Das Erste, was ich getan habe, um Knora lustiger zu machen, war, das zu löschen, von dem ich dachte, es mache es lustig.
Wenn du den September-Essay gelesen hast, ist ein Satz darin inzwischen veraltet: „Vier sind aktiv.“ Die vier komischen Methoden, über die ich geschrieben habe, sind weg. Die Stil-Achse, auf der sie lebten, auch. Die App hat jetzt fünfzehn englische Stimmen, jede eine eigene Comedy-Engine, plus die vier vietnamesischen und mandarinsprachigen Stimmen, die ich behalten habe. Das Update 1.2 ist im App Store live.
Knora ist 18+ — derbe Sprache und Themen für Erwachsene — und weiterhin kostenlos, ohne Konto und ohne Mikrofon. Du schüttelst das Handy (oder tippst es an), ein kurzer Bit läuft von Anfang bis Ende, und danach gibt es nichts mehr anzuschauen.
Das ist neu in 1.2:
- Eine neue englische Besetzung. Fünfzehn Stimmen in amerikanischem, britischem, südafrikanischem und indischem Akzent, jede mit eigener Comedy-Engine.
- Saubereres Audio. Jede Zeile wird einmal gelesen, ab dem ersten Wort.
- iPad und Tippen zum Abspielen. Schütteln bleibt die Hauptgeste, aber ein Tippen funktioniert auch.
- Ein Status, der anzeigt, dass gerade gespielt wird. Der Bildschirm ist nie leer, während ein Bit läuft.
Der Grund ist kein neues Modell und kein besserer Prompt. Es ist eine Änderung daran, was die App für das Produkt hält. Ein Jahr lang habe ich die Stimme behandelt, als wäre sie nur der Anstrich des Witzes. Das ist sie nicht. Die Stimme ist der Witz.
Das Modell war die unwichtigste Variable
Wenn du beruflich mit KI arbeitest, ist das der Teil, den du stehlen solltest.
Für dieses Problem war das Modell die unwichtigste Variable. Das Briefing entschied, was die Ausgabe sein durfte. Der Judge konnte sortieren, aber nicht entscheiden. Wer das Ergebnis am Ende hört, hatte das letzte Wort. Ich musste eine Comedy-App neu bauen, um das richtig zu lernen, aber es ist dieselbe Schleife, die ich für eine Kampagne, einen Report oder eine Support-Antwort nutzen würde.
Die alte App hatte 21 Personas und sieben Stile. Ein Stil entschied, woher das Material kam und wo der Turn saß; die Stimme lieferte ihn. Ich dachte, mehr Stile würden sie lustiger machen. Die Messung sagte etwas anderes. Die Stimme war die Variable; der zufällig gewählte Stil erklärte nichts. Wenn dieselben drei Methoden in fünf Stimmen gute Bits produzierten und in einer nichts, dann war die Methode nicht die Engine. Der Charakter war es.
Die Hinweise waren deutlich. Die alte Pipeline schrieb vier Entwürfe und ließ einen Selektor den besten auswählen. Der Selektor stimmte oft genug mit mir überein, um ihm zu vertrauen, und dann verwarf er einen Gag, weil er ein Gag war: Seine eigene Begründung bei einer Auswahl war, der Entwurf „liest den ganzen Bit als Bericht über eine echte Person statt als Gag“. 226 Bits aus dieser Pipeline habe ich alle als unlustig bezeichnet. Ein kleiner manueller Lauf ohne den Selektor produzierte lustige Bits aus demselben billigen Modell. Der Selektor war nicht der Geschmack; er war eine zweite Meinung, die sich den Witz selbst wegargumentieren konnte. Ich habe ihn abgeschaltet.
Also habe ich die Stil-Achse gelöscht und die Engine in die Persona verschoben. Fünfzehn englische Stimmen, jede mit einer Weltanschauung, einer Art, etwas Lustiges zu finden, und einer Grenze, die sie nicht überschreitet. The Anchor liest die Nachrichten flach und glaubt kein Wort. The Storyteller hält das Setup gerade, bis der Turn auf ihm landet. The Confessor ist fröhlich und trostlos und immer der Schuldige. The Son imitiert die Stimme seiner Mutter und nimmt die Verurteilung hin. The Riffer nimmt sich zuerst selbst aufs Korn und dann dich.
