Scegli una varietà di voci per questo video. Return JSON {"voice":"...","emotion":"...","tempo":"...","accent":"..."}: voice — timbro della voce, sesso ed età; emotion — emozione della presentazione; tempo — velocità del discorso; accent - lingua e carattere della pronuncia. Giustifica ogni campo per l'attività, non in modo astratto.
Meccanica: la sintesi vocale avviene in due fasi. Innanzitutto, il modello prevede la prosodia (altezza, durata dei suoni, pause, intonazione), quindi il vocoder la trasforma in un'onda sonora. Lo stesso testo suona in modo diverso perché il modello indovina l'emozione e il ritmo dalla punteggiatura, dalle maiuscole e dai parametri specificati. Le tue leve: timbro (maschile/femminile/neutro), età, emozione, tempo, lingua e accento. Insider: è più affidabile definire un'emozione non con la parola "allegro", ma con un'osservazione contestuale e una punteggiatura corretta: il punto calma, i puntini di sospensione tirano, l'esclamazione aumenta l'energia. Seconda intuizione: per la pubblicità, usa una voce il 10-15% più veloce di quanto sarebbe comodo: durante la modifica, il parlato lento sembra lento. Errore da principiante: cercare una “voce universale e piacevole” per tutto. Una voce è un casting: un narratore per un audiolibro ucciderà un video dinamico e un venditore allegro non leggerà una meditazione.