Il video è quasi finito di montare, anche i sottotitoli sono stati sistemati, eppure si blocca proprio sul doppiaggio.

Cambiare voce, ed è troppo simile a una pubblicità; cambiarne un'altra, le parole sono pronunciate chiaramente, ma sembra che stia leggendo un avviso. Volerne cercare una più rilassata, e finisce per esserlo troppo. Dopo aver scorso la lista delle anteprime per un bel po', alla fine non si sa ancora chi scegliere.

Molte volte, non è che il testo non vada bene, è che la voce e le immagini non coincidono.

Quindi questo articolo non accumulerà prima una pila di parametri. Abbiamo trovato nella community di Fish Audio alcuni timbri riconoscibili, scritto per ciascuno brevi frasi originali in linea con la sua direzione espressiva, e poi generato effettivamente delle anteprime. Puoi prima ascoltare, poi pensare: per il tuo video, che tipo di persona serve davvero a raccontarlo?

Un creatore indeciso nella scelta del timbro, con davanti cassette, manoscritti e cuffie

Nella scelta della voce, non guardare solo il nome

Etichette come “voce femminile gentile” e “voce maschile magnetica” suonano entrambe bene, ma una volta inserite davvero nel video non è detto che siano adatte.

Per raccontare la vita quotidiana, un tono troppo impostato crea distanza; per fare una voce narrante storica, essere eccessivamente vivaci fa facilmente uscire dall'atmosfera. Che una voce sia piacevole da ascoltare è una cosa, volerla ascoltare mentre racconta fino alla fine questo contenuto è un'altra.

Potresti prima chiederti una cosa: chi sta dicendo queste parole a chi?

Sono amici che chiacchierano, qualcuno che racconta una storia, oppure un personaggio sul palco? Una volta chiarito questo, non sarà più necessario scorrere la lista dei timbri dall'inizio alla fine.

Cosa può fare Fish? Parliamo prima di ciò che riguarda il doppiaggio

Fish Audio può generare voce dal testo e può anche richiamare timbri esistenti. Il suo sito ufficiale cinese presenta capacità quali multilingua, clonazione della voce ed espressione delle emozioni; per l'effetto concreto, resta comunque necessario provare con il proprio copione. Sito ufficiale cinese di Fish Audio

Per la creazione quotidiana, ci sono due aspetti degni di attenzione: uno è l'ampia scelta di timbri, senza dover limitarsi a pochi stili da annunciatore; l'altro è la possibilità di richiamare ripetutamente lo stesso ID del timbro, cosa piuttosto comoda quando in seguito si modifica il testo o si aggiungono frasi.

Se si dispone di materiale vocale che ha già ottenuto l'autorizzazione, si può anche effettuare una sintesi una tantum con audio di riferimento, senza dover prima creare un timbro a lungo termine. Qui bisogna distinguere bene: il modello di timbro determina “chi sembra parlare”, il modello vocale determina “quale capacità di sintesi usare per generare”, non sono la stessa cosa.

Quando si accede tramite Ace Data Cloud, reference_id specifica il timbro, mentre model nell'intestazione della richiesta HTTP specifica il modello vocale. L'attuale documentazione dell'interfaccia elenca s1, s2-pro e s2.1-pro, e supporta opzioni come MP3, WAV e regolazione della velocità. Descrizione dei parametri

Se vuoi integrarlo nel tuo strumento, il codice può essere molto breve

Quello mostrato sotto è l'interfaccia Fish TTS di Ace Data Cloud, non l'interfaccia diretta ufficiale di Fish. Usa l'API Token di Ace Data Cloud; l'esempio legge le variabili d'ambiente e non scrive la chiave nel codice.

import os
import requests

# Sostituisci con l'ID del timbro di cui hai confermato i diritti di utilizzo
voice_id = os.environ["FISH_VOICE_ID"]

response = requests.post(
    "https://api.acedata.cloud/fish/tts",
    headers={
        "Authorization": f"Bearer {os.environ['ACEDATACLOUD_API_TOKEN']}",
        "Content-Type": "application/json",
        "model": "s2-pro",
    },
    json={
        "text": "Non avere fretta di scegliere quella che suona meglio, scegli prima una voce adatta a questa storia.",
        "reference_id": voice_id,
        "format": "mp3",
        "prosody": {"speed": 1.0, "volume": 0},
    },
    timeout=180,
)
response.raise_for_status()
result = response.json()
if "audio_url" not in result:
    raise RuntimeError(f"Indirizzo audio non ottenuto: {result}")
print(result["audio_url"])

Installa prima requests, poi configura ACEDATACLOUD_API_TOKEN e FISH_VOICE_ID, e potrai provare una volta con una frase breve. L'audio_url ottenuto è l'indirizzo dell'audio, non il file audio stesso.

