AI角色配音生成器：怎麼建立角色聲音並保持一致性

簡介

你生成了告白場景，聲音完美：低沉、猶豫，最後一個字都快要崩了。下一個場景生成出來，她聽起來像個電臺播音員。同一個角色，同一個生成器，換了一天。觀眾聽到的不是「模型有波動」，而是「這是另一個人」，整部劇最核心的東西就斷了——那個讓角色成為角色的東西。

AI角色配音生成器能產出一個聲音。讓它成為角色的聲音，是個工作流問題：聲音要定義一次、繫結到角色上、每次用同樣的方式為每句臺詞做導演。這篇指南講的就是怎麼在ArcLoop裡做到這一點——從在資產上定義聲音，到用狀態和場景為臺詞做導演，到為任務選對模型，再到在Edit時間軸上把聲音和麵孔放在一起審。

聲音住在哪裡

在ArcLoop裡，一個character asset不只存著臉。把角色聲音和Main image、參考圖一起Bind到資產上，每個引用@Mira的shot就會拉取同一個聲音，就像拉取同一張臉一樣。聲音成了身份的一部分，而不是每個clip單獨設定的引數。

這有一個實際影響：在需要用到之前就定義好聲音。一個在第四集才確定聲音的角色，聽起來是後裝上去的，因為前三集都是靠猜。在搭建資產的時候就選好聲音，和做人設三檢視是同一個環節。

如果你想快速從庫裡選一個聲音，AI角色配音生成器工具頁面會帶你選聲音、貼上臺詞、為表演做導演；這篇文章是用在系列作品裡的版本。

讓聲音穩下來的幾條規則

• 每個角色一份聲音檔案，寫下來。 感知年齡、音高、語速、音色、聲音在哪裡會裂開。寫在資產的描述裡；聲音提示詞指南涵蓋了各個欄位。
• 為狀態做導演，不要用形容詞。 「悲傷」是個平均值。「試圖保持安靜，憤怒在最後幾個字裡崩開」才是一場表演。
• 每句臺詞都帶上它的場景。 她在哪裡、在和誰說話、她在隱瞞什麼。模型會表演這個語境。
• 同一個角色在整季裡用同一個模型。 中途換引擎是最快讓聲音變成另一個人的辦法。
• 把聲音和臉放在一起審，不要單獨聽。 單獨聽起來沒問題的臺詞，放在它對應的表情上可能是錯的。

怎麼一步步搭建和使用角色聲音

1. 在我的資產裡，在character asset上寫聲音檔案：年齡、音色、語速、質感、情緒範圍、一個標誌性習慣（「撒謊時會把詞尾咬掉」）。
2. 把角色聲音Bind到資產上。 從庫裡選或者自己塑造一個；它現在是@Mira的一部分了。
3. 根據任務選引擎。 Seed Audio 1.0適合表演場景，情緒需要在臺詞內部流動；ElevenLabs適合穩定、可複用的表達，支援[whispers]或[crying]這樣的標籤。配音對比有詳細拆分。每個角色選一次，定下來。
4. 在shot card上為每句臺詞寫好狀態和場景：她在和誰說話、她想要什麼、聲音在哪裡會裂開。
5. 先生成shot的影片，讓面孔和時間節奏先存在。
6. 在Edit裡執行Generate Voiceover。 臺詞會按對應的shot放在時間軸上。
7. 帶著畫面審。 把shot和聲音一起看；如果表達和表情打架，改臺詞的導演說明，而不是聲音檔案。
8. 跨劇集複用。 資產帶著聲音；新劇集只需要新臺詞。多角色場景可以參考多角色配音一致性指南，裡面講怎麼把不同聲音區分開。

示例1：資產上的聲音檔案

@Mira voice profile: female, reads 26–28, low-medium pitch, slightly dry texture, unhurried pace with short pauses before the words that cost her something. Emotional range: controlled to breaking; never shouts, gets quieter when angry. Signature: clips the ends of words when she is lying, and laughs only on an exhale. Engine: Seed Audio 1.0 for the whole season; do not switch engines for one-off lines.

示例2：對抗場景的臺詞導演說明

Line for @Mira, Shot 9, kitchen, facing @Daniel across the counter, she has already seen the boarding pass. State: calm on the surface, anger under it, trying not to give him the satisfaction. Pace: slower than normal; a full pause before the last word. Line: "How was Osaka." Delivery note: not a question — flat, the period audible, no rise at the end, and no breath before she says it.

示例3：同一個角色，不同場景，同一個聲音

Line for @Mira, Shot 3 of EP4, hospital corridor, alone, on the phone to @Sora. State: exhausted, relieved, close to laughing at herself. Pace: quicker, breath audible, the dry texture stays. Line: "I know. I know. I'm coming home." Delivery note: the third phrase is almost a whisper; keep the pitch where it was in EP1 — same person, worse night.

角色聲音最常見的崩壞方式

• 每個clip單獨選聲音。 每次生成聲音都不一樣。把聲音Bind到資產上。
• 用形容詞做導演。 「情緒化」會產出一個隨機情緒。寫出狀態和場景。
• 中途換引擎。 第五集角色換了一副嗓子。每個角色一個引擎。
• 臺詞是寫給紙面看的。 長句子聲音來不及，只能趕著念。剪到字幕條能裝下的量。
• 沒帶著面孔審。 聽起來沒問題，但配在錯誤的表情上了。在時間軸上審。

常見問題

兩個角色可以共用一個生成的聲音嗎？ 不應該。就算導演說明不同，觀眾也會記住音色。給每個反覆出現的角色一份獨立的檔案和庫裡的選擇。

如果我想要聲音支援多種語言呢？ 保留檔案和導演說明；用同一個引擎為每種語言生成臺詞，這樣角色在不同語種裡聽起來都是同一個人。

導演說明寫多少算過頭？ 如果註釋比臺詞還長，就把註釋剪短。狀態、場景、語速、一個表達細節，夠了。

聲音也適合旁白嗎？ 適合，但旁白是另一個角色。給它獨立的檔案，這樣旁白永遠不會聽起來像主角。

下一步

在ArcLoop裡開啟你主角的資產，用一段話寫下聲音檔案：年齡、音高、語速、質感、在哪裡會裂開、一個習慣。Bind聲音，選好引擎，為一句臺詞寫上狀態和場景。生成出來，配著shot播放，調整導演說明，直到聲音和麵孔是同一個人。