Jag trodde att stations-ID skulle vara den lätta delen.
Stationsjinglar och korta identar blev ett återkommande testområde. Själva texten kan vara några få ord, men den måste uttalas rätt, ligga rätt i nivå och dyka upp lagom ofta.
Jag testade fonetisk stavning, olika pauser och olika sätt att skriva stationsnamnet. Jag lärde mig snabbt att en lösning som fungerar för en fras inte automatiskt fungerar för nästa.
Det ledde till att jag började separera tre problem som först såg ut som ett:
- Texten: vad ska sägas?
- Uttalet: hur ska det skrivas för röstmotorn?
- Placeringen: när ska det höras i förhållande till musiken?
Den uppdelningen är idag självklar i Relay Seven, men den kom från att samma korta jingle kunde vara korrekt i ett lager och fel i nästa.
Uttalsproblemen blev en försmak av hela AI-arkitekturen
Jingleförsöken lärde mig att text och ljud inte är samma sak. En text kan vara perfekt skriven och ändå produceras på ett sätt som låter fel. Det är därför jag senare undvek att blanda voice style, uttalsknep och faktainnehåll i samma lager.
Jag vill att Kontrollcenter bestämmer vilket innehåll som är korrekt. Westin-AI bestämmer hur det ska produceras enligt en styleprofil. Om ett särskilt ord kräver en uttalsform ska den hanteras som uttalsdata, inte som en kreativ omskrivning av hela meningen.
Den separationen gör det också lättare att byta teknik under röstmotorn utan att ändra showlogiken.