怎么用 AI 做配音？
AI 配音一听就是 AI，问题基本不在音色，在节奏。真人说话有轻重、有停顿、有语气变化；TTS 默认是均匀的，每个字一样重、每个标点一样停，听三句就出戏。
这件事该用哪些工具
具体怎么做：四步
先把稿子改成「能念」的稿子
长句、括号、书面连接词，TTS 处理得很差。每句控制在 15-25 字，去掉从句，该断的地方用逗号断。
用标点控制停顿，不要用空格
多数 TTS 对标点敏感：逗号短停、句号长停、破折号可以拉长。想要更长的停顿，用换行或者直接剪开分段生成。
情绪靠分句生成，不靠一个开关
同一段话的情绪是变化的：开头平淡、中间激动、结尾收住。分 3-4 段分别生成，用不同情绪参数，再拼起来。
加环境音和轻微压缩
纯干声听起来像电话客服。加一点房间混响、背景音乐压低到 -25dB，立刻自然很多。
可以直接复制的提示词
把花括号里的内容换成你自己的情况，整段粘进对话框即可。提示词里的要求越具体，输出越能用。
把文稿改成适合 TTS 的版本
把下面这段文字改成适合 TTS 朗读的稿子。
要求：
1. 每句不超过 25 个字，长句拆开
2. 删掉括号补充、破折号插入语、以及「综上所述」这类书面连接词
3. 在需要停顿的地方加逗号，需要长停的地方加句号（不要用空格或省略号）
4. 数字和缩写改成读法（例：2026 改成 二零二六，AI 保留但确保读作 A-I）
5. 标出哪几句应该重读（用 ** 包住关键词）
6. 把绕口的地方改顺（连续同音字、拗口的词组）
不要改变原意，不要增加内容。
原文：
{粘贴}按场景设计配音参数
我要给一段 {用途，例：知识类短视频旁白} 配音。
内容基调：{例：平静、有说服力、不急}
时长：{60} 秒
目标听众：{谁，在什么场景听（通勤/睡前/工作间隙）}
请给我一份配音制作方案：
1. 语速建议（每分钟多少字，说明为什么）
2. 音色特征建议（年龄感、性别、明亮还是低沉）
3. 整段拆成几块，每块的情绪参数怎么调（开头/中间/结尾）
4. 停顿设计：哪些位置需要 0.5 秒以上的停顿
5. 背景音乐的音量建议（相对人声多少 dB）
6. 需要加什么环境音（房间混响/轻微底噪/无）
给具体数值，不要「自然流畅」这类形容词。最容易踩的三个坑
把书面稿直接丢给 TTS
它会按字面均匀念，长句中间不停，听起来像机器报菜名。稿子必须按口语节奏重写。
全篇一个情绪
一分钟的音频情绪完全不变，听众会走神。每 20-30 秒至少要有一次语速或力度的变化。
背景音乐太响
音乐压过人声，观众要费力听清，直接划走。人声应该在 -6dB 左右，音乐在 -25dB 到 -30dB。
常见问题
AI 配音会被平台判定为机器音吗？
平台不禁止，但观众会用完播率投票。信息类内容对自然度要求低，情感类（故事、vlog）要求高，需要更多人工调整。
声音克隆需要什么条件？
通常要 1-3 分钟干净人声，无背景音、无回声、语速均匀。ElevenLabs 的克隆效果最好但需要付费档位。克隆他人声音必须取得授权。
中文配音哪个工具最好？
ElevenLabs 自然度最高但中文偶有口音；剪映、火山这类国内工具中文更地道但情绪控制弱。信息类内容用国内工具够用。
其他实操教程
这套流程是实际跑通的，不是理论推演
工具迭代很快，界面和功能可能已经变了。如果你按这个流程做下来卡在某一步，欢迎告诉我们，会核实后补充。