Озвучка текста для видео, аудиокниг, игр и приложений
Локальный синтез речи хорошо подходит для озвучки: фразу можно перегенерировать сколько угодно раз, целую книгу — озвучить на ноутбуке, и никто не считает символы. В этом руководстве — практическая сторона работы с голосами Supertonic 3 и движком SuperClonica: как подобрать голос под проект, написать текст для слуха и выстроить темп, перенести звук в редактор и что можно делать с голосом, купленным в SuperClonica.
Если ещё ничего не установлено, начните с руководства по офлайн-озвучке текста: здесь подразумевается, что всё уже работает.
Подберите голос под проект
Послушайте демо в каталоге, а потом проверьте голос на своём тексте: голос, который отлично звучит в демо, может не подойти вашей теме.
- Обучающие ролики и объяснения: чёткий ровный голос в умеренном темпе.
- Аудиокниги: диктор, которого легко слушать часами. Оценивайте длинный фрагмент, а не одну фразу.
- Игры: свой голос для каждого персонажа и один и тот же файл для всех его реплик. Обученный голос каждый раз начинает с того же тембра, поэтому персонаж узнаётся и через сотни реплик.
- Приложения и ассистенты: короткие фразы, так что проверьте, как голос читает вопросы, числа и имена.
Пишите текст для озвучки на слух
Синтез речи читает ровно то, что ему дали, поэтому основная работа — в тексте.
- Пишите короткие предложения, длинные делите по естественным паузам.
- Числа, даты, единицы измерения и сокращения пишите так, как они должны прозвучать: «две тысячи двадцать шестой», если именно так нужно произнести.
- Расставляйте паузы знаками препинания и начинайте новый абзац там, где меняется кадр.
- Прослушайте имена и иностранные слова; если какое-то звучит неверно, напишите его так, как оно произносится.
- Указывайте код языка, на котором написан текст.
Темп и дубли
Озвучивайте по частям: отдельный файл на сцену, слайд или абзац. Так проще подогнать звук под картинку и переделать одну фразу.
Если фраза звучит не так, сгенерируйте её ещё раз. В стандартном примере Supertonic 3 общий темп задаёт параметр --speed (по умолчанию 1.05, больше — быстрее). В примере SuperClonica для Python параметр seed управляет случайной частью генерации: оставьте его, чтобы повторить дубль, измените — чтобы получить другой. Точный тайминг делайте в редакторе: обрежьте тишину, добавьте паузы между предложениями, сдвиньте фрагменты под монтаж.
По нашей оценке, SuperClonica озвучивает час аудио примерно за 7–11 минут на настольном 8-ядерном процессоре, так что после правок можно переозвучить хоть целую главу аудиокниги.
Форматы аудио для видео, аудиокниг и игр
И стандартный клиент Supertonic 3, и движок SuperClonica сохраняют файлы WAV. Монтируйте в WAV, а готовое видео или аудиокнигу экспортируйте из редактора в формат, который требует площадка, например MP3 или AAC.
Для игр и приложений есть два пути: заранее озвучить реплики в аудиофайлы или генерировать речь прямо на устройстве пользователя. Supertonic 3 работает на компьютерах, в браузере через ONNX Runtime Web и в совместимых мобильных приложениях, так что озвучка на устройстве подходит, когда реплики заранее неизвестны.
Что разрешает купленный голос
Голос, купленный в SuperClonica, предназначен для ваших проектов: роликов, аудиокниг, игр и приложений, которые делаете вы. Перепродавать голос или повторно публиковать его файл нельзя. Сама модель Supertonic 3 распространяется по OpenRAIL-M — лицензии без отчислений со списком запрещённых применений; один из запретов — выдавать себя за людей без их согласия.
Вы платите один раз — цену, которую автор назначил в долларах США. Файл остаётся в вашей библиотеке, символы и минуты никто не считает. Голос, сделанный на заказ, приватный и в каталоге не появляется. Если вашему продукту нужно поставлять сам файл голоса — например, чтобы речь генерировалась на компьютерах игроков, — напишите до релиза на support@superclonica.com.