文字转语音，用自然的 AI 声音配音

写给耳朵听的文稿

听众没法往回翻，所以句子要短，一句一个意思。生成之前先自己读一遍，读着卡壳的地方，AI 读起来也会显得犹豫。

按说话的方式写。口语化的表达听起来更亲切。标点决定节奏：逗号是短暂换气，句号停得更久，[pause] 会在揭晓答案前停顿一拍。

开头要抓人。文字转语音配音的第一句决定听众会不会继续听，所以先说好处或抛出问题，细节放到第二句。

用标签和设置指挥语气

文字转语音听起来像真人，关键在于语气跟着内容变化。标签让声音在某一个具体时刻做出反应，语气设置决定整篇文稿的基调。

1. 1在揭晓答案、报出价格或回答问题之前加 [pause]，给听众一拍时间凑近来听。
2. 2在笑话或轻松的句子后面加 [laughs]。一分钟一次笑声最自然，也让那一刻更有味道。
3. 3讲课和冥想选平静，产品发布选开心，故事反转选惊讶。文稿本身已经带着情绪时，语气保持自动就好。
4. 4讲步骤和新名词时把语速调慢一点，想要有冲劲的宣传片就调快一点。

每次只改一个标签或一项设置，再把这句重听一遍。你能清楚听出每处改动的效果，下一篇文稿也能直接从你信得过的设置开始。

数字、名字和读音

数字一般会按日常读法念，但特殊写法要帮引擎一把。写“两杯拿铁五美元”，比写“2杯拿铁$5”稳妥；网址按你希望听到的方式写出来。

品牌名读音特殊时，试试同音字，留下读得对的写法。

日期、单位和缩写，写成要读出来的样子最稳妥：写“三月三日”而不是“3/3”，写“十公里”而不是“10km”。英文缩写要一个字母一个字母读时，用空格隔开，比如“A P I”；要当成一个词读时，就连在一起写。

按用途选 AI 配音的声音

先按听众选声音，选定后就一直用。听众靠声音认出一个频道或一门课，一个系列一个声音，从第一期就开始积累熟悉感。

1. 1纪录片和讲解视频：低沉、不急不慢的旁白，在观点之间留出空隙。
2. 2产品视频和广告：明亮、轻快、听得出笑意的声音。
3. 3课程和培训：清晰的主讲声，语速平稳。
4. 4有声书和故事：温暖的讲述者，对话部分再配一个年龄或口音明显不同的声音。

声音库里没有想要的？描述一个声音，比如“七十多岁的慈祥奶奶，声音轻柔缓慢”，或者用一段短录音克隆你自己的声音，做好后和其他声音一样使用。

长文稿：有声书、课程和文章

每次最多朗读 5,000 个字符，所以长篇的文字转语音项目，是同一个声音的多次生成。提前规划好怎么分段，整本书或整门课听起来就像一次录完。

1. 1在章节、课时或场景这些自然的地方分段，每一段话保持完整。
2. 2每一部分都用同样的声音、语气和语速，把这些设置记在文稿开头。
3. 3下载的文件按顺序命名，比如“01 开场”，放进剪辑软件时就能自动排好。
4. 4每段生成后先听第一分钟再继续；早一点调整，后面每一段都更顺。

文字转 MP3、WAV 还是字幕：下载哪一种

MP3 是日常首选：文件小，到哪都能播，可以直接用在网站、社交平台或播客平台上。

配音要放进视频或音频剪辑软件里混音时，下载 WAV，音乐、音效和人声在剪辑过程中都保持完整音质。

视频再加上 SRT 或 VTT 字幕。字幕和音频来自同一份逐词时间，所以每一句都和声音对得上。大多数剪辑软件支持 SRT，网页播放器读取的是 VTT。

用文字转语音来“听”内容

文字转语音也是一种“听”内容的方式。把长文章、学习笔记或报告转成 MP3，散步或通勤时听；听 AI 把草稿读出来，也是发现别扭句子最快的办法之一。

有了音频版本，喜欢听、正在学语言、或者读长文容易累的人，都能更轻松地获取内容。配音加上同步字幕，同时照顾到读者和听众。