第 9 课：配音生成

📌 学习目标：学会为不同角色生成自然配音，掌握音色选择和情感表达 ⏱️ 预计时长：20 分钟 🎯 本节节奏：TTS 工具选择 → 音色配置 → 情感控制 → 后处理

---

一、TTS 工具对比

工具	音色自然度	多角色支持	中文效果	价格	上手难度
ElevenLabs	★★★★★	6 种音色	★★★★	$1/月起	中
火山引擎 TTS	★★★★	多种音色	★★★★★	免费额度	低
剪映文本朗读	★★★	有限	★★★★	免费	极低

推荐：日常用剪映免费搞定，追求质量用 ElevenLabs 或火山引擎。

---

二、音色分配原则

每个角色分配一个固定音色，贯穿整部剧：

角色	推荐音色	理由
主角（年轻男性）	稳重男声（如 ElevenLabs 的 "Adam"）	贴近主角性格
主角（年轻女性）	明亮女声（如 "Bella"）	清新有活力
旁白	低沉男声	客观叙述感
反派/神秘人	沙哑男声	有压迫感
年长角色	老年男声/女声	区分年龄

关键原则：同一个人物从头到尾用同一个音色。

---

三、操作步骤（以 ElevenLabs 为例）

Step 1：注册并选择音色

1. 访问 elevenlabs.io，注册账号
2. 进入 Library，浏览音色列表
3. 试听各个音色，为每个角色选定一个
4. 将选定的音色命名为角色名（方便识别）

Step 2：输入台词生成

1. 选择对应角色的音色
2. 粘贴台词文本
3. 调整语速（默认 1.0）：
   • 紧张/恐惧：0.8-0.9（放慢）
   • 愤怒/兴奋：1.1-1.2（加快）
   • 平静/悲伤：0.9-1.0
4. 点击生成，预览效果
5. 满意后下载 MP3

Step 3：批量生成

按剧本顺序逐个生成，保存到 assets/audio/ 目录：

assets/audio/
├── 01_chenmo.mp3    # 陈默的台词
├── 02_narrator.mp3  # 旁白
├── 03_chenmo.mp3    # 陈默的下一句
└── ...

---

四、用标点符号控制情感

TTS 模型会根据标点符号自然调整停顿和语调：

标点	效果
句号 。	正常停顿，语调下降
问号 ？	上扬，表示疑问
感叹号 ！	加重语气
省略号 ……	拖长尾音，表示犹豫/恐惧/悲伤
破折号 ——	明显停顿或声音拉伸
逗号 ，	短暂停顿

实操示例：

平静版本："我想知道这是谁"
恐惧版本："我……我想知道……这是谁……"
愤怒版本："告诉我你是谁！！"

---

五、操作技巧

技巧 1：先试一句，满意再批量

选定音色后，先用第一句台词测试：

• 音色是否合适？
• 语速是否需要调整？
• 情感是否到位？

满意后再批量生成其他台词。

技巧 2：长段落拆短

TTS 对短句的处理比长句更自然。如果一段台词超过 30 字，拆成多句生成，后期拼接。

技巧 3：保留自然的呼吸声

有些 TTS 工具支持生成带呼吸声的版本，可以让配音更自然。如果工具支持，开启这个选项。

技巧 4：不满意就换音色

第一版音色不满意很正常。多试几个音色，找到最适合角色的那个。

---

六、配音与画面的对齐

生成完所有音频后，需要确保每个音频片段和对应的分镜画面时间对齐。

手动对齐（剪映）

1. 打开剪映，导入所有分镜图片和配音音频
2. 将音频拖到时间轴
3. 根据音频时长调整图片的显示时长
4. 检查每个镜头的配音是否和画面匹配

自动对齐（脚本）

如果音频文件名按顺序命名（如 01_xxx.mp3），可以用脚本自动对齐：

# 思路：按音频顺序依次排列图片，每张图片的时长等于对应音频的时长
for i, (image, audio) in enumerate(zip(images, audios)):
    duration = get_audio_duration(audio)
    add_to_timeline(image, duration)

---

七、常见问题

Q: 配音听起来太机械怎么办？ A: 1) 在台词中加入更多标点符号引导情感；2) 尝试不同的音色；3) 适当调整语速。

Q: 不同角色的音色区分不明显？ A: 选择差异更大的音色组合，比如一个偏亮、一个偏沉。

Q: 某句台词效果不好，只想重新生成这句？ A: TTS 通常是按句生成的，单独重新生成那一句即可，不影响其他。

---

八、本章小结

要点	说明
选音色	每个角色固定一个音色
写台词	用标点符号引导情感
调语速	根据情绪调整（紧张慢、兴奋快）
先测试	第一句满意再批量
对时间	确保配音和画面时长匹配

---

下节课：第 10 课：视频合成与后期