Điều đầu tiên tôi làm để Knora buồn cười hơn là xoá thứ mình tưởng là thứ khiến nó buồn cười.
Nếu bạn đọc bài tháng 9, có một câu trong đó đã lỗi thời: bốn phương pháp hài tôi viết đã biến mất. Bốn phương pháp hài tôi viết đã biến mất. Trục phong cách mà chúng dựa vào cũng biến mất. App giờ có mười lăm giọng tiếng Anh, mỗi giọng có cách gây cười riêng, cộng với hai giọng tiếng Việt và hai giọng tiếng Quan Thoại tôi giữ lại. Bản cập nhật 1.2 đã có trên App Store.
Knora dành cho 18+ — ngôn từ mạnh và chủ đề người lớn — và vẫn miễn phí, không tài khoản, không micro. Bạn lắc điện thoại (hoặc chạm vào nó), một mẩu hài ngắn phát từ đầu đến cuối, rồi không còn gì khác để xem.
Đây là những gì mới trong bản 1.2:
- Dàn giọng tiếng Anh mới. Mười lăm giọng với accent Mỹ, Anh, Nam Phi và Ấn Độ, mỗi giọng có cỗ máy hài riêng.
- Âm thanh sạch hơn. Mỗi dòng được đọc một lần, từ chữ đầu tiên.
- iPad và chạm để phát. Lắc vẫn là cử chỉ chính, nhưng chạm cũng hoạt động.
- Trạng thái "Đang phát…". Màn hình không bao giờ trống trong khi mẩu hài chạy.
Lý do không phải một mô hình mới hay một prompt tốt hơn. Đó là thay đổi trong cách tôi nhìn sản phẩm này. Suốt một năm, tôi coi giọng đọc là lớp vỏ bọc ngoài câu đùa. Không phải. Giọng đọc chính là câu đùa.
Mô hình là biến số ít quan trọng nhất
Nếu bạn làm việc với AI, đây là phần đáng để ăn cắp.
Với bài toán này, mô hình là biến số ít quan trọng nhất. Brief quyết định đầu ra được phép là gì. Giám khảo có thể sàng lọc, nhưng không thể quyết định. Người sẽ dùng thứ đó có tiếng nói cuối cùng. Chỉ sau khi dựng lại cả một app hài, tôi mới học được điều đó cho đúng, nhưng đó cũng là vòng lặp tôi sẽ dùng cho một chiến dịch, một báo cáo hay một câu trả lời hỗ trợ.
App cũ có 21 nhân vật và bảy phong cách. Phong cách quyết định chất liệu đến từ đâu và cú lật nằm ở đâu; giọng đọc mới là thứ đưa nó tới người nghe. Tôi tưởng thêm phong cách sẽ làm nó buồn cười hơn. Đo lường nói khác. Giọng đọc là biến số; phong cách chỉ là nhiễu. Trong một thử nghiệm trước đó, ba trong bốn phương pháp tạo ra những mẩu hài hay ở năm giọng và không có gì ở một giọng, thì phương pháp không phải là cỗ máy. Nhân vật mới là.
Bằng chứng thì rất thô. Pipeline cũ viết bốn bản nháp và để một bộ chọn chọn bản tốt nhất. Bộ chọn đồng ý với tôi đủ thường xuyên để tôi tin nó, rồi nó từ chối một câu đùa vì đó là câu đùa: lý do của chính nó trong một lần chọn là bản nháp "đọc lại toàn bộ mẩu hài như một báo cáo về một người thật thay vì như một câu đùa". Tôi gọi cả 226 mẩu hài từ pipeline đó là không buồn cười. Một lần chạy tay nhỏ không có bộ chọn tạo ra những mẩu hài buồn cười từ cùng mô hình rẻ đó. Bộ chọn không phải là gu; nó là ý kiến thứ hai có thể tự thuyết phục chính nó rằng câu đùa không phải câu đùa. Tôi tắt nó.
Nên tôi xoá trục phong cách và đưa cỗ máy vào nhân vật. Mười lăm giọng tiếng Anh, mỗi giọng có một thế giới quan, một cách tìm ra thứ buồn cười và một lằn ranh không vượt qua. The Anchor đọc tin tức phẳng lì và không tin một chữ nào. The Storyteller giữ phần dẫn thẳng cho đến khi cú lật rơi xuống anh ta. The Confessor vui vẻ và ảm đạm và luôn là người có lỗi. The Son làm giọng mẹ và nhận phán xét. The Riffer bắt lấy chính mình trước, rồi đến bạn.
