Немного про UX и звук На основе Restory. Если кто не читал предыдущий пост, напомню, что это симулятор пункта ремонта бытовой техники, где надо разбирать и чинить всякие штуки. Уже писал недавно про хорошие решения в этом проекте, но в Restory есть и какие-то менее удачные вещи. Давайте разберём. Мне очень нравится, что многие успешные действия игрока тут сопровождаются звуком (закончили чистить деталь, выкрутили болтик и так далее). Это позволяет сэкономить время и даёт понятную обратную связь, особенно если не успел что-то разглядеть визуально, но хочешь быстро отремонтировать вещь, чтобы успеть сдать её вовремя. В случае с закручиванием болтов часто нет никакого звука на окончание этого действия. А видно их не всегда хорошо (см. пример на первом скриншоте с приставкой, вдохновлённой Atari). В этом случае не всегда понятно в принципе, я сейчас раскручиваю элемент или закручиваю, а никакой внятной анимации на это не предусмотрено. В других предметах дела обстоят чуть лучше, там всякие крепления более заметны (см. скрин 2 с телефоном). Но тоже зависит от ракурса. Иногда я завинчивал болты в нужны мне сторону чуть ли не с третьего раза. Причём, надо отметить, что на раскручивание звук есть, так как болт улетает в крышку с другими болтами) Это ещё и нарративно здорово придумано, потому что так же работает в реальной жизни. Но при закручивании разработчики немного не продумали телеграфирование, и посчитали его достаточным. Здесь есть отметка таких болтов через UI, но очень часто её (отметку) просто-напросто плохо видно в крупных устройствах. В отсутствии достаточного визуала, звук остаётся единственным действительно эффективным способом передать игроку информацию. Конечно, можно сказать, что и в жизни нет никаких звуков, когда закручиваешь такие небольшие болты у бытовой техники. Да, это так, но не все вещи из реальной жизни нужно тащить в видео игру. Плюс, хорошая игра тем и отличается, что мы знаем, когда применить игровые условности, которые не будут важны игрокам, а когда наоборот требуется более подробный подход в плане реалистичности. В данной ситуации, какого-то звука прямо очень не хватает, а учитывая стилистику игры и довольно много условностей изначально, это бы вполне нормально работало и не вызывало вопросов. Удобство игрока гораздо важнее реализма в таких моментах, особенно если говорить о тех случаях, когда игрокам нужно дать хорошую обратную связь о результате их действий. В идеале даже можно было бы иметь 4 звука: 1 на раскручивание, 1 на окончание процесса закручивания (такой сейчас есть) и 2 на закручивание (1 на само закручивание и 1 на успех закручивания). Это помогало бы в тех случаях, когда визуально не так заметно текущее состояние болтов в устройстве. Ещё отмечу, что и сам этот визуал болтиков тоже можно было улучшить, чтобы он был понятнее в разных состояниях, но это, как говорил классик, уже совсем другая история. #Restory #UI #gamedesign #анализ

Разработчик Александр Романов выложил на GitHub открытый проект Cassette Simulation, который через FFmpeg имитирует звучание кассетных лент пяти производителей. Инструмент накладывает шум ленты, детонацию wow и flutter, режет полосу пропускания и крутит эквалайзер. Код опубликован под лицензией MIT, для запуска хватает bash и ffmpeg, собранного с libmp3lame. Профилей шесть, и каждый тянет цифровой звук к своим дефектам. Немецкая BASF LH Extra C90 добавляет умеренное шипение и лёгкий флаттер, Maxell UD C90 шипит меньше и берёт диапазон шире. Винтажные Sony CHF60 и CHF90 1978 года дают тёплую середину, а 90-минутная сильнее плывёт по скорости. Поздняя TDK D90 середины 90-х имитирует чистый звук с тонким аналоговым характером. На другом полюсе советская МК-60, которая заваливает трек сильным шумом, мощными wow и флаттером и агрессивно срезает частоты. FFmpeg, инструмент для честной цифровой обработки, здесь возвращает записи шипение, дрейф скорости и зарезанный верх.

Самая большая проблема любого AI видео - речь 😬 Картинка в аи видосах уже почти неотличима от съемки даже для меня, а вот речь - все еще главный индикатор. По возможности я стараюсь генерировать войслес видео, но иногда тестирую концепты с говорящей головой или войсовером. Делюсь лайфхаками, которые я для себя нашла (работает и для text2speech, и для text2video) 1. Эмоция + действие + реплика - вместе 🥰 эмоции делают нас живыми, так что вместо "она говорит: привет", стоит прописать "она устало улыбается, отводит взгляд и тихо говорит: привет". Модель подстраивает мимику, темп и интонацию под описание. Тоновые слова (weary voice, shouts excitedly) пожалуй самый дешевый способ убрать робовойс. Можно прописать акцент, хрипоту, особенности 2. Короткие реплики и правильный синтаксис 😎 В Veo реплика идет после двоеточия, в Seedance - в двойных кавычках, лучше это заранее проверить в документациях разных моделей. Также если задаете длину видео, прикиньте что человек успеет все это сказать - иначе получится голосовое на 4х 3. Акустика и микс прямо в промпте 🚬 "в микрофоне слышен ветер, комната 10 кв метров", "громко говорит в огромном храме со сводами 20м в высоту" - модель может прикинуть пространство вокруг по тому, что видела в обучении. Seedance 2.0 делает видео и звук одним проходом, и ей можно задать приоритет слоев по громкости: dialogue clean and prominent, music low, ambient subtle, чтобы не было каши 4. Липсинк лучше работает на крупном плане 💄 Для говорящего персонажа лучше средний/крупный план, статичная камера, лицо анфас или в три четверти. На общем плане губам не хватает разрешения и они начинают жить своей жизнью 5. Пишите как говорят, а не как пишут 😁 Никаких коротких предложений, можно вставлять слова-паразиты и мычания, вдохи/выдохи, без сложной пунктуации, но вот троеточия и тире - отлично 6. Шепот - читерский прием 😳 В ElevenLabs v3 работают аудиотеги: [whispers], [sighs], [laughs], [clears throat]. "Another long day [sighs]" звучит как живой человек. А на шепоте почти не слышно артефактов синтеза - если голос палится, переведите сцену в шепот. Аудиотэги причем анализируются можно писать кастомные, также есть режим, где модель накидывает их на текст за вас 7. Пост-обработка • срезать 2-4 кГц (тот самый AI-звон) • room reverb 5-10% wet, добавляется акустика помещения • наложить фоновый шум в зависимости от бекгрануда на примерно -50 дБ, чтобы голос не звучал как в студии • войс морферы типа телефонный звонок, плохой микрофон (но с очень маленькой интенсивностью) Я бы сказала, что промпт надо писать как художественный текст с эпитетами, а не сухой алгоритм действий - будет сочнее и натуральнее. Постпроцессинг смотреть по ситуации, но базово - убирать полированность и де-идеализировать 🤣 пару примеров скину в комментарии @neural_prosecco