Ang unang ginawa ko para maging mas nakakatawa ang Knora ay tanggalin ang bagay na akala ko ang nagpapatawa nito.
Kung nabasa mo ang September essay, may isang linya doon na luma na: Sinasabi nitong apat ang live. Wala na ang apat na comedy method na isinulat ko. Wala na rin ang style axis kung saan sila nakatira. May labinlimang English voice na ang app ngayon, bawat isa ay isang buong comic engine, kasama ang dalawang Vietnamese at dalawang Mandarin voice na hinayaan ko. Live na ang update 1.2 sa App Store.
Ang Knora ay 18+ — may strong language at adult themes — at libre pa rin, walang account at walang microphone. Inalog mo ang phone (o tinap mo ito), tutugtog ang isang maikling bit mula simula hanggang dulo, at wala nang ibang dapat tingnan.
Ito ang bago sa 1.2:
- Bagong English cast. Labinlimang voice na may American, British, South African, at Indian accents, bawat isa may sariling comic engine.
- Mas malinis na audio. Bawat linya ay binabasa nang isang beses, mula sa unang salita.
- iPad at tap-to-play. Ang pag-alog pa rin ang pangunahing gesture, pero gumagana rin ang tap.
- Isang status na nagsasabing nagpe-play. Hindi kailanman blangko ang screen habang tumutugtog ang bit.
Ang dahilan ay hindi bagong modelo o mas magandang prompt. Pagbabago ito sa kung ano ang itinuturing na produkto ng app. Isang taon kong itinuring ang boses na balat sa ibabaw ng joke. Hindi. Ang boses ang biro.
Ang modelo ang pinakamaliit na variable
Kung gumagamit ka ng AI sa trabaho, ito ang parte na dapat mong nakawin.
Para sa problemang ito, ang modelo ang pinakamaliit na variable. Ang brief ang nagtatakda kung ano ang puwedeng maging output. Ang judge ay puwedeng magsala, pero hindi puwedeng magdesisyon. Ang taong gagamit ng bagay ang may huling salita. Kinailangan kong muling buuin ang isang comedy app para matutunan ito nang maayos, pero ito rin ang loop na gagamitin ko sa isang campaign, report, o support reply.
Ang lumang app ay may 21 persona at pitong style. Ang style ang nagtatakda kung saan galing ang materyal at saan nakaupo ang turn; ang boses ang naghahatid. Akala ko mas maraming style ang gagawa nitong mas nakakatawa. Iba ang sinabi ng measurement. Ang boses ang variable; ang iginuhit na style ay noise. Noong ang parehong tatlong method ay gumawa ng magagandang bit sa limang boses at wala sa isang boses, hindi ang method ang engine. Ang character ang engine.
Hindi banayad ang ebidensya. Ang lumang pipeline ay nagsusulat ng apat na draft at hinahayaang pumili ang selector ng pinakamaganda. Madalas sumang-ayon sa akin ang selector, kaya pinagkatiwalaan ko ito, at pagkatapos ay tinanggihan nito ang isang gag dahil gag ito. Ang dahilan nito sa isang pick: "binabasa muli ang buong bit bilang report tungkol sa isang totoong tao, hindi bilang biro". Sinabi kong hindi nakakatawa ang lahat ng 226 bit mula sa pipeline na iyon. Isang maliit na manual run na walang selector ang gumawa ng nakakatawang bit mula sa parehong murang modelo. Ang selector ay hindi ang lasa; ito ay ikalawang opinyon na kayang kumbinsihin ang sarili na ang biro ay hindi biro. Pinatay ko ito.
Kaya tinanggal ko ang style axis at inilipat ang engine sa persona. Labinlimang English voice, bawat isa may worldview, paraan ng paghahanap ng nakakatawa, at linyang hindi tinatawid. Ang The Anchor ay nagbabasa ng balita nang flat at walang pinaniniwalaan. Ang The Storyteller ay hinohold ang setup nang tuwid hanggang lumapag ang turn sa kanya. Ang The Confessor ay masaya at madilim at laging may kasalanan. Ang The Son ay ginagawa ang boses ng nanay niya at tinatanggap ang judgment. Inuuna ng The Riffer na gawing biro ang sarili, bago ka.
