Generatore di voci per NPC: voice-over IA per NPC e narratori

La maggior parte dei dialoghi in un gioco viene letta, non ascoltata. La guardia ha una battuta, il personaggio che assegna la missione ne ha quattro, il tutorial ne ha una dozzina, e tutte rimangono sullo schermo in silenzio mentre discutete del ritmo. Nessuno ingaggia un attore per un testo che verrà riscritto due volte prima della vertical slice.

È qui che entra in gioco il voice-over generato. Incolli la battuta, scegli una voce e, un secondo dopo, puoi sentire se la battuta funziona o se il suggerimento del tutorial è lungo tre parole di troppo. Questa guida spiega come usare un generatore di voci per NPC per i dialoghi provvisori: scegliere una voce dalla libreria, capire cosa fanno le impostazioni Voice stability e Voice closeness, scrivere battute, linee di missione, tutorial e narrazione, importare la clip nel tuo motore e capire quando smettere di generare e prenotare una sessione. Ogni clip qui sotto è stata realizzata con il generatore audio IA di Sloyd. Le clip parlano in inglese, e la riga in inglese e la voce sono riportate accanto a ciascuna, così puoi incollare lo stesso testo e ottenere la stessa registrazione.

Voice-over provvisorio mentre lo script continua a cambiare

Una battuta di dialogo presenta due problemi che un documento non può mostrarti. Il primo è la durata: sulla pagina una battuta sembra scattante, ma ad alta voce supera i tre secondi concessi dall'animazione. Il secondo è il tono: "the old mine has gone quiet" nella tua testa è inquietante, ma nella recitazione può sembrare annoiata se il testo non la sostiene.

Il voice-over generato trasforma entrambi in una verifica di trenta secondi:

• Tempismo. Riproduci la clip insieme all'animazione o al timer dei sottotitoli e scopri se la battuta entra nei tempi prima ancora che un attore si avvicini a un microfono.
• Battute durante il combattimento. Un grido di battaglia che ascolti duecento volte in un playtest si rivela subito. Generalo, ripeti lo scontro, elimina quelli che diventano fastidiosi.
• Ritmo del tutorial. Le istruzioni pronunciate competono con ciò che stanno insegnando. Ascoltarle è l'unico modo per capire se il giocatore ha spazio per agire.
• Leggere la situazione. Dai a un playtester una build con una voce provvisoria e reagirà alla scena. Dagli una build con sottotitoli silenziosi e reagirà ai sottotitoli.

Considera l'output come audio provvisorio, con lo stesso status della grafica di un livello grey-box o di un prop testo a 3D: abbastanza buono per prendere una decisione, ma non qualcosa da inserire nel trailer che pubblicherai. Se usi già immagine a 3D per la concept art e testo a immagine per i riferimenti, i dialoghi provvisori provengono dallo stesso account invece che da un nuovo abbonamento, e il caso d'uso per lo sviluppo di giochi illustra l'intero ciclo.

Usare un generatore di voci per NPC: la libreria e due impostazioni

La sezione vocale di Sloyd Audio è composta da una libreria di voci, una casella di testo e due slider. Questa è l'intera superficie per i dialoghi, e sono i due slider a dare forma al personaggio.

Scegli prima la voce

Il selettore delle voci mostra le voci predefinite offerte dall'app. Ogni riga ha un pulsante di anteprima, così puoi ascoltare una voce prima di consumare una generazione, e un cuore che fissa i preferiti in cima all'elenco, una funzione importante quando hai scelto quattro voci per il cast e non vuoi scorrere oltre tutte le altre.

Due cose da sapere sulla libreria. Scegli tra le voci predefinite che presenta: Sloyd non clona le voci, quindi non puoi caricare una registrazione di una persona e ottenere nuovamente la sua voce. Inoltre, il modello vocale è multilingue, quindi una voce leggerà battute in lingue diverse dall'inglese, una funzione utile quando anche una build localizzata ha bisogno di audio provvisorio.

