Texto em fala realista: vozes IA que soam humanas
Um texto em fala realista soa como uma pessoa falando: pausas naturais, ênfase nas palavras certas, uma voz com personalidade própria. A fala robótica vem de motores antigos que colam sons; os modelos neurais modernos aprendem a falar com gravações reais.
Este guia explica o que faz uma voz soar real, como escrever para que o texto seja lido com naturalidade e como ouvir de graça qualquer voz do catálogo da SuperClonica com a sua própria frase.
O que torna um texto em fala realista
Três coisas decidem se a fala soa humana: o modelo, a voz e o texto. O Supertonic 3, o modelo aberto usado pela SuperClonica, gera a frase inteira de uma vez, então a entonação segue o sentido da frase em vez de ir palavra por palavra.
- O modelo: uma rede neural treinada com muitas horas de fala real.
- A voz: criada a partir de uma gravação limpa de um falante real, com seu timbre e estilo.
- O texto: pontuação, números e abreviações escritos como devem soar.
Vozes criadas com gravações reais
Cada voz do catálogo é treinada com a gravação de uma voz real: narradores, vozes de conversa, personagens de jogos e filmes. Por isso as vozes diferem em timbre, ritmo e estilo, não só na altura. Ouça as demos e escolha a que combina com o clima do seu texto.
Escreva um texto que soe natural
Escreva como as pessoas falam. Frases curtas soam mais naturais que longas. Coloque vírgulas onde se respira, ponto onde a ideia termina e ponto de interrogação onde a voz deve subir. Escreva números, datas e abreviações de leitura incomum do jeito que devem ser lidos.
Ouça grátis com a sua frase
Na página de qualquer voz, escreva uma frase de 30 a 100 caracteres e clique no botão para gerá-la. Você ouve suas palavras com essa voz e pode baixar a gravação. É o jeito mais rápido de saber se uma voz soa real para você.
Textos longos offline no seu computador
Para um roteiro ou capítulo inteiro, baixe o arquivo da voz e instale o motor gratuito SuperClonica: python -m pip install superclonica-cpu. Depois narre um arquivo de texto com um comando: superclonica --text "$(cat capitulo.txt)" --voice narrador.json --lang pt --output capitulo.wav. O motor divide textos longos nas pausas naturais e junta tudo em um só arquivo; não precisa de placa de vídeo.
Fala realista em 31 idiomas
Cada voz fala os 31 idiomas do Supertonic 3, inclusive português, inglês, espanhol, alemão, japonês e hindi. A voz mantém o timbre em todos os idiomas; o sotaque da gravação original pode aparecer um pouco. O chinês ainda não é suportado.