先算清日更条数
一条 30 秒视频的旁白约 150 到 200 字,录音加上重录,一条要 15 到 25 分钟。一天三条就是 1 小时以上,而且全在同一个嗓子上。这个时间还只是录,不含改稿;改一次就得重录一遍,实际常常翻倍。
一天要发超过两条,真人录音就会成为瓶颈。这个瓶颈不会随熟练度消失,只会在状态差的那天集中爆发。判断标准很硬:连续录 3 天,第 3 天还愿不愿意开口录第 10 条。不愿意,就该换方式了,别等到断更才承认。
Why It Works
推文号的旁白承担了大部分叙事。音色对不对,直接决定观众听不听得下去。所以很多人一开始就选真人,录了半个月,断更了,因为嗓子会累、状态会波动、出差就停摆。
判断顺序是反的:先定日更条数,再选方式。一天一条以内,真人的优势能兑现;一天三条以上,只有 AI 配音能撑住不断更。音色差一点可以靠选段和节奏补,断更补不回来。这三步在文镜画师里对应选段、配音和拼片,顺序换不得。
Video Slices
一条 30 秒视频的旁白约 150 到 200 字,录音加上重录,一条要 15 到 25 分钟。一天三条就是 1 小时以上,而且全在同一个嗓子上。这个时间还只是录,不含改稿;改一次就得重录一遍,实际常常翻倍。
一天要发超过两条,真人录音就会成为瓶颈。这个瓶颈不会随熟练度消失,只会在状态差的那天集中爆发。判断标准很硬:连续录 3 天,第 3 天还愿不愿意开口录第 10 条。不愿意,就该换方式了,别等到断更才承认。
真人的优势在断句和情绪:反转处能压住、悬念处能松,AI 常常把这两处念得一样平。如果日更压力不大,为这个差别付录音时间是划算的。
录完之后自己听一遍,能不能听出「这里该快、那里该慢」。听不出,说明真人的优势没发挥,没必要付这个成本。真人的价值全在断句,不在音色本身,音色只是及格线。
补的三件是:固定音色(同一账号只用一到两个)、手动切停顿(按语义切,不按标点切)、每段单独生成(整段一次生成会把长句念糊)。这三件不做,AI 出来的是念稿。念稿和讲述的差别不在音质,在第 3 个字之后有没有换气。
同一账号换了 3 种以上音色,粉丝会认不出是你的号。音色固定这一条没有例外,比音质重要,因为音色是账号的身份,音质只是细节。真要换,换一次就固定下来,别每条都不一样。
先用真人录 3 条,确定音色、语速、断句习惯,再用 AI 克隆或找一个接近的音色接剩下的量。这样既有真人的基准,又不受产能限制。这套接法在摹映空间里可以直接走,配音按段落逐句生成,正好对得上。
混合做法要有验收:把真人那条和 AI 那条交替听,如果听不出接缝,这套就成立。听得出来,说明断句习惯没对上,回去调停顿。两遍都听不出来,才敢放量到日更。
Before You Publish
算过一天要发几条,知道旁白占用多少时间
定过音色策略,同一账号不超过两种
AI 配音按段落生成,没有整段一次过
交替听过真人与 AI 的成品,接缝听不出来
Questions
短句里很难,长句和情绪转折处容易。所以关键不是音色,是断句:把长句拆成两句、在转折处留半拍停顿,听起来就像人在讲。整段一口气生成,再好的音色也露。
备稿三到五天。一次录完一周的量,按内容分条存好。这样出差或状态差的时候只用剪辑,不动嗓子。备稿超过一周没必要,前面的稿会和当下的热点对不上。
一段干净的单人录音,没有背景声、没有混响、语速稳定,通常一分钟以上够用。录音里带口水音或呼吸声重,克隆出来会一起复制。这属于配音工序,站内专门那篇讲得更细。
按字数计,一条 30 秒的旁白消耗很小,远低于图生视频。软件授权费 699 元,算力按量另计,以使用时实际计费为准。真要省,先省画面不要省配音。文镜画师学习中心的小说推文页按生产顺序排好了整条路。