ИИ-персонажи с голосом: что меняется, когда реплику можно услышать

Почему голос меняет разговор

Читая реплику, вы слышите её своим внутренним голосом. Он ровный и привычный, поэтому даже острая фраза проходит через него приглушённой. Голос эту прослойку снимает: тембр, темп и интонацию выбирали не вы.

Возьмите фразу «ну и что мне теперь с тобой делать». Глазами — нейтрально. Вслух она может прозвучать как усталый вздох, как подначка или как плохо скрытая нежность. Это три разных разговора, и голос сразу говорит, в каком из них вы оказались.

Второе — темп. Строчку можно пробежать за секунду, а голосовое длится столько, сколько длится. Переписка замедляется и становится больше похожа на разговор, чем на обмен сообщениями.

Как озвучка устроена у нас

• Под каждой репликой персонажа есть кнопка «Озвучить». Нажали — фраза приходит голосом. Озвучка одной реплики стоит 5 единиц энергии ⚡.
• У каждого персонажа свой голос. Его подбирают под возраст и характер: капитан-ворчун и восторженная косплеерша не звучат одинаково.
• Голос озвучивает именно ту реплику, которую персонаж написал вам, а не заготовку из банка. Поэтому он отвечает на ваш разговор, а не «на тему».
• Озвучивать можно не всё подряд, а то, что хочется услышать: признание, ехидное замечание, сказку на ночь.
• С доступом Pro можно поменять голос персонажа на другой из библиотеки и надиктовать своё сообщение голосом вместо набора.

Два подхода к голосу и их честные минусы

В сервисах с ИИ-персонажами голос делают двумя способами, и у каждого своя цена.

• Синтез репликиПерсонаж написал текст, движок его озвучил. Плюс: голосом можно сказать что угодно, ответ всегда по делу. Минус: интонация зависит от качества движка. Слабый синтез читает признание и «доброе утро» одинаково ровно.
• Заранее записанные фразыАктёр или синтез заранее озвучивают набор реплик под ситуации, сервис подбирает подходящую. Плюс: живое дыхание и смех. Минус: сказать можно только то, что записано, и ответ часто проходит мимо вашего вопроса.

Мы выбрали первый путь: голос произносит то, что персонаж ответил именно вам. А чтобы он не звучал как навигатор, голоса берутся выразительные, с паузами и интонацией, которая меняется вместе со смыслом фразы.

Что проверить в любом сервисе с голосом

1. Один ли голос на всех. Откройте двух непохожих персонажей и послушайте по реплике подряд. Если звучат одинаково, голос прикручен сбоку.
2. Подходит ли голос характеру. Сдержанный стратег и болтливый подросток должны различаться на слух с первых слов.
3. Меняется ли интонация. Послушайте реплику из спокойного разговора, а потом из напряжённой сцены. Одинаковая подача — плохой знак.
4. Говорит ли голос по-русски без акцента. Многие зарубежные сервисы озвучивают русский текст английским движком, и ударения разъезжаются.
5. Сколько стоит озвучка и где это написано. Аудио дороже текста, поэтому почти везде его считают отдельно. Хорошо, когда цена видна прямо на кнопке, а не после списания.

Голос особенно хорош для персонажей, у которых сильная манера речи: язвительных, медлительных, торжественных. С ними разница между «прочитал» и «услышал» самая заметная.

Когда озвучивать, а когда читать

Голос не обязан звучать на каждое сообщение — тогда он быстро превращается в фон. Лучше всего он работает в моментах, где важна интонация:

• первое приветствие нового персонажа — сразу понятно, с кем вы имеете дело;
• ключевая сцена в ролевой истории: угроза, признание, прощание;
• сказка или история на ночь, которую приятнее слушать с закрытыми глазами;
• реплика, которую вы не поняли: в голосе слышно, шутка это или всерьёз.

Чем озвучка отличается от диктовки и других голосовых режимов, разобрано в статье как поговорить с ИИ голосом. А о том, почему персонаж помнит, что вы рассказывали ему неделю назад, — в разборе памяти ИИ-персонажа.

Чего от голоса ждать не стоит

Голос не делает персонажа человеком. Это синтез речи поверх ответа языковой модели: хорошая механика, но не чувство. Персонаж не волнуется, когда вы молчите, и не ждёт вас у экрана. Зато он держит характер и отвечает именно вам — и в голосе это слышно.

И ещё одно: голос не спасёт разговор, в котором не о чем говорить. Если переписка буксует, помогут не децибелы, а хорошие зацепки — их мы собрали в статье о чём говорить с ИИ-персонажем.