Ang apat na native voice — Bảo at Lan sa Vietnamese, Zhìyuǎn at Xiaoyu sa Mandarin — ay hindi translation ng English cast. Sarili nilang engine sila, gawa sa lokal na materyal. Ang Vietnamese ay may nói lái, đồng âm, at thành ngữ; ang Mandarin ay may 谐音, 成语, at 歇后语 — wordplay na gumagana lang sa loob ng wika. May accent ang English cast dahil parte ng character ang accent, hindi setting. Ang boses ay hindi isang wikang nakasumbrero.
Ang interface ng app ay available sa English, Vietnamese, at Simplified Chinese; ang voices ay English, Vietnamese, at Mandarin.
Dalawang voice ang hindi gumana
Dalawang voice na akala ko safe ang talagang hindi gumana: The Son at The Riffer. Ang note ko sa sarili ko ay deretsahan: "Hindi nakakatawa ang dalawang ito: The Son at The Riffer. Okay ang iba."
Parehong binanggit ng dalawang brief ang sarili nilang failure. Ang The Son ay ipinadala para mag-report tungkol sa pamilya niya — correspondent, hindi participant. Ang turn ng The Riffer ay lumapag sa listener — hindi kailanman lumitaw ang tagapagsalita. Bawat bit na tinawag kong nakakatawa ay may parehong bagay: ang tagapagsalita ay nasa kuwarto na may nakataya. Ang correspondent na nagre-report tungkol sa nakakatawa ay hindi nakakatawa. Ang taong malapit nang mawalan ng isang bagay, oo.
Ang solusyon ay hindi bagong modelo. Isang rewrite ng dalawang brief para nasa eksena ang tagapagsalita. Ang The Son ang hinuhusgahan ngayon. Ang The Riffer ay nagkukumpisal bago pa niya ito ipangalan sa iyo. Parehong accent, parehong delivery palette, parehong limits. Ibang kuwarto.
Hindi lang ito tungkol sa app na ito: kung bland ang output, i-audit ang brief bago bumili ng modelo. Kusang ibibigay ng modelo sa iyo ang eksaktong point of view na hiniling mo.
Ang pagbabago ng cast ay pagbabago ng version
Ang bagong cast ay hindi content update. Bagong version ito. Ang may 1.1 na ay hindi dapat tahimik na makakuha ng ibang cast sa ilalim ng parehong numero, kaya 1.2 ito, hindi 1.1 build 5.
Tapos ang hindi glamorous na parte. Ang App Store listing ay hiwalay na product surface, at nag-drift na: nangangako pa rin ng 21 characters at four-style menu, kahit pitong style na ang app sa tatlong wika ng App Store, at ang screenshots ay nagpapakita ng retiradong cast. Isinulat ko muli ang copy mula sa sariling strings ng app para hindi magkasalungat ang listing at picker, at kinunan muli ang screenshots. Boring na trabaho ito. Ito rin ang pagkakaiba ng pagpapadala ng build at pagpapadala ng produkto.
Ang naka-install na build sa isang phone ay gumagamit ng lumang cast, at kailangang patuloy pa ring i-serve ito ng server: ang server-side change ay client-contract change kapag naka-install na ang client. Hinayaan kong buhay ang lumang catalog version para hindi masira ang sinumang hindi pa nag-update.
Tinanggihan din ng App Review ang nakaraang build sa iPad dahil blangko ang screen sa buong tagal ng isang bit. Gumagana ang flow; walang sinasabi ang screen. Ang bit ay tumatagal ng 30 hanggang 75 segundo, mahaba iyon para sa blangkong screen. Ang fix ay "Nagpe-play…" status, tap-to-play bukod sa shake, at native iPad support.
