
Noor
Newsreader clarity for exposition-heavy scenes
Синтез
Обычный синтез речи озвучивает сплошной текст одним голосом. Для закадрового чтения это правильный инструмент, для сцены — неправильный. Эта страница про сам слой синтеза: что ему можно приказать и где он останавливается.

Noor
Newsreader clarity for exposition-heavy scenes

Quill
YouTube explainer voice that never sounds bored

Dorian
Audiobook baritone for literary fiction and slow reveals

Solène
Continental accent, unhurried, very expensive sounding

Halcyon
Meditation-adjacent narrator for slow, quiet scenes

Indie
TikTok voiceover: fast, flat, faintly amused

Wren
Bedtime-story narrator, slow and warm, never wakes anyone up

Hale
Documentary narrator with a hand on the listener's shoulder
Нейтрально, радость, грусть, гнев, страх, шёпот и воодушевление — задаются для реплики, а не для документа. Любой регистр можно поставить любому персонажу: реплика уходит на синтез вместе с указанием исполнителю, и регистр действительно играется, а не собирается из сдвига темпа и громкости. Метки в библиотеке говорят, для каких регистров персонаж задуман, — это подсказка при подборе, а не ограничение.
Множитель скорости для каждой реплики, на Plus и Pro. Темп делает больше, чем принято думать: возраст, авторитет и состояние он передаёт надёжнее, чем высота тона.
Реплика, целиком написанная в скобках, вслух не читается: при разборе сценария она становится указанием к следующей реплике — так же как скобка в начале реплики становится указанием к ней самой. Ремарка потом видна рядом с эмоцией в списке реплик — там её можно поправить или убрать. А скобка в середине реплики остаётся в тексте и будет прочитана. Со сценическими заголовками и описаниями действия иначе: они звучат как текст рассказчика, так что удалите те, которые не должны прозвучать.
Точка — настоящая пауза, многоточие — длиннее, вопросительный знак поднимает конец фразы. Переносы строк создают промежутки. Разметка вашего текста и есть управление таймингом — поэтому на этой странице всё время просят делить реплики.
Движок синтеза стоит за интерфейсом с несколькими реализациями. Если однажды мы перейдём на другой, тот же проект отрендерится без единой правки в распределении ролей и режиссуре: состав, характеры и эмоции реплик переносятся как есть.
Библиотека — не платная стена. Тарифы различаются размером состава, управлением эмоцией и минутами, а не тем, какими голосами вам можно пользоваться.
Один говорящий или много. Для одного голоса это ведёт себя как любой другой синтезатор речи.
Выбирайте из сорока персонажей библиотеки — фильтруйте по возрасту, полу, акценту и стилю, а не прокручивайте список. Прослушивайте на своём тексте, а не на демонстрационном.
Начните с нейтрального и — на Plus или Pro — с темпа чуть медленнее, чем кажется правильным. Почти любая первая попытка слишком быстрая.
Прослушайте каждое имя и выдуманное слово до того, как рендерить что-то длинное, и те, что звучат неверно, перепишите в самом тексте — другим написанием или через дефис: отдельной настройки произношения нет.
Слушайте и в наушниках, и через динамик телефона. Большая часть аудитории — с телефона.
Первый порыв — ставить эмоцию везде, и результат получается однородной кашей. Аудитория считывает эмоцию по контрасту, поэтому сцена с двумя отрежиссированными репликами и двадцатью нейтральными бьёт куда сильнее сцены, где надавлено на всё.
Рабочий порядок такой: задайте персонажу базовый регистр, отрендерите на умолчаниях, прослушайте подряд, а потом отметьте те две-три реплики, где что-то действительно меняется. Для пятиминутной сцены пять реплик вручную — примерно то, что нужно.
Разницу делают четыре привычки. Одно намерение на реплику: фразу, которая уезжает от восторга к ужасу, движок отыграет как среднее из двух, поэтому её надо разделить. Осознанная пунктуация — это ваш тайминг. Междометия отдельными репликами, потому что синтез произносит текст, а ремарка только задаёт, как его сыграть. И короткие предложения для низких голосов: на длинных периодах они быстро теряют разборчивость.
Ничто из этого не обходной путь вокруг ограничения. Это те же замечания, которые режиссёр даёт живому исполнителю, и по тем же причинам.
Физическая вокализация — крик, рыдание, смех во время речи, кряхтение — самая слабая область, и такой она останется ещё какое-то время, потому что это события дыхания, а не речи. Сгенерируйте их черновиком, если нужно, и планируйте замену.
Второй предел — интерпретация. Синтетическая читка — это чистое, ровное, хорошо отмеренное исполнение написанного. Это не набор решений о подтексте. Для большинства работ такой обмен себя оправдывает; оправдывать его стоит с открытыми глазами на то, какая половина здесь какая.
Для одноголосой работы — почти ничем. Разница появляется в тот момент, когда в сценарии больше одного говорящего: распределение ролей, голос, закреплённый за персонажем в пределах проекта, и режиссура каждой реплики — это и есть продукт, а синтез лежит под ними деталью.
Нейтрально, радость, грусть, гнев, страх, шёпот и воодушевление — на любом голосе. Каждая реплика уходит на синтез вместе с указанием исполнителю, поэтому регистр играется, а не имитируется настройками. Наигранности это не отменяет: прослушайте отрежиссированную реплику на своём тексте, прежде чем строить на ней сцену.
Нет: темпом — да, на Plus и Pro; высотой тона — нет. Если утащить голос далеко от его естественного диапазона, появляются артефакты, слышные в хороших наушниках. Лучше выбрать персонажа в нужном диапазоне.
Числа, даты и сокращения читаются по правилам языка проекта, и в основном верно. Ошибки собираются там, где соглашения смешаны — латиница внутри русской фразы, форматы дат из другой страны, единицы измерения сокращениями. Если у вас такой текст, проверьте числа в первую очередь и запишите проблемное словами.
Реплику играет ИИ-исполнитель: вместе с текстом ему уходит указание — кто этот персонаж, какого он возраста и в каком регистре реплика. Базовых голосов десять, и каждый говорит на всех девяти языках; персонаж из библиотеки закреплён за одним из них и отличается от соседа игрой, а не тембром. Одна реплика занимает несколько секунд, «Сгенерировать всё» идёт по три реплики разом. Конкретного поставщика мы не называем: он стоит за интерфейсом и однажды может смениться, а ваши проекты это переживут без правок.
Да, но для доступности нужен самый разборчивый голос, а не самый характерный, и проверять надо на скорости 1,5× и выше: многие пользователи экранных дикторов слушают заметно быстрее реального времени.
Вставьте сценарий, дайте CastDub подобрать голос каждому персонажу и экспортируйте готовый аудиоспектакль.
Создать бесплатноКарта не нужна. Free даёт разовый запас кредитов.