配音与台词：文本转语音、上传音频与录音三种来源

对口型功能的声音来源有三条路：让 AI 念、自己配、当场录。三条路各有适配场景，这一页把每条路的要点说透。

路线一：文本转语音（TTS）

输入文字台词，从语音库选音色朗读。社区教程提到可选音色有二十余种，覆盖不同性别、年龄与语言风格。

• 适合：不想出声、需要多语言版本、批量产出同风格口播的创作者。
• 要点：
• 台词里的数字与专有名词先试听一遍——机器朗读在这些点上最容易出错，写法上可以用汉字替代阿拉伯数字规避；
• 停顿靠标点控制：句号、逗号、省略号的朗读节奏不同；
• 多语言账号可以同一段台词出不同语言版本，翻译后的台词再人工过一遍更稳。

路线二：上传音频

把现成的配音文件（自己录的、专业人员录的）传上去驱动口型。

• 适合：对音质与人声质感有要求的正式内容。
• 要点：
• 授权合规：使用的音频必须有合法权利——自己的声音、购买授权的配音，官方在教程里对「authorized audio」有明确措辞；
• 音频底噪与混响尽量干净，噪声音轨会拉低整体质感；
• 时长与照片的适配性：超长音频分段处理，与口播场景的脚本节奏对齐。

路线三：直接录音

在生成界面直接录制。适合快速试稿——先用手机录一版验证台词节奏，满意后再考虑精修音轨。

台词文案的三条写作建议

1. 口语化短句：书面语念出来生硬，按「说话」的节奏写，一句话不超过二十个字为宜。
2. 前五秒给钩子：口播视频的完播率生死线在前几秒，第一句直接给利益点或悬念。
3. 按视觉单位分段：一段台词对应一个信息点，方便分段生成、分段校对口型。

声音与画面的最后一关

配音完成、口型生成后，若还想给整体补一段背景音乐垫底，用生成配乐——注意人声与 BGM 的音量关系，人声优先。

音色库与 TTS 的语言支持随版本更新，具体以界面实际可选列表为准。