Ang minimal ay hindi katulad ng wala. Napagkamalan ko ang dalawa.
Ang linggong lahat ng test ay green
Isang linggo bago ang release, sinasabi ng lahat ng automated check na okay ang audio.
Na-update ang text-to-speech model. Hindi ang prompt. Itinuturing ng lumang modelo ang director's notes bilang instructions; itinuturing ng bago ang text field bilang verbatim transcript. Ang production wrapper — notes, instruction na huwag basahin ang notes, at transcript header — ay nagpabasa nito ng bawat linya nang dalawang beses. Apat sa apat na production render ay dumoble. Ang bare transcript ay malinis tatlo sa tatlo. Ang fix ay ipadala lang ang transcript at ilipat ang accent sa boses.
Hiwalay, ang 44-byte WAV header ay dine-decode bilang raw audio samples. Naglalagay iyon ng click sa simula ng bawat clip. Perpekto ang transcripts. Green ang test suite — 780 tests, walang isang nakinig sa audio. Nahuli ito ng tainga ko.
Green ang tests, perpekto ang transcripts, at mali ang audio. Nahuli ito ng tainga ko.
Iyon ang sentence na itatabi ko kung itatapon ko ang natitirang bahagi ng post na ito. Ang green suite ay nagpapatunay ng assumptions mo, hindi ng produkto mo. Para sa text, ang transcript ang artifact. Para sa audio, ang waveform ang artifact. Para sa comedy, ang tainga ang artifact.
Ang itinatabi ko
Tatlong bagay.
Ang modelo ang pinakamaliit na variable. Para sa problemang ito, oo. Ang brief, judge, at tainga ang nagtrabaho. Kung bland ang AI output mo, tingnan muna ang brief, hindi ang leaderboard.
Ang boses ay hindi balat sa ibabaw ng joke. Ang cast ang produkto. Ang parehong joke sa ibang boses ay ibang joke, at ang boses na walang character ay accent lang.
Ang minimal ay hindi katulad ng wala. Ang blangkong screen sa 60-segundong bit ay hindi restraint; bug iyon. Ang isang gesture ay kailangan pa rin ng status line. Ang cast change ay kailangan pa rin ng listing. Ang naka-install na client ay kailangan pa rin ng lumang contract.
Ang kulang pa
Wala pa ring share button at ratings ang app. Hindi ko pa rin nakikita kung paano mo ito ginagamit; walang analytics SDK. Kung may bit na hindi tumama, ang tanging signal ay ikaw na magsasabi sa akin. Iyon ang trade, at hindi ito nagbago.
Kung sinubukan mo ang 1.0 at parang pareho lang, ito ang update. Kung English cast lang ang narinig mo, subukan si Bảo o Lan; ang nakakatawa ay hindi translation.
Libre ang Knora 1.2 sa App Store. Ang design notes ay nasa /tl/knora/. Kung may bit na hindi tumama, sabihin mo sa akin — ang buong app ang biro.
Mga madalas itanong
Ano ang Knora?
Ang Knora ay isang libreng 18+ voice-only comedy app para sa iPhone at iPad. Inalog mo ito o tinap, tutugtog ang isang maikling bit sa isa o dalawang boses mula simula hanggang dulo, tapos ibababa ulit ang phone. Walang account, walang microphone, walang analytics SDK.
Ano ang nagbago sa 1.2?
Bagong English cast na may labinlimang voice na may American, British, South African, at Indian accents, kasama ang dalawang Vietnamese at dalawang Mandarin voice. Mas malinis ang audio, supported ang iPad at tap-to-play, at ipinapakita ng screen ang "Nagpe-play…" habang tumutugtog ang bit.
Paano ko ito susubukan?
Libre ito sa App Store. Available ang interface ng app sa English, Vietnamese, at Simplified Chinese.
Maraming salamat, Chandler