AI 配音：短剧与讲解视频的声音怎么出

音色定身份，参数定语气

音色负责让观众知道这是谁，参数负责让观众知道这句是什么情绪。两者混着调，永远调不准。多角色时更明显：5 个角色用 5 个音色，观众反而分不清。因为音色是最表面的差异，记不住。真正拉得开的是语速、音高区间、句尾习惯这三样。文镜画师的配音面板按这两层分开设，摹映空间也支持按角色存预设。

对齐靠三个点，不靠整段挪

音画不同步，多数人整段往前挪两帧，结果前后两段又不对。原因是句子长短不一，整段平移只对一个点有效。正确做法是找 3 个对齐点：起句卡动作开始、落点卡动作结束、停顿留给切镜。三个点对上，中段自然就对齐了。误差控制在 0.2 秒以内，观众看不出来。超过半秒，整条片子都像后期配的。

混音只做三层

人声、音乐、环境声，三层各占一个位置。人声必须最清楚，音乐要给中频让路，环境声只做填充。调大人声却还是听不清，问题在音乐占了中频，不在音量。验收只有一个标准：手机外放、1 倍速、不看字幕，能听清八成台词。耳机里清楚的混音，外放常常是糊的。文镜画师的成片导出前就该按这个标准听一遍。

下面按音色、情绪、多角色、对齐、混音排：先定谁在说话，再定这句怎么说，然后解决多人和对齐，收尾是混音。配音救不了一个写得很平的台词，那是剧本的事。刚上手先看多角色和对齐那两篇，它们决定观众能不能跟住。