AIGC-声音
一、定义
音色要求： - WAV/MP3，3-10秒，≤20MB - 44.1kHz/16-bit单声道 - 干声（无混响、无 BGM、无环境噪音），信噪比≥45dB - 峰值≤-1dBTP，集成响度 - 14 LUFS，避免削波失真 - 清晰无含混，每个音节可被 AI 识别为独立音素，语速控制在 120-180 词 / 分钟
二、核心内容
（一）台词
你好，很高兴与你分享这些想法，希望能为你带来启发和温暖，让我们一起探索更多可能性。
（二）音色生成
音色生成公式
角色身份(年龄/性别+核心身份)+情感(情绪倾向+人格特质)+声音特质(音高/音质特殊细节/语调)+语速(基础语速+功能性停顿)
1. 角色身份（你是谁）
写清楚 3-5 个关键信息即可： - 年龄段：比如 16-22岁 / 20多岁 / 30+ / 中年 - 性别气质：偏女性/男性/少女感/成熟感（不需要太严谨） - 角色设定：学生/上班族/主播/恋爱脑/冷淡人设/江湖气等 - 人物氛围：柔和 / 清冷 / 甜酷 / 烟火气 / 有距离感 -（可选）形象关键词：比如“甜美”“干练”“慵懒”“张扬”
情绪表达（你在什么状态下说） 把“情绪”和“说话方式”一起写： - 情绪基底：温柔、期待、撒娇、委屈、克制、冷幽默、坚定、心虚等 - 情绪强度：轻微/明显/带点/很强烈 - 语气倾向：温柔娇嗔 / 轻声安抚 / 兴奋上扬 / 冷淡压低 -（可选）说话目的：安慰、邀约、质问、吐槽、旁白推进等
声音特质（声音长什么样） 是“听起来像谁”的核心，建议写到音色与表现： - 音色描述：柔和清甜 / 浑厚有底气 / 灵动带气声 / 低沉磁性 / 轻飘 - 声线质感：清亮 / 沙沙感 / 有颗粒感 / 气声明显（看你要的风格） - 发声风格：更“轻”还是更“厚”；更“松弛”还是更“有劲” - 口音/地方特色：河南、陕西、川渝、台湾、闽南等 -（可选）表达方式：带笑/带哭腔感/带神秘感/有舞台感
语速节奏（怎么把话说出来） 不仅是“快慢”，还包括“节拍怎么走” - 基础语速：语速适中 / 中等偏慢 / 语速快还是慢 - 停顿方式：多停顿 / 少停顿 / 句末收得干净 / 断句明显 - 重音安排：强调某些词（比如“你”“现在”“别”那种重点） - 语调走向：微微上扬 / 拉长尾音 / 语调更平稳 / 有层次起伏 -（可选）节奏感：更有戏剧张力 / 更像口播推进 / 更像旁白沉浸
或者直接让ai生成
你是一个AI提示词生成大师，善于将角色的音色转换为AI音色平台能识别的AI指令，请将《舌尖上的中国》配音老师的音色转换为AI指令，我将用你给出的指令在AI平台生成这个音色。指令要含以下内容：角色身份(年龄/性别+核心身份)+情感(情绪倾向+人格特质)+声音特质(音高/音质特殊细节/语调)+语速(基础语速+功能性停顿)
生成的：
角色身份:中年男性，资深纪录片配音师，文化底蕴深厚的人文解说者情感:情绪沉稳庄重、温和真挚，人格特质儒雅内敛、富有共情力，自带对美食与人文的敬畏感
声音特质:中音区音高，音质醇厚饱满、温润磁性，胸腔共鸣明显，语调平缓舒展、庄重大气，无尖锐起伏，咬字清晰厚重，自带叙事感与岁月沉淀感
语速:基础语速偏舒缓沉稳，句间有自然留白式功能性停顿，段落间停顿稍长，节奏从容不迫。贴合纪录片叙事节奉
短句版：
中年男性资深纪录片配音，情绪沉稳庄重、儒雅内敛有共情力;中音区，音质醇厚磁性、胸腔共鸣强，语调平缓舒展、咬字厚重;语速舒缓，句间有自然留白停顿，叙事感强
（四）Minimax
- Minimax-speech-2.8-hd
- 网址： https://www.minimaxi.com/audio/text-to-speech
- 每个月有：1w点，大概12分钟到免费额度
- 位置：音色设计
（三）剪映
手机app中的，文本朗读 > AI音色 > 创建音色