Migliora la chiarezzadel parlato generato dall'IA

Questa pagina si concentra sul miglioramento del nuovo parlato generato dal testo con Cartesia Sonic. Puoi scegliere una voce più adatta, perfezionare il testo, guidare ritmo e volume e usare dizionari di pronuncia. Questi controlli agiscono durante la generazione vocale.

Questa pagina non offre uno strumento per caricare e pulire l'audio. Sonic genera parlato dal testo. Rimuovere fruscii, eco o suoni di fondo da una registrazione esistente è un'attività di restauro audio e richiede uno strumento progettato per quello scopo.

Parti da frasi complete e punteggiatura naturale. Dividi un paragrafo denso in frasi chiare. Se l'interpretazione è ancora troppo veloce, prova un'impostazione di velocità inferiore e genera di nuovo il brano. La velocità è un'indicazione, non un moltiplicatore esatto della durata; confronta il risultato usando la stessa voce e lo stesso testo.

Testa la parola in una frase completa prima di modificarla. I dizionari di pronuncia possono sostituire una parola o frase con indicazioni fonetiche o IPA. Crea il dizionario nel Playground o tramite l'API, poi usalo per le richieste che ne hanno bisogno. Controlla la frase circostante dopo ogni modifica.

Sonic interpreta il contesto emotivo del testo e supporta anche indicazioni emotive tramite Playground e API. I tag emotivi attualmente supportano l'inglese. Scegli una direzione coerente con le parole. Un'istruzione in conflitto non produrrà in modo affidabile l'interpretazione desiderata.

I controlli si applicano alle voci standard e ai cloni vocali istantanei. I cloni vocali professionali apprendono ritmo e volume dalle registrazioni di addestramento e non supportano modifiche a queste impostazioni al momento della richiesta. Per un clone professionale, prepara registrazioni con l'interpretazione desiderata.

Controlla prima il formato di output. Il PCM grezzo richiede un lettore configurato con la stessa frequenza di campionamento e codifica dell'audio generato. Una mancata corrispondenza può cambiare la velocità di riproduzione o produrre suono distorto. I file WAV o MP3 includono informazioni sul formato e sono utili quando salvi audio per un lettore compatibile.

Sì. Mantieni insieme ID vocale, testo e impostazioni di generazione nel tuo flusso di lavoro. In un'integrazione API, passa generation_config in ogni richiesta che richiede quelle impostazioni e includi l'ID del dizionario di pronuncia quando applicabile. L'API non rende generation_config una preferenza valida per l'intero account.

Sì. Parti dal testo che il pubblico sentirà e genera una breve sezione prima di produrre l'intera voce fuori campo. Controlla nomi, pause e ritmo delle spiegazioni rispetto al montaggio. Se una frase è difficile da seguire, riscrivila prima di cambiare più impostazioni vocali. Usa lo stesso brano di prova quando confronti le revisioni.

Aggiungi i nomi ricorrenti a un dizionario di pronuncia e testali in frasi complete. In un flusso API, passa l'ID del dizionario con la richiesta. Aggiorna il dizionario quando cambia un nome di prodotto o la pronuncia preferita, anziché riscrivere le grafie fonetiche in ogni testo.

L'anteprima permette di modificare il testo e regolare velocità e volume prima di generare il parlato. Mantieni fisse le parole per un confronto iniziale, poi riascolta dopo aver cambiato un controllo. Apri il Playground per esplorare altre voci e dizionari di pronuncia. L'anteprima genera nuovo parlato dal testo; non elabora una registrazione caricata.