技能介绍

解决什么问题

视频创作者在配音时经常面临一个两难：同一品牌的不同内容，用同一个声线听起来没有层次感，但每次手动试错又太慢。尤其是当内容类型横跨产品介绍、经验分享、活动预告和品牌故事时，声音气质如果和内容调性不匹配，观众会下意识地觉得"不对劲"，但又说不清哪里不对。

这个技能要解决的问题很具体：给四种常见视频风格各自配一套声线方案，从选声线到调语速一步到位，避免创作者在 edge-tts 的声线列表里反复试错。

核心能力

技能提供四组预置配置，每组包含声线 ID、语速偏移和适用场景：

产品宣传·科技蓝 — zh-CN-YunxiNeural，年轻男声，语速正常 (+0%)。信息密度高的卖点介绍不宜过快或过慢。
经营分享·暖橙色 — zh-CN-XiaoyiNeural，亲切女声，语速稍慢 (-5%)。干货内容需要听众消化，慢一点更稳。
活动推广·活力红 — zh-CN-YunjianNeural，激昂男声，语速稍快 (+10%)。促销和活动预告需要制造紧迫感。
理念价值观·深墨绿 — zh-CN-XiaochenNeural，沉稳女声，语速慢 (-10%)。品牌故事和价值观输出需要留出思考空间。

语速偏移的数值不是随便定的：产品宣传承载的信息量大，既不能快到听不清，也不能慢到拖节奏；活动推广要推情绪，语速快 10% 能制造兴奋感；理念类内容则相反，慢 10% 才能让听众跟上叙事节奏。

关键规则与注意点

配置方案之外，技能还固化了几条容易踩坑的规则：

品牌名读音是 P0 红线 — "膜世界" 不能读成 "模世界"，这类错误一旦混进成片就会直接推翻重做。
数字读法要区分量级 — "五万块" 不能读成 "五块钱"，中文多音字和量级混淆是 edge-tts 的常见翻车点。
停顿用 <break> 标签控制 — 比依赖自然断句更可控，尤其适合在段落间制造呼吸感。
英文缩写按习惯读 — iPhone 读 "爱疯"，UV 读 "优维"，避免 TTS 逐字母念造成拗口。
音量统一到 -16dB — 批量生成后用 ffmpeg 统一响度，防止不同声线音量差异过大导致剪辑时反复调整。

适用边界

这个技能覆盖的是中文短视频的常见场景，四种风格基本涵盖了带货、知识分享、活动预告和品牌片这几类内容。但它不适用于需要多角色对话的脚本，也不处理音乐和音效的混音。如果你需要更细的情感标注（比如同一句话里要读出先犹豫后坚定的语气），这套方案给不了——它解决的是"选哪条声线、语速多少"这个层面的问题，不负责逐句的情感导演。