Креатив с AI-голосом ломается не на синтезе, а на брифе для диктора

Креатив с AI-голосом ломается не на синтезе, а на брифе для диктора

Есть наблюдение которое стоит проверить: плохой TTS чаще звучит не «роботом», а человеком без задачи. Модель читает ровно то, что ей дали: сухой текст, непонятную эмоцию, паузы не там и один темп на весь ролик.

Мини-бриф перед генерацией:
— роль: кто говорит — эксперт, друг, оператор, игрок, ведущий;
— состояние: спокойная уверенность, лёгкая срочность, азарт;
— темп: где ускориться, где поставить паузу, где улыбнуться голосом;
— запреты: без «радиоведущего», без крика, без театральной продажи.

Для рекламы полезно писать не «озвучь энергично», а сценой: «первые секунды — как личное предупреждение, середина — выгода без давления, финал — короткий CTA на выдохе». Такой промпт легче повторять и тестировать между голосами.

Перед заливом слушайте креатив без видео: если смысл, эмоция и CTA понятны вслепую — войс работает. Если голос держится только на субтитрах и монтаже, лучше переписать сценарий, а не менять TTS-сервис.