引言
AI 漫剧可以忍受粗糙背景，却很难忍受让人分不清角色的声音。场景里有三个人，但没人把声音绑到对应的角色资产上，于是两个角色说话是同一种语气；女主没有建成一个持续复用的角色资产，脸和年龄感在镜头之间跟着变；也没人说得清哪条配音才是审核通过的那条。即使画面还不错，剪辑也会像后期硬拼起来的。
多角色文本转语音需要在最终视频前先做剧本优先的计划。打开 创作世界，用 AI 短剧指南 把对白和镜头卡绑在一起，再通过 人物三视图 连接常驻角色，让同一张脸承载同一套声音逻辑。
每个角色都要有一条声音轨道：说话人 ID、年龄感、声线质感、语速、情绪范围、发音备注和连续性警报。然后分镜表再决定哪些台词需要对口型，哪些台词放在反应镜头上，哪些地方该用沉默稳住节拍。
为什么声音需要自己的轨道
声音不是音频装饰。它告诉观众谁掌控局面，谁在撒谎，谁在藏痛，谁发生了变化。AI 漫剧节奏快，声音承担的上下文有时比解释性台词更多。
声音轨道能稳住表演。它定义角色在中性、愤怒、害怕、开玩笑、低声耳语或崩溃时听起来是什么样。它也定义哪些不该变：年龄感、口音选择、说话速度、气息感、音高范围和情绪天花板。
声音轨道也能避免说话人混乱。如果剧本里三个女性角色同处一室，生成前就需要说话人 ID 和清晰不同的表演备注。"女声 1" 和 "女声 2" 不够用。每条声音都应该匹配角色的身份、地位和情绪功能。
对白位置同样重要。有些台词应该让角色出镜说。有些放在听者的反应镜头上更有力。有些应该在角色进场前从画外先响起。如果视频做完后才补 TTS，剪辑里可能没有足够的静默或正脸时间承接表演。
剧本优先的 TTS 流程
先从剧本中提取所有对白。保留说话人名字、括号里的表演提示、停顿、打断和情绪上下文。不要把台词压平成人声旁白。
为常驻角色创建声音轨道。每条轨道写清说话人 ID、基础声线、语速、情绪范围、压力下的反应、发音备注和禁止跑偏。把声音轨道和视觉角色资产库里使用的同一个角色 ID 绑起来。
标注台词位置。决定每句台词是出镜、画外、旁白、电话音、回忆音，还是压在反应镜头下。这会影响镜头时长和机位。
最终视频前先生成草稿声音。粗配音能提前暴露这场戏需要更长停顿、更少台词或不同的分镜顺序。在精修渲染前修时间，比之后补救便宜。
跨场景审核声音。听连续性。女主到第三场听起来还是同一个人吗？反派的公开声线和私下声线是有意区分的吗？情绪峰值有没有落在正确时刻？
最终成片前先通过声音审核。最终视频应该服务已经确认的表演，而不是强行让声音去贴随机剪出来的片段时长。
让声音匹配镜头覆盖
同一句台词会因为功能不同，需要不同的视频覆盖。告白可能要落在说话人的脸上，因为嘴、眼神和呼吸都重要。谎言可能更适合压在听者反应上，因为观众需要看到怀疑形成。威胁台词可以先从画外响起，让入场更有重量。
这些都要在 TTS 定稿前规划。如果台词出镜，镜头就需要足够稳定的正脸时间和适合对口型的构图。如果台词在画外，镜头可以专注手部、道具或反应。如果台词来自电话，声音轨道可以加入压缩或距离备注，但不要改变说话人的身份。声音规划本质上也是机位规划。
所以多角色 TTS 应该放在制作流程里，而不是最后补上去。声音会告诉剪辑哪里该呼吸。
示例 1：声音轨道规格
为这集 AI 漫剧创建多角色 TTS 声音轨道。
角色：
MAYA，27 岁，配送员，高压下保持克制，隐藏悲伤。
LEO，30 岁，丈夫，防御时仍显得温和，回避直接回答。
AVA，26 岁，妹妹，公开场合语气明亮，私下愤怒尖锐。
请为每个角色输出：
- 说话人 ID
- 基础声线描述
- 语速和停顿规则
- 情绪范围
- 台词表演风险
- 发音备注
- 禁止跑偏
- 一句中性台词和一句情绪台词的表演示例
规则：
除非剧本明确要求伪装、电话失真或回忆音频，否则每条声音轨道都要跨场景保持稳定。
这会在剪辑这一集之前先建立声音连续性。
示例 2：对白时间计划
场景：电梯对峙
台词计划：
LEO，画外，低声防御性语速：
"你不该看到那个。"
位置：从 Maya 手握合同的特写开始。暂时不要露出 Leo。
MAYA，出镜，安静克制的声音：
"这是你今晚说的第一句实话。"
位置：紧特写，在"实话"前停顿 0.4 秒。
AVA，电话扬声器，明亮语气转冷：
"Maya，你现在和他在一起吗？"
位置：电话音压在 Maya 的反应镜头下。轻微压缩，提示声音来自电话。
剪辑规则：
Ava 的台词结束后留 0.7 秒静默，再打开电梯门。
这个计划把声音、机位和剪辑节奏绑在一起。
示例 3：声音连续性审核
审核这版多角色 TTS 草稿的连续性。
场景：
S01 公寓发现
S02 电梯对峙
S03 天台决定
检查：
1. MAYA 在所有场景里都保持同一条低沉、克制的声音。
2. MAYA 的情绪崩口只出现在 S03，不出现在 S01。
3. LEO 在 S02 的防御性语速变快，但年龄和音高身份不变。
4. AVA 的电话声在压缩后仍然能被认出。
5. 反应镜头之间没有说话人轨道互换。
6. 停顿给计划中的特写留出足够空间。
这类审核能在最终合成前抓住声音跑偏。
常见踩坑
最大的坑，是剪辑锁死后才生成声音。对白时间应该塑造剪辑，而不是和剪辑硬撞。
另一个坑，是给相似角色使用相似声音。一个演员阵容需要在语速、质感、节奏和情绪反应上有对比。
创作者也常忘记画外台词。画外声音可以制造张力，但它仍然必须绑定说话人 ID。
最后，不要每句都演到爆。AI 漫剧需要峰值，也需要克制。如果每句都像高潮，真正的高潮就没地方上去了。
FAQ
AI 漫剧需要多少条声音轨道？
每个常驻说话角色一条。如果剧本需要旁白、电话音、回忆音或伪装声，也要单独建轨道。
应该在视频前还是视频后生成声音？
最终视频前先生成草稿声音。它能帮助确定镜头时长、反应节奏、停顿和剪辑点。
怎么让跨集声音保持一致？
复用说话人 ID、声线描述、语速规则、发音备注和情绪上限。最终混音前，把新台词和已审核声音轨道逐条对照。
