Голоса героев в нейросети: различить двоих на слух
Как подобрать голоса героев в нейросети для короткого диалога. Задаём две разные манеры, сравниваем одинаковую фразу и сохраняем отдельные реплики.
Евгений
Дизайнер-партнёр LibraChat
6 мин чтения
В маленькой аудиопьесе билетёр показывает пассажиру закрытые двери кабинки. Первый говорит «Секунду, я проверю». Через паузу вторую реплику начинает опять кто-то со словами «Секунду, я уточню». На бумаге видно, где говорил билетёр, а где пассажир. В прослушивании два быстрых голоса с одинаковой фразой легко перепутать. Для первой пробы я дам героям узнаваемую манеру и проверю её на небольшом разговоре. Один говорит короткими утверждениями, второй завершает фразу вопросом и даёт услышать паузу. Смысл реплик и ритм помогают понять, кто отвечает, даже на одном динамике.
У меня два вымышленных взрослых персонажа. Билетёр знает, что следующую кабинку ещё не подали. Пассажир пытается выяснить, куда положить билет. Мне нужен спокойный обмен, достаточный для аудиоспектакля. Я сохраню различия в подаче и выберу два синтезированных голоса из доступных голосов или задам собственное описание. В первой версии не нужно имитировать кого-то узнаваемого. Потом слушатель сможет различить персонажей по привычке говорить, а не по тому, насколько известен тембр.
Что записать для каждого героя перед озвучкой
Для расстановки фраз я подпишу первую дорожку «у двери», а вторую «с билетом». У билетёра одно дело: сообщить, где подождать. Его первая фраза короткая, в конце ясная точка. У пассажира два действия: переспросить и показать билет. После вопроса он ждёт подтверждения. Когда в одной строке смешаны громкость и манера, сравнение двух голосов превращается в сравнение уровней записи. Поэтому в первой пробе лучше сохранить одно расстояние до слушателя и два разных способа закончить фразу.
Билетёр начинает спокойно и ставит короткую паузу после указания.
Пассажир сначала задаёт один вопрос и ждёт ответа.
Обе реплики читаются на одной громкости и без музыкальной подложки.
Скрип дверцы и шум комнаты появляются только после того, как голоса различаются.
Для отдельных фраз можно выбрать два готовых голоса с нужными условиями и сохранить их названия рядом с текстом. Если нужна общая дорожка, в ElevenLabs есть Dialogue mode для нескольких говорящих на сайте. Справка Text to Dialogue также описывает программный вариант, где каждой реплике соответствуют свой текст и идентификатор голоса. Само назначение двух голосов проверку не заменит: оба ещё могут звучать слишком похоже на конкретных репликах. Режим Dialogue на сайте ElevenLabsДокументация Text to Dialogue
Как устроить первую проверку двух голосов
Сначала я дам обоим голосам одну фразу, например «Подождите у двери». Так я пойму, насколько различимы собственно тембр и ритм. Затем разведу текст по ролям. Два коротких вопроса подряд помогают выявить ошибку, когда программа меняет только громкость. Я выровняю уровень воспроизведения и попрошу слушателя закрыть текст. Если он угадает говорящего только после слов «покажите билет», у меня есть причина изменить характер произнесения первой фразы.
Озвучь короткий обмен двумя вымышленными взрослыми голосами. Билетёр говорит ровно и коротко, его утверждение заканчивается естественной остановкой. Пассажир задаёт вопрос чуть быстрее, затем ждёт. Между репликами оставь небольшие паузы, сохрани общую громкость. Звуки дверцы отсутствуют в первой пробе.
Затем дам по одной реплике каждому. Билетёр скажет «Кабинка ещё не пришла. Подождите у двери». Пассажир спросит «А билет оставить у вас?». В следующей фразе билетёр может ответить «Возьмите с собой». Эта третья реплика полезна как тест: после вопроса должен вернуться тот же размеренный голос, а не последовать новая манера. При проверке одного героя с двумя намерениями похожий приём разобран в примере сказочного голоса.
Что получилось при прослушивании · Что я проверю первым
Билетёр и пассажир звучат одинаково — Сравню одну и ту же фразу на равном уровне, затем поменяю один голос
Первый герой понятен по словам, а не по голосу — Проверю оба нейтральных приветствия без сюжетных подсказок
Вопрос пассажира заглушает следующую реплику — Верну короткую паузу между фразами
После вопроса билетёр звучит как третий человек — Сверю назначенный голос и подачу всего обмена
Я бы проверил ещё пустую паузу после вопроса. Две близкие манеры легче различить, если у каждого героя есть собственное время вступления. У билетёра ответ может идти сразу после короткой остановки. Пассажир успевает вдохнуть, прежде чем начинает уточнение. В первой пробе растягивать паузы не стоит. Слишком длинная остановка звучит так, будто файл прервался. Оставлю короткие естественные границы и посмотрю, хватает ли их при обычной скорости.
После этого снова поменяю порядок тестовых фраз на несколько секунд. Если в привычном порядке слушатель угадывал по очереди, при перестановке станет видно, правда ли он запомнил, как звучат герои. В готовой пьесе порядок верну по смыслу. В этой пробе нужно только сравнить темп начала и ясность окончания.
Что оставить на двух отдельных дорожках
Для монтажа я сохраню чистые реплики и отдельную дорожку окружения. Когда появится скрип двери, можно подвинуть его после слов пассажира. Пауза останется короткой, но успеет объяснить, почему никто не отвечает сразу. Если реплики сгенерированы одной дорожкой, послушаю на стыке и проверю, где можно сделать склейку. В варианте с отдельными файлами легче поправить только одну фразу. Чтобы дальше не потерять выбранное звучание, запишу рядом, какой голос у каждой роли и где мы оставили паузу.
Если голос понравился на пробе, проверю новое чувство на том же участнике. Пассажир может удивиться, когда ему предлагают держать билет в руках. Я изменю лишь интонацию вопроса и сравню её с предыдущим вариантом. Если пришлось менять тембр целиком, сохраню оба результата и заново спрошу, где чей голос. Эта проверка занимает мало времени, пока есть три фразы. На целой сцене с фоновой музыкой её сложнее повторить.
Попроси оба голоса произнести нейтральное короткое предложение.
Дай слушателю обмен без подсказок, где чей ход.
Сохрани по одному проверенному варианту каждой роли.
Добавь звуки окружения после того, как диалог различим на обычном динамике.
Реплики можно вычитать в LibraChat, пока оба героя существуют только на бумаге. Для аудиофайла сперва сверь нужный способ вложения с параметрами аккаунта. Попробуй прямо сейчас прочитать короткое предложение с точкой и вопросом, не меняя громкость. Если смена хода уже слышна без имён, первую пару можно переносить в синтез.