Non generare subito l'intero testo. Scegli un brano con frasi lunghe, pause e cambiamenti emotivi, trova una velocità adatta e poi continua. Per testi lunghi o attività in batch, puoi usare callback_url e la ricerca delle attività secondo la documentazione, evitando di far aspettare continuamente la pagina.

Quante di queste voci riconosci?

Chiariamo prima: i seguenti 20 segmenti audio sono tutti anteprime sintetizzate dall'IA generate questa volta richiamando timbri della community tramite Ace Data Cloud Fish TTS, non sono registrazioni della persona stessa, né battute originali o doppiaggi originali. I testi sono originali per questa occasione, i titoli riprendono o spiegano i nomi dei timbri della community e non rappresentano la partecipazione, l'autorizzazione o l'avallo della persona stessa, dei doppiatori o delle organizzazioni correlate.

Abbiamo selezionato in modo misto timbri cinesi da conversazione, narrativi e di personaggi riconoscibili, non si tratta di una classifica di tendenza in tempo reale. Ogni segmento usa brevi frasi per scenari diversi, principalmente per aiutare a percepire la direzione espressiva, e non costituisce una valutazione comparativa su un testo uniforme. Tomori Taki usa il giapponese, gli altri il cinese; i risultati in lingue diverse non possono essere confrontati direttamente.

L'accessibilità dei link audio è stata verificata, ma l'esame dell'ascolto non è ancora stato completato uno per uno. Le introduzioni seguenti descrivono l'intento progettuale dei testi e non equivalgono a una garanzia sull'esperienza d'ascolto dei risultati generati.

La generazione riuscita non equivale a ottenere un'autorizzazione d'uso. I modelli pubblici della community non significano che possano essere utilizzati per pubblicità commerciali, impersonare la persona stessa o false sponsorizzazioni; prima della pubblicazione, presentazione o riutilizzo formale, è comunque necessario confermare i diritti relativi al timbro, alla voce della persona e al personaggio. Questo testo resta in stato non pubblicato.

Personaggi originali di voci diverse si alternano davanti al microfono, formando un vivace piccolo teatro delle voci

Crayon Shin-chan｜La familiare energia birichina

Cominciamo dal canale dell'infanzia. Per questo timbro abbiamo scritto una buffa giustificazione che gira attorno a piccoli biscotti, per mostrare il contrasto di un bambino che cerca scuse con aria serissima. Oltre all'intonazione, puoi anche ascoltare le pause e la fine delle frasi.

Mamma, oggi non sono stato pigro! Stavo studiando seriamente perché, appena apro i biscottini, corrono da soli dentro la mia pancia. Ehehe, dammene un altro!

Sun Wukong｜La sensazione del personaggio di “questo Vecchio Sun”

Usa l'esplorazione del percorso, la protezione del maestro e il bastone d'oro per collegare un breve segmento di battute originali del personaggio, lasciando un po' di spazio alla schiettezza e alla tensione drammatica. Puoi confrontarlo con una normale narrazione e ascoltare da dove nasce la sensazione del personaggio, pur trattandosi sempre di parole.

Maestro, non abbiate fretta! Davanti ci sono montagne alte e sentieri pericolosi, lasciate che questo Vecchio Sun vada prima a vedere cosa succede. Se ci sono demoni a sbarrare la strada, questo mio bastone d'oro non è certo da usare come bastone da passeggio!

SpongeBob｜Oggi voglio anche andare a catturare meduse

È concepito come un eccitato invito a uscire, con una direzione testuale luminosa, vivace e piena di aspettativa. Se l'immagine in sé è già molto animata, se anche il doppiaggio debba essere così carico puoi inserirlo e provarlo prima di decidere.

Patrick, svegliati presto! Oggi l'acqua del mare scintilla, anche le meduse vorranno sicuramente uscire a giocare! Ho persino preparato il retino, sto solo aspettando te, il miglior compagno di sempre!