Die vier native voices — Bảo und Lan auf Vietnamesisch, Zhìyuǎn und Xiaoyu auf Mandarin — sind keine Übersetzungen der englischen Besetzung. Sie sind eigene Engines, aus dem jeweiligen Sprachmaterial gebaut. Vietnamesisch hat nói lái, đồng âm und thành ngữ; Mandarin hat 谐音, 成语 und 歇后语 — Wortspiele, die nur innerhalb der Sprache funktionieren. Die englische Besetzung hat Akzente, weil der Akzent Teil des Charakters ist, nicht eine Einstellung. Eine Stimme ist keine Sprache mit einem Hut auf.
Die App-Oberfläche gibt es auf Englisch, Vietnamesisch und vereinfachtem Chinesisch; die Stimmen auf Englisch, Vietnamesisch und Mandarin.
Zwei von ihnen funktionierten nicht
Zwei der Stimmen, die ich für sicher hielt, waren die zwei, die scheiterten: The Son und The Riffer. Meine Notiz an mich war deutlich: „Diese beiden sind nicht lustig: The Son und The Riffer. Der Rest ist in Ordnung.“
Beide Briefings benannten ihr eigenes Scheitern. The Son war geschickt worden, um über seine Familie zu berichten — ein Korrespondent, kein Teilnehmer. The Riffers Turn landete beim Zuhörer — der Erzähler kam nie vor. Jeder Bit, den ich lustig fand, hatte dasselbe: Der Erzähler ist im Raum, mit etwas auf dem Spiel. Ein Korrespondent, der über das Lustige berichtet, ist nicht lustig. Eine Person, die gerade etwas verlieren wird, ist es.
Die Lösung war kein neues Modell. Es war eine Neufassung der beiden Briefings, damit der Erzähler in der Szene ist. The Son wird jetzt selbst verurteilt. The Riffer beichtet die Sache selbst, bevor er sie an dir festmacht. Gleiche Akzente, gleiche Tonlagen, gleiche Grenzen. Anderer Raum.
Die Lektion lässt sich verallgemeinern: Wenn die Ausgabe blass ist, prüfe das Briefing, bevor du ein Modell kaufst. Das Modell gibt dir bereitwillig genau den Blickwinkel, den du verlangt hast.
Eine Besetzungsänderung ist eine Versionsänderung
Eine neue Besetzung ist kein Content-Update. Sie ist eine neue Version. Ein Hörer, der schon 1.1 hat, sollte nicht stillschweigend eine andere Besetzung unter derselben Nummer bekommen, also ist das 1.2, nicht 1.1 Build 5.
Dann der unglamouröse Teil. Der App-Store-Eintrag war eine eigene Produktoberfläche, und es war auseinandergelaufen: Es versprach noch 21 Charaktere und ein Menü mit vier Stilen in allen drei Store-Sprachen; die App hatte inzwischen sieben Stile, und die Screenshots zeigten die pensionierte Besetzung. Ich habe den Text aus den Strings der App neu geschrieben, damit Eintrag und Stimmenauswahl nicht mehr widersprechen, und die Screenshots neu aufgenommen. Das ist langweilige Arbeit. Es ist auch der Unterschied zwischen einem Build und einem Produkt.
Ein installierter Build auf einem Handy spielte noch die alte Besetzung, und der Server musste die alten Clients weiter bedienen: Eine serverseitige Änderung ist eine Client-Vertragsänderung, wenn der Client schon installiert ist. Ich habe die alte Katalogversion am Leben gehalten, damit das Update bei niemandem, der noch nicht aktualisiert hat, etwas kaputt macht.
App Review hat außerdem den vorherigen Build auf einem iPad abgelehnt, weil der Bildschirm für die Länge eines Bits leer blieb. Der Flow funktionierte; der Bildschirm sagte nichts. Ein Bit läuft 30 bis 75 Sekunden, das ist eine lange Zeit für einen leeren Bildschirm. Die Lösung war ein „Spielt…“-Status, Tippen zum Abspielen neben dem Schütteln und native iPad-Unterstützung.
Minimal ist nicht dasselbe wie abwesend. Ich hatte das verwechselt.
