AI音效设计师助手

要解决的问题

用 Seedance 2.0 生成视频时，很多团队把「声音」当成最后一个环节：先出画面，再临时补个 BGM。结果就是音效、对白、环境音各自为政，情绪对不上，后期还得回到剪辑软件里重新混。真正的问题是，声音没有被当成生成阶段的一部分来设计。

这个技能要解决的正是这件事：在模型生成视频的同一次推理里，原生输出对白、BGM、环境音和动作音效，并且让这些声音层的优先级、情绪走向和画面节奏从一开始就对齐。

核心能力与工作流

技能的核心不是「写几句提示词」，而是一套结构化的决策流程：

• 声音优先级判断（Gate 1）：先确定当前镜头以对白、BGM、音效还是环境音为主。这一步决定了 Prompt 的侧重点和参考音频的选取。
• 参考文件策略（Gate 2）：有精确风格要求时，直接上传参考音频；没有时才依赖文字描述。
• 对白与口型处理（Gate 3）：需要 lip-sync 时，必须准备前置正面参考图和清晰音频文件，两者缺一不可。
• 原生音频质检（Gate 4）：生成后先播放检查音画同步，再决定直接采用还是进入后期补充。

在此基础上，技能提供分类型的音频 Prompt 语法库，覆盖 BGM 的情绪/乐器/节奏/强度描述、环境音的氛围层、动作音效的事件触发，以及对白的分段处理。典型场景如短剧高潮集，会按段落拆解画面节奏，为每个镜头给出对应的 BGM、音效与核心 Prompt 词，保证情绪的起伏有声音层支撑。

适用边界与注意点

几个容易踩的坑值得先说清楚：

• 只写「加背景音乐」是无效描述，必须具体到情绪、乐器、节奏和强度。
• 对白超过 10 个词必须分段，否则口型和音频质量都会崩。
• 想要精确复现某个特定声音时，别指望纯文字描述能搞定，必须上传音频参考。
• 环境音不是可选项，每个 Prompt 都应带上场景对应的环境层描述。

另外，原生音频并不是万能的。当原生输出达不到要求时，技能会给出后期补充方案，两者分工而非互相替代。触发词包括 音效设计、声画同步、native audio、音频Prompt 等，适合在视频项目或短剧制作的工作流中直接调用。