声音与配音：
怎么判断一段配音
“假不假”

一段配音听起来假，问题通常不在音色。
音色可以克隆得很像，假的是呼吸。

01四个最容易露馅的地方

• 没有呼吸。真人说话会在句间换气，AI 常常一口气念完，像在朗读。
• 停顿太均匀。每句话之间都是同样的 0.3 秒，节奏像节拍器。
• 重音错位。该重读的词没重读，不该停顿的地方停了。
• 句尾不自然。该落的地方上扬，该收的地方拖长。

这四处修好，哪怕音色只有八分像，听感也会真很多。

02克隆之前，先确认三件事

• 授权。声音和肖像一样，不是拿到音频就能用。商用要有书面授权。
• 素材。至少 30 秒干净人声，单一情绪、无背景音乐、无混响。
• 范围。克隆音色不等于克隆演技。情感跨度大时，模型会回到“平读”。

03多角色对白：先做音色表

不要把所有角色丢给一段提示词。先列一张表，再逐句生成：

角色    年龄   音区     语速    口音/习惯
林晚    24     中低     偏慢    句尾轻，少用升调
老周    52     低       中      尾音压，习惯停顿
小满    12     高       快      句尾上扬，气息浅

每句单独生成，标好角色和情绪。整段生成会让模型在角色之间“串音”。

04语气标签：写动作，不写形容词

“悲伤地”“愤怒地”这类词，模型只能猜。写成可执行的动作：

不要写：悲伤地念出这句话
改成：压低声，句尾不要上扬，句间停 0.4 秒，
      重音落在“最后一次”四个字上

05混音层级

先铺环境声，再进音乐，最后压人声。一个能用的起点：

• 人声：-6 dB 左右，保证清晰
• 环境声：-20 dB，负责“空间感”
• 配乐：-18 dB，负责“情绪”，不要盖过人声

观众不会分析你的模型，但一句“不像人说的”，整条片子就废了。