Качество созданного голоса почти целиком определяется образцом. Это единственный шаг, где от вас что-то зависит физически, поэтому стоит потратить на него две минуты внимания.
Длительность
Двадцать секунд связной речи — достаточно. Больше не вредно, но и не нужно: модель берёт характеристику тембра, а не словарь. Меньше десяти секунд — рискованно: на коротком фрагменте характеристика получается неустойчивой.
Тишина вокруг
Главный враг — фоновая музыка. Модель может принять её за часть голоса, и тембр получится смазанным. Телевизор, разговор в соседней комнате, гул улицы и кондиционера тоже мешают, хотя и меньше.
Идеальное место — комната с мягкой мебелью и шторами: они гасят эхо. Кухня и ванная, наоборот, дают гулкость, которая тоже попадёт в характеристику.
Расстояние и уровень
Двадцать сантиметров до микрофона — компромисс между громкостью и естественностью. Слишком близко — появятся взрывные «п» и «б», слишком далеко — прибавится комната. Говорите обычным голосом: нарочито «дикторская» подача даёт тембр, на себя не похожий.
Что говорить
Что угодно связное: как прошёл день, короткий рассказ, описание комнаты. Важно, чтобы речь была непрерывной — длинные паузы сокращают полезную часть записи. Читать вслух из книги тоже годится.
Типичные ошибки
- Запись на улице «по дороге» — ветер и транспорт перекрывают голос.
- Музыка на фоне «для настроения» — худшее, что можно сделать.
- Шёпот или крик — и то, и другое меняет тембр.
- Громкая связь и гарнитура с шумоподавлением — они обрабатывают голос, и модель получает уже искажённый звук.
Если запись уже шумная
Не переписывайте сразу — сначала попробуйте очистку от шума. Она убирает фоновый гул и оставляет голос; результат можно загрузить как образец.
Частые вопросы
Нужно ли петь в образце?
Нет. Петь будет нейросеть, а образец нужен только для тембра.
Подойдёт ли запись с видео?
Да, если в ней нет музыки и посторонних голосов. Дорожку из видео можно достать отдельно.
Можно ли записать образец по частям?
Лучше одним куском: склейки создают резкие переходы, которые модель воспринимает как артефакты.
