AI 角色聲音怎麼捏？人物卡模板 + 20 個可直接改的角色聲線

別再從音色庫裡一條條試。角色聲音最穩定的做法，是把它寫成一張人物卡：先從人設推底模，再加一筆只屬於這個人的細節，最後鎖定為可複用資產。

先別急著選音色庫

只從音色庫裡試聲音，最大的問題是角色會漂。第一集你選到一個「低沉男聲」，第二集又因為台詞情緒不同換成另一個「溫柔男聲」，聽眾很快會覺得角色換人了。

更穩的做法是先寫人物卡。人物卡不是長設定，而是把聲音拆成幾塊可複用資訊：

角色設定：這個人是誰，處在什麼關係和處境裡。
音色：年齡層、性別表達、音域、顆粒感、氣聲、距離感。
說話方式：語速、停頓、重音、句尾、情緒控制方式。
場景：此刻對誰說、在哪裡、身體狀態和心理狀態。
台詞：真正要生成的那一句或那一段。

音色決定「像誰」，說話方式決定「怎麼演」。只寫音色，模型容易朗讀；加上說話方式，聲音才開始有角色行為。

人物卡欄位怎麼寫

人物卡最有用的地方，是把「角色設定」和「可生成的聲音指令」分開。前者幫你判斷方向，後者才會真正影響模型輸出。

角色設定寫關係，不寫履歷。優先寫他和聽眾是什麼關係、現在有什麼壓力、為什麼說這句話。
音色寫可聽見的特徵。年齡層、音域、明暗、顆粒感、氣聲和距離感都可以寫；抽象詞要落到聲音上。
說話方式寫行為。停頓放在哪裡、哪些詞加重、句尾收住還是上揚，比單純換音色更重要。
場景寫當下限制。耳語、電話、審訊室和深夜走廊裡，同一個角色的聲音不會一樣。
台詞保留一個表演目標。安撫、試探、威脅、道歉、撒嬌或下命令，一段最好只做一件事。

如果這張卡刪掉台詞後，仍然能讓另一個人想像出角色怎麼說話，它就是可複用的；如果只能看出劇情設定，說明還沒寫到聲音層。

三步捏出一條角色聲線

從人設定底模

社會人格決定音量和句尾，人生經歷決定沙啞度和氣聲，職業/身份決定咬字和節奏。

只加一筆記憶點

反差、口癖、標誌性發聲三選一，最多兩筆。寫多了，聲音會變成四不像。

鎖進人物卡複用

【音色】【風格微調】跨集不動，每次只改【場景】【台詞】。這就是角色不換人的最低成本。

從人設推聲音的 4 條規則

沒有現成模板時，先從人設反推聲音，而不是先在音色庫裡盲選。

社會位置決定音量和禮貌度。上位者更少解釋，請求者會有更多緩衝詞、停頓和試探。
身體狀態決定呼吸和速度。疲憊、病弱、緊張、剛哭過，都應體現在氣息、停頓和咬字上。
關係遠近決定距離感。對熟人會省略、打斷、壓低聲音，甚至只說半句。
衝突方式決定情緒洩漏。有些角色直接爆發，有些角色越生氣越禮貌。先決定情緒是否外露。

如果身份、身體狀態、關係和衝突方式都沒有進入聲音指令，生成結果通常只會像普通旁白。

複製時用這個完整格式

【角色設定】沈硯，世家公子，表面清冷自持，久病纏身，今夜自知撐不久。他不是天生溫柔，是為了你才肯軟下來。
【音色】成年男性，低沉沙啞、氣聲偏多，近場耳語距離。語速緩慢、停頓長、呼吸清晰可聞。
【風格微調】越虛弱越帶笑意；喚名字前有半拍停頓。
【場景】深夜，燭火將盡的臥房，窗外初雪。他把伏在膝邊啜泣的人輕輕拉進懷裡。
【台詞】噓……別哭。來，再靠近些，我冷。