Bốn giọng bản địa — Bảo và Lan bằng tiếng Việt, Zhìyuǎn và Xiaoyu bằng tiếng Quan Thoại — không phải bản dịch của dàn giọng tiếng Anh. Chúng là cỗ máy riêng, dựng từ chất liệu địa phương. Tiếng Việt có nói lái, đồng âm và thành ngữ; tiếng Quan Thoại có 谐音, 成语 và 歇后语 — những trò chữ chỉ hoạt động bên trong ngôn ngữ đó. Dàn giọng tiếng Anh có accent vì accent là một phần của nhân vật, không phải một cài đặt. Giọng đọc không phải một ngôn ngữ đội mũ.
Giao diện app có bằng tiếng Anh, tiếng Việt và tiếng Trung giản thể; giọng đọc có tiếng Anh, tiếng Việt và tiếng Quan Thoại.
Hai giọng từng không hoạt động
Hai giọng tôi tưởng an toàn lại là hai giọng thất bại: The Son và The Riffer. Ghi chú tôi viết cho chính mình thẳng thừng: "Hai cái này không buồn cười: The Son và The Riffer. Phần còn lại ổn."
Cả hai brief đều tự nói ra thất bại của mình. The Son được cử đi đưa tin về gia đình — một phóng viên, không phải người trong cuộc. Cú lật của The Riffer rơi vào người nghe — người kể chuyện không bao giờ xuất hiện. Mọi mẩu hài tôi gọi là buồn cười đều có cùng một thứ: người kể chuyện ở trong phòng, và có thứ gì đó đang có nguy cơ mất. Một phóng viên đưa tin về cái buồn cười thì không buồn cười. Một người sắp mất một thứ gì đó thì có.
Cách sửa không phải mô hình mới. Đó là viết lại hai brief để người kể chuyện ở trong cảnh. The Son giờ là người bị phán xét. The Riffer tự thú nhận trước, rồi mới chỉ ra điều đó ở bạn. Vẫn chất giọng đó, vẫn cách dẫn đó, vẫn giới hạn đó. Chỉ căn phòng là khác.
Bài học tổng quát: nếu đầu ra nhạt, hãy kiểm tra brief trước khi mua mô hình. Mô hình sẽ vui vẻ đưa cho bạn đúng góc nhìn bạn yêu cầu.
Đổi dàn giọng là đổi phiên bản
Dàn giọng mới không phải bản cập nhật nội dung. Đó là phiên bản mới. Người đã có 1.1 không nên âm thầm nhận một dàn giọng khác dưới cùng một con số, nên đây là 1.2, không phải 1.1 build 5.
Rồi phần kém hào nhoáng. Danh sách trên App Store là một bề mặt sản phẩm riêng, và nó đã lệch khỏi thực tế: vẫn hứa 21 nhân vật và menu bốn phong cách của một bản cũ hơn, trên cả ba ngôn ngữ của App Store, và ảnh chụp màn hình vẫn cho thấy dàn giọng đã nghỉ hưu. Tôi viết lại nội dung từ chính chuỗi của app để danh sách và bộ chọn không thể mâu thuẫn, và chụp lại ảnh màn hình. Đó là việc nhàm chán. Nó cũng là khác biệt giữa gửi một bản build và gửi một sản phẩm.
Một bản build đã cài trên điện thoại vẫn dùng dàn giọng cũ, và server phải tiếp tục phục vụ nó: thay đổi phía server là thay đổi hợp đồng với những bản app đã cài. Tôi giữ phiên bản catalog cũ sống để bản cập nhật không làm hỏng app của những người chưa cập nhật.
App Review cũng từ chối bản build trước trên iPad vì màn hình trống trong suốt độ dài một mẩu hài. Luồng vẫn chạy; màn hình không nói gì. Một mẩu hài chạy 30 đến 75 giây, đó là thời gian dài để nhìn màn hình trống. Cách sửa là thêm trạng thái "Đang phát…", thêm chạm để phát song song với lắc, và hỗ trợ iPad đúng nghĩa.