Un consiglio sul casting che resiste alla prova di un prototipo: un generatore di voci per giochi è valido solo quanto il cast che costruisci con esso, quindi assegna a ogni ruolo di NPC ricorrente una voce propria e inserisci il ruolo nei nomi dei file fin dalla prima clip. Quattro voci applicate in modo coerente sembrano un cast. Otto voci distribuite a caso sembrano un bug.

Voice stability: coerenza o espressività

Lo slider Voice stability va da 0 a 1 ed è impostato inizialmente su 0.50; il controllo chiuso lo mostra come 50%, mentre lo slider aperto lo mostra come 0.50. Il suggerimento nell'app lo descrive in modo onesto: valori più bassi consentono una recitazione più espressiva, valori più alti rendono la recitazione più coerente.

In pratica:

• Stabilità più bassa per le battute che devono essere interpretate. Urla, panico, un antagonista che si sta divertendo. Aspettati più variazioni tra una registrazione e l'altra, cosa perfettamente accettabile quando devi sceglierne una.
• Stabilità più alta per le battute che devono essere piatte. Tutorial, menu, messaggi di sistema e tutto ciò che il giocatore ascolta ripetutamente e dovrebbe smettere di notare.
• Le battute stanno nel mezzo. Troppo piatte e il combattimento sembra robotico, troppo libere e una registrazione su quattro risulta strana.

Voice closeness: somiglianza e naturalezza

Anche lo slider Voice closeness va da 0 a 1 ed è impostato inizialmente su 0.75, che il controllo chiuso mostra come 75%. Il suo suggerimento esplicita il compromesso: controlla quanto la recitazione rimane vicina alla voce scelta; valori più alti aumentano la somiglianza, ma possono ridurre la naturalezza.

Lascialo vicino al valore predefinito mentre scegli il cast, perché è lì che una voce continua a sembrare se stessa. Alzalo quando le battute di un personaggio sono state generate in più sessioni e hai bisogno che combacino. Abbassalo quando una battuta suona rigida e ti interessa più che sembri pronunciata da una persona che non che corrisponda perfettamente all'anteprima.

Cambia uno slider alla volta e genera due volte la stessa battuta. Due registrazioni della stessa battuta ti dicono di più su un'impostazione rispetto a una registrazione di due battute diverse.

Scrivere battute, linee di missione, tutorial e narrazione

Ogni generazione accetta fino a 5.000 caratteri di testo, cioè circa 800 parole o diversi minuti di parlato. Questo numero influenza il modo in cui dividi uno script più di quanto limiti ciò che puoi scrivere.

La divisione più utile è una clip per ogni elemento attivato dal motore:

• Una battuta, una clip, per tutto ciò che ha un trigger: battute, saluti, conferme. Il motore deve poterle attivare singolarmente.
• Una scena, una clip, per la narrazione riprodotta dall'inizio alla fine durante una cutscene o una schermata di caricamento.
• Mai una clip per personaggio. Incollare un'intera catena di missioni in una sola generazione ti dà un unico MP3 che poi dovrai tagliare a mano in un editor.

La punteggiatura è la tua unica indicazione. Un punto fermo è una pausa, una virgola è una pausa più breve e i puntini di sospensione indicano una pausa. Scrivi per esteso ciò che deve essere pronunciato correttamente: scrivi "fifty gold" invece di "50g" e scrivi un nome come suona se l'ortografia può trarre in inganno. Le indicazioni di scena non funzionano, perché il modello legge ciò che gli dai: [angrily] verrà pronunciato come parola. Se ti serve rabbia, scrivi una frase arrabbiata e abbassa la stabilità.

Battute: brevi, ripetute e numerose

Riga (inglese): "You picked the wrong road, stranger. Drop the coin and walk away.", voce George, stabilità 0.50, vicinanza 0.75.

