Generatore di voci AI

Un generatore di voci AI trasforma un testo scritto in audio parlato. Scrivi cosa deve essere detto e descrivi come deve suonare, ad esempio età, accento, ritmo ed emozione, e il modello lo interpreta. Il risultato è un file audio che puoi inserire in un video, in un gioco, nell'intro di un podcast o in una presentazione.

Su Mage il modello vocale è Seed Audio. Crea voci, dialoghi, musica ed effetti sonori da un unico prompt e restituisce un MP3 della durata esatta che scegli: 5, 10, 30, 60 o 120 secondi. Accetta un riferimento immagine oppure fino a tre riferimenti audio per guidare il suono, ma non entrambi nella stessa clip.

Su Mage il vero vantaggio è quello che puoi fare dopo. Un personaggio salvato può avere una voce, e i modelli video che leggono le voci dei personaggi, Cherry, Raspberry, Plum, Lemon e MiniMax-H3, la usano in automatico, così il personaggio che hai creato ha sempre la stessa voce in ogni clip. L'app Lipsync può anche prendere una battuta vocale che hai creato e sincronizzarla con un volto.

Un prompt vocale ha due parti: cosa viene detto e come suona. Metti le parole da pronunciare tra virgolette, così è chiaro che sono lo script, poi descrivi l'interpretazione intorno. «Un uomo sulla settantina, voce calda e roca, lento e divertito, vicino al microfono in una stanza silenziosa, dice: “Ogni storia comincia con qualcuno che avrebbe dovuto restare a casa.”» dà a Seed Audio un parlante, un modo di recitare e uno spazio.

I dettagli che cambiano di più una voce sono età, energia, ritmo e distanza. Un sussurro vicino al microfono, una voce da palcoscenico in una grande sala e una voce stanca al telefono sono tre interpretazioni diverse delle stesse parole. Indica l'emozione con un verbo, come prendere in giro, supplicare o annunciare, invece che con un solo aggettivo.

• Metti le parole esatte tra virgolette
• Indica una fascia d'età e un livello di energia
• Indica il ritmo: pacato, vivace, esitante
• Descrivi l'ambiente: cabina di registrazione, strada, cattedrale, telefono
• Usa una battuta da 5 o 10 secondi per provare una voce prima di una lettura lunga

Seed Audio restituisce esattamente la durata che scegli, quindi adatta la lunghezza allo script. Una singola battuta o una reazione stanno in 5 o 10 secondi. Una breve voce fuori campo o la presentazione di un prodotto stanno in 30. Una scena di dialogo o una narrazione stanno in 60 o 120. Uno script troppo lungo per la clip viene letto di fretta; uno troppo corto lascia silenzio o rumore d'ambiente alla fine.

Pensa a dove andrà a finire l'audio. Lipsync e Music Video accettano audio fino a 15 secondi, quindi per un ritratto parlante scrivi una battuta che stia in 10 secondi e genera con quella durata.

Un personaggio su Mage può avere una voce: carica un MP3 o un WAV, oppure genera un breve campione con Seed Audio quando crei il personaggio. Da quel momento, Cherry, Raspberry, Plum, Lemon e MiniMax-H3 usano quella voce in automatico ogni volta che il personaggio parla. La guida al generatore di personaggi AI spiega come funzionano i personaggi, mentre la guida alla foto parlante AI mostra come far dire una battuta a un ritratto.

Usa come riferimento solo audio con la tua voce o con una voce che hai il permesso di usare. Su Mage non è consentito imitare una persona reale senza il suo consenso.