Como fazer o texto para fala cantar, fazer beatbox ou surtar
Clipes de uma voz robótica cantando, fazendo beatbox ou imitando helicóptero são memes há anos. Muita gente tenta o mesmo com texto para fala moderno e não entende por que ele só lê em voz alta as letras estranhas.
Este guia explica de onde vêm esses truques, a sintaxe documentada do DECtalk por trás deles e o que uma voz de IA moderna como a SuperClonica pode fazer no lugar.
De onde vêm os truques
A maioria dos truques de canto e ruídos foi feita com o DECtalk, o clássico sintetizador de voz por formantes. O jogo gratuito da NASA Moonbase Alpha fala o chat com o DECtalk, e os jogadores ficaram famosos digitando comandos de fonemas no chat para fazer os astronautas cantarem. Como o DECtalk monta o som por regras, dá para dizer exatamente qual som fazer, por quanto tempo e em que altura.
A sintaxe de canto do DECtalk
A documentação do DECtalk descreve um formato com um fonema entre colchetes seguido da duração e do número de tom entre sinais de menor e maior: a duração é em milissegundos e o número de tom vem da tabela de tons, com notas e frequências. Por exemplo, o fonema ow com 400 e 13 entre sinais de menor e maior segura um som de vogal por 400 milissegundos numa nota. Encadear muitos comandos dá melodias; sequências muito curtas e rápidas dão beatbox, motor e efeitos de “glitch”. Dependendo da versão do DECtalk, a entrada de fonemas pode precisar ser ativada, então confira o manual da sua.
Por que as vozes de IA modernas não fazem isso
O texto para fala neural, inclusive a SuperClonica, aprende com gravações de fala real e lê o texto como uma pessoa leria. Ele não aceita comandos de fonema, duração ou tom, então as sequências do DECtalk saem como letras ou são puladas, e ele não canta em notas definidas. É o preço de soar natural.
O que dá para fazer com uma voz moderna
Ainda dá para brincar com a interpretação: velocidade de 0.7 a 2.0 no motor gratuito, vírgulas e pontos para pausas, pontos de exclamação e interrogação para a melodia e palavras escritas do jeito que devem soar. Para humor, escolha uma voz de personagem, narre frases curtas e edite num editor de áudio; repetir ou inverter trechos curtos dá vários efeitos de “glitch” sem nenhum código de fonema. Ouça vozes grátis nas páginas delas com 30 a 100 caracteres.
Escolha a ferramenta certa
Para canto de robô retrô, use o DECtalk; o guia do DECtalk explica onde encontrá-lo hoje. Para fala natural com voz de personagem ou narrador em 31 idiomas, use a SuperClonica: instale com python -m pip install superclonica-cpu ou treine a sua própria voz no estúdio com uma gravação de 5 a 10 segundos. O chinês ainda não é suportado.