Die Woche, in der jeder Test grün war
In der Woche vor dem Release sagte jede automatisierte Prüfung, das Audio sei in Ordnung.
Das Text-to-Speech-Modell war aktualisiert worden. Der Prompt nicht. Das alte Modell folgte den Regieanweisungen; das neue behandelte das Textfeld als wörtliches Transkript. Der Produktions-Wrapper — Notizen, eine Anweisung, die Notizen nicht vorzulesen, und ein Transkript-Header — brachte es dazu, jede Zeile zweimal zu sagen. Bei vier von vier Produktions-Renderings wurde jede Zeile doppelt gesprochen. Ein reines Transkript war in drei von drei Fällen sauber. Die Lösung war, nur das Transkript zu senden und den Akzent in die Stimme zu verschieben.
Separat wurde ein 44-Byte-WAV-Header als rohe Audiosamples dekodiert. Das erzeugte einen Klick am Anfang jedes Clips. Die Transkripte waren perfekt. Die Testsuite war grün — 780 Tests, von denen keiner das Audio hörte. Mein Ohr hat es gefunden.
Die Tests waren grün, die Transkripte perfekt, und das Audio war falsch. Mein Ohr hat es gefunden.
Das ist der Satz, den ich behalten würde, wenn ich den Rest dieses Posts wegwerfen müsste. Eine grüne Testsuite beweist deine Annahmen, nicht dein Produkt. Für Text ist das Transkript das Artefakt. Für Audio ist die Wellenform das Artefakt. Für Comedy ist das Ohr das Artefakt.
Was ich behalte
Drei Dinge.
Das Modell war die unwichtigste Variable. Für dieses Problem war es so. Das Briefing, der Judge und das Ohr erledigten die Arbeit. Wenn deine KI-Ausgabe blass ist, schau zuerst auf den Brief, nicht auf das Leaderboard.
Eine Stimme ist kein Anstrich für einen Witz. Die Besetzung ist das Produkt. Derselbe Witz in einer anderen Stimme ist ein anderer Witz, und eine Stimme ohne Charakter ist nur ein Akzent.
Minimal ist nicht abwesend. Ein leerer Bildschirm während eines 60-Sekunden-Bits ist keine Zurückhaltung; es ist ein Bug. Eine Geste braucht trotzdem eine Statuszeile. Eine Besetzungsänderung braucht trotzdem ein Listing. Ein installierter Client braucht trotzdem seinen alten Vertrag.
Was noch fehlt
Die App hat immer noch keinen Teilen-Button und keine Bewertungen. Ich kann immer noch nicht sehen, wie du sie nutzt; es gibt kein Analytics-SDK. Wenn ein Bit nicht sitzt, ist das einzige Signal, dass du es mir sagst. Das ist der Deal, und er hat sich nicht geändert.
Wenn du 1.0 probiert hast und es dir gleich vorkam, ist das das Update. Wenn du nur die englische Besetzung gehört hast, probier Bảo oder Lan; das Lustige ist keine Übersetzung.
Knora 1.2 ist kostenlos im App Store. Die Design-Notizen stehen unter /de/knora/. Wenn ein Bit nicht sitzt, sag es mir — die ganze App ist der Witz.
Häufige Fragen
Was ist Knora?
Knora ist eine kostenlose, 18+ Comedy-App für iPhone und iPad, nur mit Stimme. Du schüttelst oder tippst, ein kurzer Bit läuft von Anfang bis Ende in einer oder zwei Stimmen, dann geht das Handy wieder runter. Kein Konto, kein Mikrofon, kein Analytics-SDK.
Was hat sich in 1.2 geändert?
Eine neue englische Besetzung aus fünfzehn Stimmen in amerikanischem, britischem, südafrikanischem und indischem Akzent, plus die vier vietnamesischen und mandarinsprachigen Stimmen. Das Audio ist sauberer, iPad und Tippen zum Abspielen werden unterstützt, und der Bildschirm zeigt an, dass gerade ein Bit läuft.
Wie probiere ich es aus?
Kostenlos im App Store. Die App-Oberfläche gibt es auf Englisch, Vietnamesisch und vereinfachtem Chinesisch.
Viele Grüße, Chandler