Mantieni le battute sotto i tre secondi circa e scrivine quattro o cinque per ogni situazione. È la varietà a impedire che un combattimento sembri un loop e, poiché ogni battuta è una clip separata, il motore può sceglierne una a caso.

Mercanti e saluti: le battute che definiscono un luogo

Riga (inglese): "Fresh steel, fair prices. Everything must go before the frost sets in.", voce River, stabilità 0.50, vicinanza 0.75.

I dialoghi ambientali trasmettono l'ambientazione a basso costo. Una battuta sul tempo o sul raccolto racconta al giocatore più cose su una città di quante ne racconti un paragrafo di storia in un menu. Abbinala a una base sonora di folla dalla stessa pagina Audio, come spiega la guida su come creare effetti sonori per giochi con l'IA.

Tutorial e suggerimenti: chiarezza prima del carattere

Riga (inglese): "Raise your shield to block, then strike while their guard is open.", voce River, stabilità 0.50, vicinanza 0.75.

Una sola istruzione per clip, verbo all'inizio e niente battute spiritose. Aumenta la stabilità affinché i suggerimenti ripetuti rimangano identici e mantieni ciascuno abbastanza breve da permettere al giocatore di agire mentre è ancora in riproduzione.

Narrazione: le battute più lunghe che genererai

Riga (inglese): "Long before the towers fell, this valley answered to no king.", voce George, stabilità 0.50, vicinanza 0.75.

Un generatore di voci per narratori è utile per introduzioni, schede dei capitoli, voci del codex e schermate di caricamento, dove il testo cambia continuamente e nulla è ancora animato in funzione di esso. Scrivi la narrazione in frasi brevi, segnando le pause con la punteggiatura, genera un paragrafo alla volta invece di un intero prologo e mantieni ogni paragrafo come clip separata, così una riscrittura richiede una sola generazione.

Lo stesso lavoro esiste anche fuori dai giochi. Le guide ai prodotti e le spiegazioni per i negozi online hanno bisogno della stessa narrazione provvisoria mentre lo script si stabilizza: è la versione per l'e-commerce di questo flusso di lavoro.

Il flusso di lavoro: script, generazione, importazione

Quattro passaggi, e il primo è l'unico che richiede giudizio.

1. Script. Tieni i dialoghi in un unico foglio con una colonna per la battuta, il personaggio, il trigger e il nome del file, per esempio vo_guard_bark_01. Il foglio è ciò da cui rigenererai le clip dopo una riscrittura.
2. Generazione. Incolla la battuta, scegli la voce del personaggio, imposta gli slider in base alla funzione della battuta e genera. Ogni clip finisce in My Activity, quindi la registrazione che ti piaceva ieri è ancora lì.
3. Download. Ogni clip viene scaricata come singolo MP3. È l'unico formato fornito da Sloyd Audio ed è il file che inserirai nel motore.
4. Importazione. Inserisci il file, collegalo al trigger e riproduci la scena.

Due note pratiche. Mantieni i nomi dei file del foglio, perché il voice-over si accumula più velocemente degli effetti sonori e cento clip chiamate tts_output significano una giornata persa. Inoltre, taglia il silenzio all'inizio e alla fine di una battuta in un editor gratuito come Audacity prima di collegarla, perché un quarto di secondo di anticipo sembra un ritardo quando la battuta viene attivata da un colpo.

Stai montando un trailer per la build? Sloyd Video Studio esegue il rendering di clip da 5 a 15 secondi, con Extend per continuare un'inquadratura, e i rendering con movimento di camera di un modello 3D durano da 1 a 10 secondi. Inserisci la tua narrazione sotto il montaggio.

Quando sostituirlo con un voice-over registrato

Il voice-over IA è uno strumento di prototipazione, non un cast. La decisione di sostituirlo dipende da ciò che la battuta deve trasmettere.

