AI短剧配音合成教程
本教程你将学到：
- 音色选择与语音克隆
- 9种情绪标签的使用
- 批量配音与增量生成
- 口型同步（2种模型）
- 音效生成与时间轴分段
- BGM生成（3种人声模式）
- 音频混合面板
一、AI配音概述
灵绘AI使用先进的TTS（Text-to-Speech）技术，将剧本对白转化为自然的语音，并通过口型同步技术让角色"说话"。
配音流程
二、音色选择指南
2.1 预设音色类型
| 音色分类 | 特点 | 适合角色 |
|---|---|---|
| 甜美女声 | 温柔、可爱 | 年轻女主、少女 |
| 成熟女声 | 知性、稳重 | 职场女性、女配 |
| 阳光男声 | 活力、开朗 | 年轻男主、校园角色 |
| 磁性男声 | 低沉、有魅力 | 霸总、成熟男性 |
| 童声 | 稚嫩、天真 | 儿童角色 |
每个音色可点击试听，支持按性别筛选。还有更多音色可在平台中探索。
2.2 选择建议
- 角色性格匹配 - 温柔角色选柔和音色，强势角色选有力音色
- 区分度 - 不同角色选择差异明显的音色
- 试听对比 - 使用同一句对白试听多个音色
2.3 语音克隆（自定义音色）
录音方式
- 系统提供5种朗读示例文本，随机展示
- 录音时长要求：10~30秒
- 实时波形可视化（紫色波形动画）
- 操作流程：开始 → 暂停 → 继续 → 停止 → 试听 → 重录 / 使用
- 时长不足10秒时禁止提交
上传方式
直接上传音频文件（≥5秒，支持常见音频格式）进行克隆。
克隆音色管理
已克隆的音色支持：查看 / 重命名 / 删除 / 批量删除。
✅ 完全免费：语音克隆功能 0 积分，无限次使用
2.4 全局配音设置
在分镜规划页顶部，可一次性为所有角色分配音色，避免逐个分镜重复设置。
三、情绪标签
情绪标签影响AI配音的语气和语调（9种基础情绪）：
上扬语调，活泼
低沉语调，缓慢
加重语气，快速
颤抖语调，紧张
上扬语调，短促
平稳语调，中性
嫌弃语调，拒绝感
轻声细语，私密感
提高音量，强调激动
还有30+扩展情绪可在剧本编辑中选择。情绪要跟随剧情发展变化，避免全程平淡。
四、批量配音与增量生成
- 批量生成：一键为所有分镜对白生成配音
- 增量模式：只处理未完成的分镜（跳过已有配音）
- 配音进度：已完成 N / 总计 M
- 单段操作：每段对白可独立试听、独立下载
- 上传自定义：也可为某个分镜上传自己录制的配音音频
五、口型同步
5.1 工作原理
- 分析语音的音素和时间点
- 生成对应的嘴型动画
- 将动画应用到角色图像上
- 保持角色其他部分不变
5.2 效果优化
✅ 正面角色效果最好，角色正面图的口型同步效果最自然
⚠️ 侧面角色可能需要选择正面对话分镜
5.3 模型选择
| 模型 | 特点 | 推荐场景 |
|---|---|---|
| 通义 | 效果自然流畅 | 推荐对话密集场景 |
| 可灵 | 效果稳定可靠 | 推荐动作场景 |
5.4 自动跳过
如果视频生成模型已内嵌音频（如Vidu模型），系统自动跳过口型同步步骤。
5.5 口型同步进度
进度显示：处理中（蓝色）/ 已完成（绿色）/ 待处理（灰色）
六、音效生成
6.1 概述
基于AI技术，通过自然语言描述生成音效。
6.2 基础模式
输入音效提示词（如"暴风雨中的雷声"、"咖啡店环境音"），点击生成即可。
6.3 时间轴分段模式（高级）
一个分镜内设置多个音效时间段：
- 每段设置：起始时间 + 结束时间 + 音效描述
- 验证规则：结束时间 > 起始时间，描述不为空且 ≤1500字
0~3秒：脚步声由远及近
3~5秒：门打开的吱呀声
5~8秒：雷声轰鸣
6.4 AI推荐提示词
系统根据场景描述/对白/情绪/镜头类型，自动推荐音效提示词。
6.5 上传自定义音效
支持上传任意音频格式的音效文件。
七、BGM（背景音乐）生成
7.1 概述
基于豆包音乐API生成背景音乐。
7.2 配乐提示词
- 手动编辑（如"轻快的钢琴曲"、"紧张的电子音乐"）
- AI推荐提示词（根据场景氛围自动推荐）
7.3 人声模式选择
| 模式 | 说明 |
|---|---|
| 无人声 | 纯音乐（推荐大多数场景） |
| 轻人声·哼唱 | 带轻微人声的配乐 |
| 主唱 | 完整人声演唱（需填写歌词，未填自动降级为轻人声） |
7.4 上传自定义配乐
支持上传MP3等格式的配乐文件。
7.5 积分消耗
BGM生成前弹出积分确认弹窗，显示时长和预计消耗。
八、音频混合面板
8.1 三轨独立音量控制
- 对白音量（0~100）
- 配乐音量（0~100）
- 音效音量（0~100）
8.2 预设混音方案
一键选择如"人声优先"（对白100/配乐40/音效60）等预设方案。
8.3 最佳实践
✅ 建议：对白音量最高，配乐次之，音效最低，确保观众听清台词
FAQ
Q: 可以添加背景音乐吗？
可以，灵绘AI已内置BGM生成功能，在配音合成阶段可直接生成。支持3种人声模式（纯音乐/轻哼唱/主唱带歌词），也可上传自定义配乐。
Q: 配音和画面不同步怎么办？
检查分镜时长是否足够，对白较长时需要增加分镜时长。
Q: 口型看起来不自然怎么办？
尝试以下方法：
- 使用正面角度的角色图
- 避免过长的连续对白
- 尝试切换口型模型（通义自然流畅，可灵稳定可靠）
- 重新生成该分镜
Q: 语音克隆和预设音色哪个好？
预设音色质量稳定、无需采样；克隆音色个性化但依赖录音质量。建议先试听预设音色，不满意再用克隆。
Q: 音效和BGM可以同时使用吗？
可以，通过音频混合面板分别调节音量，避免互相干扰。
Q: 如何让配音更有感情？
为每句对白设置恰当的情绪标签（9种可选），情绪要随剧情变化。配合语音克隆效果更佳。