口播配音制作
一句话主餐
已有文案需要可用配音时,把文字改成可朗读稿、解决数字术语读法并先做短段试音;有工具交音频,无工具交可直接导入的制作包且明确未渲染。
输入
优先使用已提供正文、截图、草稿与记录,不要求重复整理。
- 原文案。
- 用途受众。
- 目标时长。
- 语言口音。
- 情绪节奏。
- 术语读法。
- 可用音频工具。
- 导出格式。
材料处理规则
- 明确区分材料事实、用户陈述、合理推断和未知信息。
- 只追问会改变当前做法的缺口,其他缺口写入交付边界。
- 附件读不到时说明具体缺失,允许粘贴相关片段继续。
- 不编造用户经历、外部访问状态或工具执行结果。
- 演示必须标为纯模拟,不称为真实材料脱敏。
- 私人材料留在当前任务,不混入通用安装包。
会改变本轮做法的缺口
只追问工作流中会切换分支的字段;其余未知保留,不用完整问卷阻止已有材料产出。 外部访问失败只说明实际失败,不将“没有读取”写成“已核实无权限”。
核心判断
- 纯文本稿、带导演标记稿和音频文件分开,括号里的指导语不能误读进正文。
- 目标时长先估算,渲染后才叫实测;不以字数估时冒充文件时长。
- 价格、时间、产品名和法律承诺不能为顺口擅改;更改数字读法必须保持含义。
- 真人音色仅在有相应授权且用途允许时使用;不能做冒充他人身份的配音。
- 工具支持什么参数以当前官方文档为准;不把某引擎的 SSML 当成通用能力。
编号工作流
1. 锁定交付规格
读取用途、受众、原稿、目标时长、语言口音、音色需求与导出格式。
未给格式时先保留待确认,不为未选工具伪造采样率和音色编号。
抽取不可改事实及高风险读法:数字、日期、缩写、多音字、品牌。
确认可用语音工具及是否能回听;无工具直接走制作包分支。
产出规格卡和待确认读法表,音色授权有缺口时改用普通合成音色建议。
2. 准备口播纯文本
按呼吸长度拆句,删掉只适合阅读的层级标签,保留事实和必要语义。
数字换成实际读法:数量、年份、编号分别处理,不把编号读成数量。
专名读法不明就标待确认;不要将猜测发音写为已核准。
同时保存纯文本与单独的段落导演表,重音和停顿标记不进入纯文本。
产出按段编号脚本及原稿到改稿的事实核对清单。
3. 设计可比较试音
先挑含数字、术语或情绪转折的短段,不先生成全稿再找问题。
A版自然说明,B版只改变一个参数,如更慢或更明确重音。
有引擎则使用支持的参数名与取值;无引擎用可交给操作者的自然语言指令。
估时可按字数除以假定每分钟字数,加停顿;外语单独估算并注明假设。
产出两版差异表、短段文本和预计时长范围。
4. 渲染短段并确认
调用获授权工具生成短段,保留实际返回文件、参数及错误信息。
能回听时按原文逐句检查错字、漏字、专名、停顿和尾音;不能回听则明确未试听。
反馈用“第几段、哪一个词、希望怎样读”记录,不只收“怪怪的”。
参数报错先查支持列表,删除不支持标签;不重复盲试全稿。
产出真实试音或未渲染试音包,只有确认读法和风格后才扩到全稿。
5. 生成全稿和检查音频
按已确认配置渲染;长稿逐段命名,保留拼接顺序并避免跨段漏词。
读取音频元数据记录格式、声道、采样率及实测时长;无法读取的字段写未核验。
可试听时检查开头、段间衔接、数字术语和结尾;响度或削波需实际测量才写通过。
导出要求不符时明确待转换,不把修改扩展名当转码。
产出文件路径与检查表,失败则保留脚本和已成功短段,不伪造下载链接。
6. 控制时长并交付
超时先比较可删冗句与不可删事实,再小幅调整语速;不能为压时长删关键条件。
时长不够先调整自然停顿,用户未授权时不添加产品卖点或事实。
修改后重新渲染并测时,旧实测时长不能沿用到新稿。
交付状态分别标:脚本完成、试音是否生成、全稿是否生成、是否试听、时长是否实测。
用户交回段号与错误类型后只重做受影响段,合并后复核衔接和总时长。
直接交付与下一步
交付纯文本、独立发音表、参数与段落导演表、音频或未渲染包、状态与检查记录。
音频完成要求有真实可访问文件且检查状态如实;制作包完成不等于配音已生成。
无工具时用户可将纯文本粘贴进自选 TTS,单独设置语速;不要把导演表粘贴进朗读区。
先处理一段试音再全文;下一轮交回音频或明确段号、读错词、期望读法。
核心受限项写清:当前无法生成音频或无法试听;不得声称已达到可播出音质。
输出为可复制 Markdown 或用户指定且当前可生成的文件;只有真实写出文件后才报告路径。
模拟执行及本轮缺陷回归见 references/review-validation.md;不得把模拟结果当成真实用户反馈。
外部参考与延展
触发:SSML 标签被读出、数字持续误读、语速调整导致失真、导出规格不匹配。
入口:所选语音服务官方 TTS、SSML、音色授权和导出格式文档;音频格式查所用编码器官方说明。
比较当前引擎对 phoneme、say-as、break、prosody 的实际支持与语言范围;不跨引擎复制参数。
采用能解决同一错读或时长问题且不改变事实的机制;不因音色热门就更换授权范围不清的声音。
先在同一风险短段比较纯文本读法与引擎标签,检查兼容性和听感,再接入全稿;不可试听时把确认工作交给用户并标未核验。
研究前先读已有材料;已有依据能解决当前问题时直接交付,不重复检索。
运行时若采用新机制,说明它改动哪一步和如何验证;不能仅附链接充当研究。
保存通用改进时同步说明与受影响示例;个人偏好留在个人任务,不默认推广。