Patrick Stella｜Mangiamo prima un Krabby Patty, poi ci pensiamo

Collegalo al segmento precedente in un breve dialogo: uno ha fretta di uscire, l'altro pensa prima a mangiare. Qui si vuole usare una logica con mezzo tempo di ritardo e una piccola svolta, per mostrare una direzione da commedia leggera e un po' sciocca.

SpongeBob, mi è venuto in mente un modo particolarmente intelligente. Mangiamo prima un Krabby Patty, poi pensiamo a dove andare a giocare. Così, se non riusciamo a pensarci, almeno non resteremo a stomaco vuoto.

Pigro Pecora｜Stendiamoci ancora un po', poi vediamo

La montagna di torte nel sogno e il pisolino pomeridiano da cui non riesce a svegliarsi definiscono per questo testo una direzione golosa e assonnata. Se vuoi creare contenuti un po' più rilassati, non è necessario che ogni frase si affretti ad andare avanti.

Non chiamarmi per svegliarmi, ho appena sognato una montagna fatta di torte. Quando avrò mangiato quella fragola in cima alla montagna, mi alzerò ad aiutare. Davvero, dormo solo ancora un pochino.

L'Imperatore di Empresses in the Palace｜Una sola battuta crea già una scena

Questo è un monologo di corte originale, senza estrarre battute dalla serie. Attraverso la scena in cui posa la tazza di tè ed esita a parlare, lascia spazio al senso dello status del personaggio e al non detto.

Non occorre aggiungere altro tè, desidero stare in tranquillità per un momento. Ciò che hai detto poco fa, l'ho già annotato. È solo che le faccende di questo palazzo: ciò che si sente non è necessariamente vero e ciò che si vede non è necessariamente il quadro completo.

Uma Musume｜Cerca nella direzione dell'energia

Scegli la scena in cui si corre un altro giro prima della fine dell'allenamento e usa richiesta, determinazione e aspettativa per far avanzare le battute. Se vuoi trovare un'espressione del personaggio un po' più energica, puoi partire da questa direzione testuale, invece di cercare soltanto “voce femminile dolce”.

Allenatore, oggi il vento è proprio perfetto! Per l'ultimo giro, voglio provarci ancora una volta. Anche se ora mi manca ancora qualcosa, vi raggiungerò passo dopo passo. Per favore, guardatemi mentre taglio il traguardo!

Anon Chihaya｜Cambia lingua, ascolta la sensazione delle prove

Per questa voce sono state scritte brevi frasi di prove di una band in giapponese, per esprimere un sentimento un po' nervoso ma anche desideroso di trascinare i compagni a riprovare. Questo non è un test di pronuncia cinese, né una registrazione dell'opera originale.

Ehi, per le prove di oggi, non vogliamo suonare insieme ancora una volta? Penso che verrà sicuramente un suono migliore di prima. Sono un po' nervosa, ma con tutti voi andrà bene!

Significato generale in cinese: Per le prove di oggi, vogliamo suonare insieme ancora una volta? Penso che andrà sicuramente meglio di prima. Anche se sono un po' nervosa, insieme a tutti non ci saranno problemi!

Non devi necessariamente riconoscere il nome per trovare una voce che ti piace

Le voci dei personaggi sono facili da ricordare, ma quando scegli un doppiaggio per il tuo video, spesso bisogna comunque tornare a chiedersi se “suona naturale” e se “stanca ad ascoltarla a lungo”. Le prossime tracce possono essere ascoltate da un'altra prospettiva.

AD senpai｜Una breve battuta, ascolta prima il tono

Il testo è pensato come un avviso di guida nel gioco: si vuole un po' di decisione e vivacità, ma senza sostenere la presenza attaccando gli altri. Le frasi brevi facilitano la percezione del tono; per realizzare video lunghi, è comunque necessario testare separatamente una narrazione continua.

Non stare solo a dire che non ce la fai, finisci prima questa partita. Non importa se ti muovi un po' più lentamente, ma non lasciare che anche il cervello vada offline. Dai, stai dietro di me, questa volta giochiamo sul serio.

Jialan 3.0｜Come se raccontassi qualcosa a un amico

Il piccolo conflitto del “ho paura, ma voglio anche giocare” è molto adatto a essere scritto come una chiacchierata tra amici. Ripetizioni, esitazioni e l'aggiunta improvvisa di una condizione possono tutte diventare parte del testo parlato; non serve scrivere ogni frase come un manuale di istruzioni.