Tối giản không giống như vắng mặt. Mình đã nhầm hai thứ đó.
Tuần mọi bài test đều xanh
Tuần trước khi phát hành, mọi bài kiểm tra tự động đều nói âm thanh ổn.
Mô hình text-to-speech đã được cập nhật. Prompt thì không. Mô hình cũ coi ghi chú đạo diễn là chỉ dẫn; mô hình mới coi trường văn bản là bản ghi lời nguyên văn. Mô hình cũ đọc ghi chú đạo diễn như chỉ dẫn. Mô hình mới đọc nguyên văn mọi thứ trong trường văn bản. Lớp bọc ở production — phần ghi chú, câu chỉ dẫn "không đọc ghi chú", và tiêu đề bản ghi — khiến nó đọc mỗi dòng hai lần. Cả bốn lần render trên production đều bị nhân đôi. Bản chép lời trần thì sạch cả ba lần. Cách sửa là chỉ gửi bản chép lời và đưa chất giọng vào giọng đọc.
Riêng một chỗ khác, header WAV 44 byte bị giải mã như mẫu âm thanh thô. Điều đó tạo ra một tiếng click ở đầu mỗi clip. Bản chép lời hoàn hảo. Bộ test xanh — 780 bài test, không bài nào nghe âm thanh. Tai mình bắt được.
Các bài test xanh, bản chép lời hoàn hảo, và âm thanh sai. Tai mình bắt được.
Đó là câu tôi sẽ giữ nếu phải ném phần còn lại của bài này. Một bộ test xanh chứng minh giả định của bạn, không phải sản phẩm của bạn. Với văn bản, thứ cần kiểm là bản chép lời. Với âm thanh, dạng sóng. Với hài, tai.
Tôi giữ lại gì
Ba thứ.
Mô hình là biến số ít quan trọng nhất. Với bài toán này, đúng vậy. Brief, giám khảo và tai đã làm việc. Nếu đầu ra AI của bạn nhạt, hãy xem brief trước, không phải bảng xếp hạng.
Giọng đọc không phải lớp da bọc ngoài câu đùa. Dàn giọng là sản phẩm. Cùng một câu đùa trong giọng khác là câu đùa khác, và một giọng không có nhân vật chỉ là accent.
Tối giản không phải vắng mặt. Màn hình trống trong một mẩu hài 60 giây không phải tiết chế; đó là lỗi. Một cử chỉ vẫn cần dòng trạng thái. Một thay đổi dàn giọng vẫn cần danh sách. Một client đã cài vẫn cần hợp đồng cũ.
Còn thiếu gì
App vẫn chưa có nút chia sẻ và chưa có đánh giá. Tôi vẫn không thấy bạn dùng nó thế nào; không có SDK phân tích. Nếu một mẩu hài không ăn, tín hiệu duy nhất là bạn nói với mình. Đó là cái giá, và nó không đổi.
Nếu bạn thử 1.0 và thấy lần nào cũng giống nhau, đây là bản cập nhật. Nếu bạn chỉ nghe dàn giọng tiếng Anh, thử Bảo hoặc Lan; cái buồn cười không phải bản dịch.
Knora 1.2 miễn phí trên App Store. Ghi chú thiết kế ở đây. Nếu một mẩu hài không ăn, nói cho tôi biết — cả cái app chính là trò đùa.
Câu hỏi thường gặp
Knora là gì?
Knora là một app hài miễn phí cho iPhone và iPad, chỉ có giọng nói và dành cho 18+. Bạn lắc hoặc chạm, một mẩu hài ngắn phát từ đầu đến cuối bằng một hoặc hai giọng, rồi điện thoại lại được đặt xuống. Không tài khoản, không micro, không SDK phân tích.
Bản 1.2 có gì mới?
Dàn giọng tiếng Anh mới gồm mười lăm giọng với accent Mỹ, Anh, Nam Phi và Ấn Độ, cộng với hai giọng tiếng Việt và hai giọng tiếng Quan Thoại. Âm thanh sạch hơn, có hỗ trợ iPad và chạm để phát, và màn hình hiển thị "Đang phát…" trong khi mẩu hài chạy.
Làm sao để thử?
Miễn phí trên App Store. Giao diện app có bằng tiếng Anh, tiếng Việt và tiếng Trung giản thể.
Thân mến, Chandler