引言
AI 漫劇可以忍受粗糙背景，卻很難忍受讓人分不清角色的聲音。場景裡有三個人，但沒人把聲音綁到對應的角色資產上，於是兩個角色說話是同一種語氣；女主沒有建成一個持續複用的角色資產，臉和年齡感在鏡頭之間跟著變；也沒人說得清哪條配音才是稽核透過的那條。即使畫面還不錯，剪輯也會像後期硬拼起來的。
多角色文字轉語音需要在最終影片前先做劇本優先的計畫。打開 創作世界，用 AI 短劇指南 把對白和鏡頭卡綁在一起，再透過 人物三視圖 連接常駐角色，讓同一張臉承載同一套聲音邏輯。
每個角色都要有一條聲音軌道：說話人 ID、年齡感、聲線質感、語速、情緒範圍、發音備註和連續性警示。然後分鏡表再決定哪些台詞需要對口型，哪些台詞放在反應鏡頭上，哪些地方該用沉默穩住節拍。
為什麼聲音需要自己的軌道
聲音不是音訊裝飾。它告訴觀眾誰掌控局面，誰在說謊，誰在藏痛，誰發生了變化。AI 漫劇節奏快，聲音承擔的上下文有時比解釋性台詞更多。
聲音軌道能穩住表演。它定義角色在中性、憤怒、害怕、開玩笑、低聲耳語或崩潰時聽起來是什麼樣。它也定義哪些不該變：年齡感、口音選擇、說話速度、氣息感、音高範圍和情緒天花板。
聲音軌道也能避免說話人混亂。如果劇本裡三位女性角色同處一室，生成前就需要說話人 ID 和清楚不同的表演備註。「女聲 1」和「女聲 2」不夠用。每條聲音都應該匹配角色的身分、地位和情緒功能。
對白位置同樣重要。有些台詞應該讓角色出鏡說。有些放在聽者的反應鏡頭上更有力。有些應該在角色進場前從畫外先響起。如果影片做完後才補 TTS，剪輯裡可能沒有足夠的靜默或正臉時間承接表演。
劇本優先的 TTS 流程
先從劇本中提取所有對白。保留說話人名字、括號裡的表演提示、停頓、打斷和情緒上下文。不要把台詞壓平成人聲旁白。
為常駐角色建立聲音軌道。每條軌道寫清楚說話人 ID、基礎聲線、語速、情緒範圍、壓力下的反應、發音備註和禁止跑偏。把聲音軌道和視覺角色資產庫裡使用的同一個角色 ID 綁起來。
標註台詞位置。決定每句台詞是出鏡、畫外、旁白、電話音、回憶音，還是壓在反應鏡頭下。這會影響鏡頭長度和機位。
最終影片前先生成草稿聲音。粗配音能提前暴露這場戲需要更長停頓、更少台詞或不同的分鏡順序。在精修算圖前修時間，比之後補救便宜。
跨場景審核聲音。聽連續性。女主到第三場聽起來還是同一個人嗎？反派的公開聲線和私下聲線是有意區分的嗎？情緒峰值有沒有落在正確時刻？
最終成片前先通過聲音審核。最終影片應該服務已經確認的表演，而不是強行讓聲音去貼隨機剪出來的片段長度。
讓聲音匹配鏡頭覆蓋
同一句台詞會因為功能不同，需要不同的影片覆蓋。告白可能要落在說話人的臉上，因為嘴、眼神和呼吸都重要。謊言可能更適合壓在聽者反應上，因為觀眾需要看到懷疑形成。威脅台詞可以先從畫外響起，讓入場更有重量。
這些都要在 TTS 定稿前規劃。如果台詞出鏡，鏡頭就需要足夠穩定的正臉時間和適合對口型的構圖。如果台詞在畫外，鏡頭可以專注手部、道具或反應。如果台詞來自電話，聲音軌道可以加入壓縮或距離備註，但不要改變說話人的身分。聲音規劃本質上也是機位規劃。
所以多角色 TTS 應該放在製作流程裡，而不是最後補上去。聲音會告訴剪輯哪裡該呼吸。
範例 1：聲音軌道規格
為這集 AI 漫劇建立多角色 TTS 聲音軌道。
角色：
MAYA，27 歲，外送員，高壓下保持克制，隱藏悲傷。
LEO，30 歲，丈夫，防禦時仍顯得溫和，迴避直接回答。
AVA，26 歲，妹妹，公開場合語氣明亮，私下憤怒尖銳。
請為每個角色輸出：
- 說話人 ID
- 基礎聲線描述
- 語速和停頓規則
- 情緒範圍
- 台詞表演風險
- 發音備註
- 禁止跑偏
- 一句中性台詞和一句情緒台詞的表演示例
規則：
除非劇本明確要求偽裝、電話失真或回憶音訊，否則每條聲音軌道都要跨場景保持穩定。
這會在剪輯這一集之前先建立聲音連續性。
範例 2：對白時間計畫
場景：電梯對峙
台詞計畫：
LEO，畫外，低聲防禦性語速：
"你不該看到那個。"
位置：從 Maya 手握合約的特寫開始。暫時不要露出 Leo。
MAYA，出鏡，安靜克制的聲音：
"這是你今晚說的第一句實話。"
位置：緊特寫，在「實話」前停頓 0.4 秒。
AVA，電話擴音，明亮語氣轉冷：
"Maya，你現在和他在一起嗎？"
位置：電話音壓在 Maya 的反應鏡頭下。輕微壓縮，提示聲音來自電話。
剪輯規則：
Ava 的台詞結束後留 0.7 秒靜默，再打開電梯門。
這個計畫把聲音、機位和剪輯節奏綁在一起。
範例 3：聲音連續性審核
審核這版多角色 TTS 草稿的連續性。
場景：
S01 公寓發現
S02 電梯對峙
S03 天台決定
檢查：
1. MAYA 在所有場景裡都保持同一條低沉、克制的聲音。
2. MAYA 的情緒崩口只出現在 S03，不出現在 S01。
3. LEO 在 S02 的防禦性語速變快，但年齡和音高身分不變。
4. AVA 的電話聲在壓縮後仍然能被認出。
5. 反應鏡頭之間沒有說話人軌道互換。
6. 停頓給計畫中的特寫留出足夠空間。
這類審核能在最終合成前抓住聲音跑偏。
常見踩坑
最大的坑，是剪輯鎖死後才生成聲音。對白時間應該塑造剪輯，而不是和剪輯硬撞。
另一個坑，是給相似角色使用相似聲音。一個演員陣容需要在語速、質感、節奏和情緒反應上有對比。
創作者也常忘記畫外台詞。畫外聲音可以製造張力，但它仍然必須綁定說話人 ID。
最後，不要每句都演到爆。AI 漫劇需要峰值，也需要克制。如果每句都像高潮，真正的高潮就沒地方上去了。
FAQ
AI 漫劇需要多少條聲音軌道？
每個常駐說話角色一條。如果劇本需要旁白、電話音、回憶音或偽裝聲，也要單獨建軌道。
應該在影片前還是影片後生成聲音？
最終影片前先生成草稿聲音。它能幫助確定鏡頭長度、反應節奏、停頓和剪輯點。
怎麼讓跨集聲音保持一致？
重複使用說話人 ID、聲線描述、語速規則、發音備註和情緒上限。最終混音前，把新台詞和已審核聲音軌道逐條對照。
