指南
有感情的文字转语音：如何让 AI 声音富有表现力
平淡的语音适合说明书，但故事、游戏台词或预告片需要情感：兴奋、愤怒、平静、恐惧、讽刺。一些语音服务提供情感标签；SuperClonica 所基于的开源模型 Supertonic 3 没有。它的情感来自你能掌控的三件事。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。
本指南介绍如何诚实地获得富有表现力的语音：选择合适的声音、用带着所需情感表演的录音训练声音，以及按应有的感受书写文本。每个声音都能用你自己的句子免费试听。
情感从哪里来
没有“喜悦”或“愤怒”滑块，所以请在生成前规划好情感。
- 声音：每个声音都保留其原始录音的说话方式，平静、活泼、阴郁或跳跃。
- 参考录音：用愤怒、耳语或欢快的录音训练的声音，会以这种情绪说出任何文本。
- 文本：标点、句子长度和用词决定语调和力度。
选择富有表现力的声音
目录中的声音说明会写明声音如何表达台词：平稳、活泼、起伏大、克制、阴柔。想要活力，选择描述为活泼或有力的声音，比如有活力的旁白以及许多游戏和卡通角色。想要平静温暖，选择平稳低沉的声音。想要威胁感，语调低沉沉稳的反派最合适。
把情感写进文本
模型一次读完整句话，所以标点改变的不只是停顿，还有句子的旋律。
- 兴奋：短句和感叹号。
- 平静：较长的句子，用句号，不用感叹号。
- 犹豫或悬念：用省略号和逗号制造停顿。
- 提问：问号让句尾上扬。
- 个性：那种情绪下的人真正会说的话。
训练带有所需情感的声音
如果需要的情绪没有现成声音，可以录制一段带着这种情绪表演的 5 到 10 秒干净参考录音及其准确文本，在带 NVIDIA 显卡的电脑上于工作室中训练，或在声音交易所下单。同一说话人的多个声音——平静、愤怒、耳语——可以让你逐句切换情感。
试听并离线生成
在任意声音页面输入 30 到 100 个字符的台词并点击生成按钮，即可听到它如何表现情感。台词多时，下载声音文件并使用免费的 SuperClonica 引擎：python -m pip install superclonica-cpu，然后 superclonica --text "Get out. Now." --voice villain.json --lang en --output line.wav。它在普通处理器上离线运行。