Te lo dico, a quel gioco non ho proprio il coraggio di giocare da sola. Però se mi accompagni tu, penso che forse non sia poi impossibile. Ma sia chiaro, eh: se una porta fa rumore, non puoi scappare prima di me!

Studentessa universitaria｜Biblioteca, cena e un bubble tea

Questo è il nome della voce della community, non una certificazione dell'identità. È stato scelto un normale frammento di vita quotidiana universitaria, facendo convivere nello stesso discorso il piano di studio e i piccoli pensieri che non riescono a non distrarsi, per testare la direzione di una narrazione quotidiana.

Oggi finalmente sono riuscita a prendere un posto vicino alla finestra in biblioteca. Il sole è bellissimo, e non ho nemmeno girato due pagine che ho già iniziato a pensare a cosa mangiare per cena. Va bene, prima memorizzo questo capitolo, poi mi premio con un bubble tea.

Dolce e piacevole voce femminile｜Non devi cercare di parlare per prima in ogni frase

Questo testo è una compagnia silenziosa, non un sollecito. Se vuoi realizzare storie della buonanotte o narrazioni rilassanti, puoi concentrarti sul test di frasi lunghe, pause e finali di frase in questa direzione.

Se oggi sei un po' stanco, metti prima da parte quello che hai tra le mani. Il vento fuori dalla finestra è leggero, e il tè è ancora caldo. Non devi avere fretta di diventare migliore: in questo momento, basta respirare lentamente.

Ding Zhen｜Raccontare il paesaggio, invece di leggere un testo introduttivo

Sono state scelte brevi frasi originali sul paesaggio, con montagne innevate, rugiada e un sentiero; la direzione espressiva è gentile e colloquiale. Qui si tratta di una dimostrazione di sintesi IA di un modello della community omonimo, non di parole pronunciate dalla persona stessa, né di un consiglio di viaggio o di una sponsorizzazione.

Quando sono uscito stamattina, sulla cima della montagna c'era ancora un po' di neve, e la rugiada sul prato brillava. Cammina lentamente lungo questo sentiero, non c'è bisogno di affrettarsi: il vento porterà qui i suoni da lontano.

Cai Xukun｜Un'espressione maschile giovane più leggera

È stato scritto un monologo fittizio in una sala prove, usando piccoli gesti e la musica per portare il tema verso l'atmosfera del palco. Questa non è una vera esperienza della persona, un'intervista o una dichiarazione della persona stessa, ed è usata solo per una dimostrazione di sintesi della voce della community.

Le luci della sala prove sono ancora accese, e quel movimento di prima voglio provarlo ancora una volta. A volte i progressi si nascondono proprio in questi piccoli dettagli. Quando partirà la musica, ogni impegno avrà un'eco.

Sun Xiaochuan 258｜Una direzione di conversazione un po' più informale

Usa il fare tardi, i videogiochi e il cibo da asporto raffreddato per scrivere un breve pezzo autoironico; ciò che si cerca è il ritmo di una chiacchierata, non un annuncio formale. Il testo è fittizio, non è un'esperienza o una dichiarazione reale della persona stessa.

Ho detto che oggi sarei andato a dormire presto, ma ho guardato l'ora e si è fatto di nuovo questo momento. Non ho vinto la partita, ma il cibo da asporto si è raffreddato piuttosto in fretta. Va bene, prima mangio; a pancia piena vediamo di chi fosse il problema di prima.

Per un tono esplicativo, narrativo, ci sono anche altre opzioni

Lei Jun｜parlare coinvolgendo il pubblico presente

Scrivi un esercizio esplicativo con una domanda ipotetica su una sedia, provando un senso di dialogo del tipo “prima fare una domanda, poi spiegare”. Non riguarda alcun lancio reale di prodotti, promessa di prezzo o prestazioni, né rappresenta opinioni o sponsorizzazioni personali.

Pensateci tutti: per una sedia, qual è la cosa più importante? Non quanto sembri complessa, ma se, nel momento in cui vi sedete dopo una giornata impegnativa, riuscite davvero a rilassarvi. Fare bene le piccole cose è anch'essa una capacità.

Zheng Xiangzhou｜spiegazione commerciale più formale

Il testo originale va dagli obiettivi e dalla divisione dei compiti fino ai risultati, organizzando livelli chiari per una spiegazione formale. Puoi confrontarlo con i paragrafi conversazionali e percepire il senso di distanza apportato dal cambiamento nel grado di formalità. Il contenuto non rappresenta opinioni personali né registrazioni di lezioni.