Ingaggia un attore per:

• Protagonisti e personaggi con un arco narrativo. Un'interpretazione che deve cambiare nell'arco di venti ore è un'interpretazione, non un'impostazione.
• Scene emotive fondamentali. La scena da cui viene montato il trailer, la morte, il tradimento. Questi momenti si basano sul respiro e sul tempismo.
• La comicità. Il tempismo è la battuta, ed è esattamente ciò che non puoi dirigere in una casella di testo.
• Qualsiasi elemento da cui dipenda un momento di marketing. Se la battuta compare in un trailer o in una pagina dello store, vale la pena organizzare una sessione.

Conserva le clip generate per:

• Battute e linee della folla, dove il volume conta più della sfumatura.
• Voce di sistema e del tutorial, che dovrebbe essere neutra comunque.
• Audio provvisorio localizzato, così puoi testare una build non in inglese prima di finanziare un secondo cast.
• Tutto ciò che è ancora in fase di riscrittura, ovvero la maggior parte dello script fino alle fasi finali.

Prima di pubblicare qualsiasi voce generata, definisci due aspetti: verifica i termini di licenza applicabili alla voce che hai usato per una pubblicazione commerciale e comunica ai tuoi playtester quale audio è provvisorio, così il feedback che ricevi riguarda la scrittura e non la recitazione. Se stai valutando gli strumenti invece dei flussi di lavoro, il nostro confronto tra alternative a ElevenLabs per l'audio dei giochi li mette a confronto fianco a fianco.

FAQ

Quanto può essere lunga una singola battuta generata?

Fino a 5.000 caratteri di testo per generazione, circa 800 parole. È molto più di quanto serva a una battuta, quindi la regola pratica è un trigger per clip: una battuta o un saluto è un file separato, mentre la narrazione viene divisa per paragrafi, così una riscrittura richiede una generazione invece di un nuovo montaggio.

Cosa cambiano le impostazioni Voice stability e Voice closeness?

Voice stability, 0.50 per impostazione predefinita (50% nel controllo chiuso), bilancia espressività e coerenza: valori più bassi consentono una recitazione più espressiva, valori più alti la rendono più coerente. Voice closeness, 0.75 per impostazione predefinita (75%), controlla quanto il risultato rimane vicino alla voce scelta; valori più alti aumentano la somiglianza, ma possono ridurre la naturalezza. Genera due volte la stessa battuta quando ne modifichi una.

In quale formato vengono scaricate le clip?

MP3, un file per clip, salvato in My Activity e scaricabile da lì. Unity, Godot e Roblox Studio importano direttamente quel file. Per Unreal, o per ottenere un master senza perdita, converti prima l'MP3 in WAV a 16 bit in Audacity o nel tuo DAW.

Può clonare la voce di un attore reale?

No. La libreria contiene solo voci predefinite e Sloyd non clona le voci, quindi non puoi caricare la registrazione di una persona e generare parlato con la sua voce. Per scegliere un interprete reale devi registrare una sessione reale.

Può generare anche una colonna sonora?

No. Sloyd Audio copre il parlato e gli effetti sonori, non la musica, quindi la colonna sonora rimane affidata a un compositore o a uno strumento musicale dedicato.

Ho bisogno di un piano a pagamento per generare voice-over?

Sì. La generazione e il download dell'audio richiedono Sloyd Plus o Sloyd Pro. Confronta i piani nella pagina dei prezzi.

Inizia dalle venti battute che ascolti più spesso

Scegli i dialoghi che emergono davvero durante un playtest: quattro battute di combattimento, due saluti, quattro suggerimenti del tutorial, una battuta di morte, alcune battute del mercante e un'introduzione del narratore. Assegna a ogni personaggio ricorrente una voce, nomina i file in base al foglio dei dialoghi e avrai un prototipo con il parlato in un pomeriggio, invece di organizzare un casting.

Genera le tue prime battute per NPC in Sloyd Audio usando quelle di questo post, poi abbina le voci ai personaggi a cui appartengono con testo a 3D.