跳到正文
Chandler Nguyen
AI閱讀時間1分鐘

把聲就係個笑話

我重建咗 Knora 嘅英文聲陣容,刪咗風格軸,仲發現咗兩個連測試都話冇問題嘅音訊 bug。更新已經上架——而個教訓,其實唔關喜劇事。

為咗令 Knora 更好笑,我第一件做嘅事,係刪咗我以為令佢好笑嘅嘢。

如果你讀過九月嗰篇文,入面有一句已經過時:「四種手法仍然存在。」我寫過嘅四種喜劇手法已經冇咗,連承載佢哋嘅風格軸都冇埋。而家 App 有十五把英語聲,每一把都係一台完整嘅喜劇引擎;另外仲有我留低嘅兩把越南語同兩把普通話聲。1.2 更新已經喺 App Store 上架。

Knora 係 18+——有粗口同成人題材——而且仍然免費,冇帳號,冇咪。你搖一搖部電話(或者點一下),一小段喜劇由頭播到尾,然後就冇其他嘢好睇。

1.2 新加咗:

  • 新英語陣容。 十五把聲,有美式、英式、南非同印度口音,每一把都有自己嘅喜劇引擎。
  • 更乾淨嘅音訊。 每句對白由第一個字開始,只會讀一次。
  • iPad 同點按播放。 搖一搖仍然係主要手勢,但點一下都用得。
  • 播放中提示。 bit 播緊嘅時候,螢幕唔會再空白。

原因唔係新模型,亦唔係更好嘅 prompt,而係 App 對「產品係咩」嘅睇法變咗。有一年時間,我當把聲係包住個笑話嘅外殼。唔係。把聲就係個笑話。

模型係最唔重要嘅變數

如果你工作要用 AI,呢部分最值得帶走。

喺呢個問題入面,模型係最唔重要嘅變數。個 brief 決定輸出嘅方向同範圍。評審可以篩選,但唔可以決定。最後一票,喺用家嘅耳仔度。我要重建一個喜劇 App 先真正學識呢件事,但呢個循環,我一樣會用喺 campaign、報告同客服回覆。

舊 App 有 21 個角色同七種風格。風格決定素材喺邊度嚟、轉折喺邊度落;把聲負責送出去。我以為多啲風格會令佢更好笑,但量度結果講咗另一個故仔:把聲先係變數,風格軸係噪音。同樣三種手法,喺五把聲度都寫到好 bit,喺另一把聲度就乜都寫唔出——咁即係手法唔係引擎,角色先係。

證據好明顯。舊 pipeline 寫四份草稿,畀選擇器揀最好嗰份。選擇器同意我嘅次數多到令我信佢,然後佢將一個笑點當成「唔係笑點」否決咗:佢喺一次選擇嘅理由係,嗰份草稿*「將成段嘢讀成關於一個真人嘅報告,而唔係一個笑話」*。嗰條 pipeline 出嘅 226 個 bit,我全部都話唔好笑。有一次冇選擇器嘅小型手動 run,用同一個平價模型,就寫出好笑嘅 bit。選擇器唔係品味嘅代表;佢只係一個可以說服自己「笑話唔係笑話」嘅第二意見。我熄咗佢。

所以我刪咗風格軸,將引擎移入角色。十五把英語聲,每一把都有自己嘅世界觀、搵笑點嘅方式,同一條唔會越過嘅線。The Anchor 平鋪直敘讀新聞,一個字都唔信。The Storyteller 正正經經咁鋪排,直到轉折落喺佢自己身上。The Confessor 開朗又陰鬱,永遠係錯嗰個。The Son 學佢媽媽把聲,然後畀人審判。The Riffer 先攞自己嚟開玩笑,再玩到你。

四把母語聲——越南語嘅 Bảo 同 Lan,普通話嘅 Zhìyuǎn 同 Xiaoyu——唔係英語陣容嘅翻譯。佢哋各有自己嘅引擎,用本地素材砌出嚟。越南語有 nói lái、đồng âm 同 thành ngữ;普通話有諧音、成語同歇後語——只喺嗰種語言入面先成立嘅文字遊戲。英語陣容有口音,因為口音係角色嘅一部分,唔係一個設定。把聲唔係語言外面加嘅裝飾。

App 介面有英語、越南語同簡體中文;把聲有英語、越南語同普通話。

有兩把聲冇成功

我以為最安全嘅兩把聲,偏偏係失敗嘅兩把:The Son 同 The Riffer。我寫畀自己嘅備註好直接:「呢兩個唔好笑:The Son 同 The Riffer。其他都冇問題。」

兩份 brief 都已經寫明自己會點失敗。The Son 係被派去報道自己家人——一個記者,唔係參與者。The Riffer 嘅轉折落喺聽眾身上——講故事嘅人從來冇出現。每一個我覺得好笑嘅 bit 都有同一樣嘢:講故事嘅人喺房間入面,而且有啲嘢懸喺佢身上。一個報道「好笑」嘅記者唔好笑;一個就快失去啲嘢嘅人,先好笑。

