Nova
读过你档案的舰载 AI
三种截然不同的机器音区
第一种是复古电脑：重处理、按音节等时、明显是机械的。它更像一个怀旧信号而不是一个角色，而且完全靠效果而不是靠表演做出来。第二种是当代助手：悦耳、均匀、微微温厚，和一个不错的商用文字转语音音色无法区分——而它恰好就是这个东西。第三种是仿生人：音色上完全是人，行为上微妙地不是人。
只有第三种才真的算一个选角决定，也是值得花时间的那个，因为只有它能撑起一场有戏的场景。前两种是布景，而布景是便宜的。
写那个诡异的版本
虚构作品里的机器语言，几乎完全靠选词和句式来标记。不用缩略形式。不含糊其辞。不用残句。即便在压力下也说完整的语法句。在人会约估的地方给出精确数字——「四分十秒后」，而不是「过几分钟」。
第二个工具是回应的错配。人类角色说了一句情绪化的话，机器用信息回答。这个来回建立非人感的速度，比任何处理都快，而且经得起翻译、压缩和劣质喇叭。
为什么不要把处理烤进渲染
你烤进去的每一个效果，都是一个再也没法重新考虑的决定。在你监听音箱上完美的环形调制，到手机上会听不清。在安静场景里成立的双声叠加，到吵闹场景里会和音乐打架。而如果你后来要改一个词，重渲出来的那条也和处理过的原素材不匹配。
生成干净音频、在剪辑软件里处理，只多花几分钟，却把上面每一个决定都留着可改。分轨导出存在的很大一部分理由就是这个。
关于那个显而易见的反讽
用一个合成的声音去演一个合成的声音，这件事本身确实很好笑，也值得说出来：当代助手那种声音在这里之所以容易做，是因为它就是同一套技术、原样不动。诡异的仿生人才更难，因为它要求模型「像人得足够可信」，同时又「被控制得足够不对」。
实际含义是：复古和助手这两个音区几乎不花力气，而你的导戏时间应该花在仿生人身上——这恰好和多数人花时间的地方相反。
把机器声音当喜剧手法用
在科幻之外，情绪完全平直的声音最有产出的用法是喜剧。一个不由分说地悦耳的自动系统在解释一件荒唐事，一个世界观内的广播用航班信息牌的语气播报灾难性消息，一个有意见的导航语音——这些都成立，因为音区被完全固定住，而内容在不断升级。
写作规则是：机器绝不能承认这份荒唐。它一旦对正在发生的事发表评论，就变成了一个有幽默感的角色，笑点也就塌回成一个普通的搞笑声音。请让演绎保持中性、词汇保持流程化，让场景里其余的一切去反应。
几步就能把剧本变成音频
- 先定你要哪个年代的机器人
上世纪六十年代的电脑、当代智能助手、诡异的仿生人，是三种声音。第一种靠处理，第二种又平又悦耳，第三种是像人但缺了点什么。
- 挑平的，不要挑滤过的
请从情绪变化天然就少的音色出发。把一个温厚的声音滤成机械感，通常只会像一个温厚的声音从坏喇叭里出来。
- 不写缩略形式
机器角色把话说完整、不说口语缩略形式，立刻就读作非人类，完全不需要任何处理。这是本页性价比最高的一处修改。
- 每一句都留在中性
机器声音的渗人之处，在于它在本该有情绪的场合情绪是平的。请忍住去导它的冲动。
- 处理留到事后，或者干脆不做
导出干净的音频，任何滤波、叠加或环形调制都在剪辑软件里加。干净的素材永远可以弄脏，弄脏的素材救不回来。
常见问题
能做经典的嗡嗡机器人音吗？
渲染器里没有，而且是故意的。那种声音是处理效果——环形调制、声码器、比特削减——都是事后加的。请生成干净的表演，在剪辑软件里加效果，那样等你发现它听不清时还能往回调。
为什么平直的声音比处理过的更渗人？
因为处理过的声音明显是台机器，听众于是放松了。一个几乎像人、但情绪完全缺席的声音落在恐怖谷里，不适感来自听众无法给它归类。
怎么让 AI 角色听起来礼貌但不对？
写极其规范、完整的句子，情绪保持中性，并且让它在情绪化的时刻用流程性的信息回应。内容和演绎之间的错配就把事情全办了。
声音能在一场戏里逐渐衰退吗？
单次渲染里不行。请干净地生成，然后在剪辑软件里对后面的句子施加逐渐加重的劣化。放在后期做的另一个好处是你能调整衰退速率——这个速率第一次总是错的。
科幻之外机器人音色有用吗？
非常有用。广播系统、电话语音菜单、世界观内的导航语音，以及讽刺企业话术，用的都是同一个音区，而一个不由分说地悦耳的自动语音的喜剧价值几乎用不完。
中性音色能用来做无障碍朗读吗？
可以，不过无障碍场景一般要的是最清晰的音色，而不是最平的。请按「清晰」风格标签筛，并且在加速状态下检查，因为很多读屏用户的收听速度远高于实时。