AI 角色音色：从预置库匹配，带试听可换

为什么是匹配，不是逐角色生成

逐角色「设计」一个声音听起来更定制，实际有两个问题：一是每个声音都要占一次上游的音色槽位、成本按角色数线性涨；二是生成出来的音色不可试听、不可预期，改一次就得再花一次钱。

预置库的做法相反：库里的每个音色都预先合成好一段 3 到 8 秒的样本，你在选择器里点开就能听，选定即用。挑错了换一个，零成本。

默认不配音色，用文字描述

缺省状态下系统不会自动给全员配音色。这是刻意的：没有配音色时，视频链路会回落到角色的文字音色描述（「低沉、语速偏慢、尾音带一点沙」），由视频模型自己决定声音，通常已经够用，而且不会因为匹配错了反而更糟。

你可以随时给某个角色匹配一个具体音色：在人物库里点「匹配音色」，或在音色选择器里自己挑、边听边选。

三种做法，按需要选

• 文字描述（默认）——写清楚声音的质感、语速、口音，交给视频模型
• 预置音色——从库里挑一个，跨集稳定，适合主角
• 上传自己的——传一段你自己的录音当参考（会员功能）

三种可以混用：主角用预置音色锁住，配角用文字描述就行。

声音是和画面一起生成的

这一点和传统流程不同：语音不是后期配上去的，是视频模型在生成画面时一起出的。所以台词写在分镜里、音色标记跟着说话人走，出片时它们会被一起送进去。

由此带来两条纪律：非说话人会被标注闭唇，画外音的那几镜画面里的人都闭着嘴 —— 否则你会得到一屋子嘴在动却没声音的人。

常见问题