veiki visi! Gal kas turite minčių ar veikiančių sprendimų, kaip suteikti AI agentui (ar coding assistantams, pvz., Claude Code / kitoms aplinkoms) galimybę išgirsti balso intonaciją?
Esmė: kuriu personažo balsą per ElevenLabs. Noriu, kad AI galėtų realiai išgirsti mano balso pavyzdį (arba kaip aš pakeliu intonaciją, kokį skambesį noriu pasiekti), nes dabar jis „mato“ tik tekstą ir neturi jokio konteksto iš to, kaip tai turėtų skambėti emociškai. Nesuprantu, kaip jis pats iš savęs išvis taip neblogai pagauna lietuvišką intonaciją (būtų apie 8/10), bet noriu pasiekti tobulą rezultatą. Net naudojant ne LT balso biblioteka. (kuri skurdoka)
Ar tam reikia kokio nors MCP (Model Context Protocol) serverio su audio įvestimi, spec. API integracijos, ar egzistuoja kiti workflow būdai, leidžiantys paduoti audio failą / tiesiogiai įtraukti balsą į kontekstą, kad agentas suprastų norimą intonaciją? Būsiu dėkingas už idėjas!
Esmė: kuriu personažo balsą per ElevenLabs. Noriu, kad AI galėtų realiai išgirsti mano balso pavyzdį (arba kaip aš pakeliu intonaciją, kokį skambesį noriu pasiekti), nes dabar jis „mato“ tik tekstą ir neturi jokio konteksto iš to, kaip tai turėtų skambėti emociškai. Nesuprantu, kaip jis pats iš savęs išvis taip neblogai pagauna lietuvišką intonaciją (būtų apie 8/10), bet noriu pasiekti tobulą rezultatą. Net naudojant ne LT balso biblioteka. (kuri skurdoka)
Ar tam reikia kokio nors MCP (Model Context Protocol) serverio su audio įvestimi, spec. API integracijos, ar egzistuoja kiti workflow būdai, leidžiantys paduoti audio failą / tiesiogiai įtraukti balsą į kontekstą, kad agentas suprastų norimą intonaciją? Būsiu dėkingas už idėjas!