Quando si costruisce un team, non abbiate fretta di parlare delle dimensioni. Spiegate chiaramente gli obiettivi, definite la divisione dei compiti, poi fate sapere a ciascuno quale relazione c'è tra il proprio lavoro e i risultati. Avere una direzione coerente è più importante dell'apparente frenesia.

Voce narrante documentaristica｜dare un po' più di peso ai testi paesaggistici

Il nome originale del modello della community è “doppiaggio CCTV”. Qui viene usata l'espressione “voce narrante documentaristica” per descrivere la direzione espressiva, senza indicare alcuna collaborazione o autorizzazione con CCTV. Questa volta viene utilizzato un breve testo originale su una mattina nella valle fluviale; puoi prestare particolare attenzione alla costruzione delle frasi lunghe.

All'alba, il primo raggio di sole supera la cresta montuosa e la valle fluviale si risveglia gradualmente. L'acqua aggira le rocce e attraversa anche il villaggio. Quei giorni apparentemente ordinari, in ogni suono dell'acqua, hanno lentamente lasciato tracce.

Video promozionale d'atmosfera｜quando l'apertura deve essere un po' più formale

Usa le luci della città e la vita delle persone comuni per scrivere brevi frasi di apertura, senza aggiungere promesse sui prodotti. Non è necessario usare questo tipo di espressione per l'intero video: puoi inserirla prima nelle frasi iniziali e vedere se risulta troppo intensa.

Dalla prima luce dell'alba ai passi che non si fermano neppure a notte fonda, il calore di una città è nascosto nel cuore di ogni persona che vive con impegno. Fate sì che l'ordinario venga visto, fate sì che ogni sforzo abbia una risposta.

È stato scritto un monologo di finzione su una notte di pioggia, una vecchia lettera e una partenza, con una direzione pensata per essere contenuta, seria e narrativa. Questo tipo di testo è più adatto agli esercizi sui personaggi, senza doverlo forzare su ogni tipo di copione narrativo.

Quando la pioggia smise, rimise quella lettera in tasca. La luce all'angolo della strada era ancora accesa, ma non c'era più nessuno ad aspettare le sue spiegazioni. Alcune strade, una volta voltate le spalle, si possono percorrere da soli solo fino all'alba.

Dopo aver ascoltato, non decidere subito: rimetti tutto nelle tue immagini

Il copione passa attraverso una radio a forma di pesce e diventa un nastro sonoro; il creatore, davanti al banco di montaggio, indossa le cuffie per verificare

La voce che ti piace durante l'ascolto, una volta rimessa nel tuo video, potrebbe essere un'altra storia.

Puoi prima tenere due o tre candidati, generarli con lo stesso testo e poi ascoltarli con lo stesso segmento di immagini. Non confrontare solo la prima frase: ascolta anche se le frasi lunghe risultano affrettate, se le finali delle frasi si chiudono bene e se, dopo aver aggiunto la musica di sottofondo, rimane tutto chiaro.

Se non va ancora bene, modifica prima il testo. Un po' meno linguaggio scritto, dividi le frasi lunghe e lascia una pausa nei punti di svolta. A volte, cambiare dieci timbri non è efficace quanto trasformare una frase in qualcosa che diresti davvero normalmente.

Fish offre più scelte di voci; se alla fine siano adatte o meno, dipende ancora dall'orecchio. Se riescono a far dimenticare al pubblico “questo è doppiaggio” e a fargli venire voglia di continuare ad ascoltare il contenuto, è già molto buono.

Se vuoi continuare a provare, puoi guardare da qui

Le illustrazioni di questo articolo sono illustrazioni concettuali create con l'assistenza dell'IA e non sono schermate dell'interfaccia del prodotto. I 20 segmenti audio sono dimostrazioni sintetizzate dall'IA, generate utilizzando testi originali per questa occasione e timbri della community Fish, e non sono registrazioni della persona stessa o dell'opera originale, né rappresentano autorizzazione, partecipazione o approvazione da parte delle persone coinvolte, dei doppiatori o delle organizzazioni. Prima della pubblicazione ufficiale, completa l'ascolto e la revisione di ogni segmento, verifica la riproduzione nel frontend del player e conferma l'ambito di autorizzazione per la voce, i personaggi e la presentazione audio rispetto agli utilizzi successivi.