инструментов текст-в-речь предлагают выбрать эмоцию из списка. Drama 3 идёт другим путём: вы описываете исполнение прямо в сценарии, своими словами, и указание стоит ровно там, где должна измениться подача.
Настоящие генерации Drama 3
Каждый фрагмент ниже — это генерация того самого сценария, который приведён рядом. Откройте полный сценарий, скопируйте его или отправьте в студию и поставьте свою версию.
Держится из последних сил
[barely holding it together] I'm fine. Really. [shaky breath] Go on without me. I'll catch up. [pause] I just need a minute.
Холодное вступление в нарративе
[low, measured, like a documentary narrator] The city went quiet at 3 a.m. [short pause] No sirens. No traffic. <slow>Just the rain.</slow>
Выход злодея
[amused, taking his time] You came all this way. [soft laugh] For a file. [harder, dropping the warmth] Then let me show you what is in it.
Ведущий ночного радио
[smooth, close to the microphone] You're listening to the midnight hour. [sigh] If you're awake with me, <emphasis>you're not alone</emphasis>.
Обучающее видео: сначала ровно, потом жёстко
[clear and friendly] Welcome aboard. Today we cover the basics. [short pause] [firmer] And then we cover the mistakes that cost money.
Начало сказки
[hushed, telling a secret] Once, in a village that no longer exists, [pause] a girl traded her name for a lantern. <whisper>This is her story.</whisper>
Звонок в поддержку: терпение заканчивается
[professional, polite] I understand. [short pause] [slower, holding it together] I have explained that twice. [exhale] Let us try once more.
Строка из аудиокниги, нежная
[gentle, unhurried] She kept the letter for forty years. [pause] [almost a whisper] She never read it again, but she never threw it away either.
Эмоция без выбора эмоции
Вот идеи, благодаря которым строка звучит как исполнение, а не как чтение вслух.
Опишите исполнение, а не выбирайте шаблон
Указание вроде [нетерпелив, но старается не показать] несёт больше информации, чем любая подпись в списке, потому что говорит, что говорящий делает со своей строкой.
Пишите эмоцию там, где она меняется
Указания стоят внутри текста, поэтому предложение может начаться легко и закончиться тяжело — без разделения сценария и без второй генерации.
Используйте звуки и паузы как знаки препинания
Вдох, вздох, смех или паузу можно поставить именно там, где их сделал бы человек, а не надеяться, что модель добавит их сама.
Держите управление локальным
Парные теги вроде <whisper>…</whisper> меняют только слова внутри них, поэтому одна фраза может уйти в шёпот, а остальная строка остаётся на полном голосе.
От ровного текста к исполнению
Три прохода, каждый короткий.
Начните с обычного текста
Вставьте текст и прочитайте его про себя. Отметьте слова, которые несут эмоцию, прежде чем трогать какие-либо теги.
Одно указание на один сдвиг
Добавьте указание там, где меняется тон, простыми словами. Описывайте намерение и слушателя, а не только настроение.
Сгенерируйте и сравните
Слушайте момент, когда указание срабатывает. Если строка всё ещё звучит как чтение, уточните формулировку, прежде чем добавлять новый тег.
Где важна выразительная подача
Аудиокниги и истории
Пусть нарратив следует за сценой: спокойно в одном абзаце, напряжённо в следующем, и без второго чтеца.
Закадровый голос для видео
Подстройте чтение под монтаж, включая тихие строки, которые не должны звучать как диктор.
Персонажи игр и приложений
Дайте каждой строке ту интонацию, которую требует момент, и перегенерируйте неудачные дубли.
Реклама и соцсети
Задайте зацепку, поворот и финал внутри одного короткого сценария.
Онлайн-обучение
Пусть инструкции остаются нейтральными, а предупреждения — жёсткими, одним и тем же голосом.
Нарратив для доступности
Добавляйте выразительность там, где она помогает пониманию, а остальное оставляйте ровным.
Полезно знать
У выразительной подачи есть практические ограничения; вот те, что идут от самого процесса генерации.
До 2000 символов за генерацию
Ограничение охватывает весь сценарий, включая указания.
Эмоция пишется, а не выбирается
Здесь нет выпадающего списка эмоций; исполнение рождается из написанных вами слов.
Один MP3 за генерацию
Каждый дубль возвращает один аудиофайл для прослушивания и скачивания.
Без клонирования голоса
Студия генерирует речь из вашего сценария и указаний; клонирование голоса не предусмотрено.
Вопросы о выразительном тексте-в-речь
Нужно ли выбирать эмоцию из списка?
Нет. В Drama 3 нет выбора эмоций; вы описываете исполнение простыми словами прямо в сценарии, например [с облегчением, наконец отпуская].
Что лучше: слово о настроении или описание?
Описание. [старается звучать спокойно, хотя паникует] говорит модели, что делает говорящий, и это надёжнее формирует дубль, чем одно слово о настроении.
Можно ли менять эмоцию посреди предложения?
Да. Указания стоят внутри текста, поэтому тон может меняться внутри одной строки без разделения генерации.
Сколько указаний должно быть в одной строке?
Начните с одного, послушайте и добавляйте новые только там, где подача действительно меняется. Наложенные друг на друга указания конкурируют между собой.
Результат стабилен между дублями?
Drama 3 — предварительная модель, и Fish Audio отмечает, что результаты различаются, поэтому сгенерировать несколько дублей важной строки — обычная практика.