解決方法唔係新模型,而係重寫兩份 brief,令講故事嘅人喺場景入面。The Son 而家係被審判嗰個。The Riffer 會先自爆,再講中你入面嗰樣嘢。同樣嘅口音,同樣嘅語氣同節奏,同樣嘅界線。唔同嘅房間。

呢個教訓可以推廣:如果輸出好平,先審查 brief,再買模型。模型會好樂意交出你叫佢畀嘅嗰個視角。

換陣容就係換版本

新陣容唔係內容更新,係新版本。已經有 1.1 嘅人,唔應該喺同一個版本號下面靜靜雞得到一套唔同嘅聲,所以呢個係 1.2,唔係 1.1 build 5。

然後係冇咁光鮮嘅部分。App Store 頁面係另一個要照顧嘅介面,而佢已經同實際對唔上:三種商店語言都仲寫住 1.0 嘅 21 個角色同四種風格嘅菜單,截圖仲顯示緊已經退休嘅陣容。我用 App 自己嘅字串重寫咗文案,令列表同選擇器唔會互相矛盾,再重新截圖。呢啲係悶嘢,但佢亦係「出一個 build」同「出一個產品」之間嘅分別。

已經安裝喺手機嘅 build 仍然會用舊陣容,所以伺服器要繼續提供舊目錄:只要有人未更新,改伺服器就等於改客戶端合約。我保留咗舊目錄版本,等未更新嘅人唔會壞。

App Review 亦拒絕咗上一個 build:喺 iPad 上,bit 播緊嗰陣螢幕一片空白。流程本身行得通,但螢幕乜都冇講。一個 bit 成 30 到 75 秒,對住空白螢幕等咁耐,實在太長。修正方法係加播放中提示、支援點按播放(唔止搖一搖),同埋原生 iPad 支援。

極簡唔等於乜都冇。我將兩樣嘢撈亂咗。

所有測試都綠嗰個星期

出街前一個星期,所有自動檢查都話音訊冇問題。

文字轉語音模型更新咗,但 prompt 冇更新。舊模型當導演筆記係指示;新模型當文字欄係逐字轉寫。生產環境嘅包裝——筆記、一句「唔好讀筆記」嘅指示,同埋轉寫標題——令佢將每一行講咗兩次。四次正式渲染,四次都重複;唔包裝、淨係送轉寫,三次都乾淨。修正方法係只送轉寫,將口音移入把聲。

另外,44 byte 嘅 WAV 檔頭被當成原始音訊樣本解碼,令每個片段開頭都有一聲「咔」。轉寫本身完美,成套測試亦全綠——780 個測試,但冇一個真係聽過音訊。最後係我隻耳捉到。

測試係綠,轉寫係完美,音訊係錯。把耳捉到。

如果成篇文你只帶走一句,就係呢句:全綠嘅測試,證明嘅係你嘅假設,唔係你嘅產品。文字要睇轉寫,音訊要睇波形,喜劇就要信隻耳。

我留低咩

三樣嘢。

模型係最唔重要嘅變數。 喺呢個問題入面,係。brief、評審同耳仔做咗大部分工作。如果你嘅 AI 輸出好平,先睇 brief,唔好睇排行榜。

把聲唔係包住個笑話嘅外殼。 陣容就係產品。同一個笑話換一把聲就係另一個笑話,而冇角色嘅聲只係一個口音。

極簡唔等於乜都冇。 一個 60 秒 bit 入面嘅空白螢幕,唔係克制,係 bug。一個手勢都需要狀態提示;換陣容都需要更新商店頁面;已安裝嘅客戶端都需要遵守舊介面約定。

仲爭啲咩

App 仲未有分享按鈕,亦未有 App Store 評分邀請。我仲係睇唔到你點用佢;冇分析 SDK。如果一段喜劇唔中,唯一嘅訊號就係你話畀我知。呢個係交換,而且冇變。

如果你試過 1.0,覺得次次都一樣,呢個就係嗰次更新。如果你只聽過英語陣容,試吓 Bảo 或者 Lan;好笑唔係翻譯。

Knora 1.2 喺 App Store 免費。設計手記喺 /zh-HK/knora/。如果一段喜劇唔中,話畀我知——成個 App 就係個笑話。


常見問題

Knora 係咩?

Knora 係一個免費、18+、純語音嘅喜劇 App,適用於 iPhone 同 iPad。你搖一搖或者點一下,一小段喜劇用一兩把聲由頭播到尾,然後部電話就放低。冇帳號,冇咪,冇分析 SDK。

1.2 改咗咩?

新英語陣容有十五把聲,有美式、英式、南非同印度口音,再加兩把越南語同兩把普通話聲。音訊更乾淨,支援 iPad 同點按播放,bit 播緊嘅時候螢幕會顯示播放中提示。

點試?

喺 App Store 免費。App 介面提供英語、越南語同簡體中文。

祝好, Chandler