配音音效设计

先解决的问题

在AI短剧、漫剧或剧情短视频的制作流程里，声音常被当作画面拍完后的“补丁”：随便挑个BGM、给角色配个标准音，就以为完成了配音。结果往往是——情绪该起来的时候音乐没到，该安静的时候耳朵里全是音效，角色说话像读稿，观众“睁着眼都看不懂故事”。更糟的是，声音和镜头完全脱节：上一个镜头的余韵被硬生生掐断，下一个镜头的声音又突兀响起，叙事的连贯性被噪音切碎。这个技能要解决的，就是让声音从“后期填充物”变成“叙事的一部分”，让每个声音元素都有明确的叙事功能。

核心能力与关键步骤

这个技能的工作逻辑不是“配个音”，而是用声音讲故事。它遵循三大原则：声音叙事（每个声音都有叙事功能，不为填满而填）、情绪驱动（BGM和音效跟着情绪曲线走，不是跟着画面走）、留白即力量（该安静时安静，沉默比满耳声音更有冲击力）。具体流程分七步：

1. 情绪曲线分析：读取剧本和分镜表，提取全片的情绪基调、转折点、高潮与静默段落，输出情绪曲线图和关键节点表。这是后续所有声音设计的基础，避免“声音跟着画面乱跑”。
2. 角色声音档案：对每个有台词的角色，先确认性别年龄感、音色方向、语速偏好、口音语调和情绪范围，再生成档案。档案包含音色描述、语速、情绪范围、TTS提示词等字段，且会标注同一角色在不同情绪下的声音变化（如平时温和，愤怒时声音发抖）。
3. 逐镜头配音脚本：为每个镜头生成配音脚本，标注语气/情绪、语速、停顿和特殊要求（如内心独白、画外音、重叠对话、喊叫/低语等）。确保每句台词的“说”法都有依据。
4. BGM设计：为每个场景/段落设计BGM方案，包括情绪、风格、配器、音量、入点/出点和转场方式。关键原则有：BGM可以提前1-2秒“预示”下一个情绪（入点），情绪断裂时可以硬切（出点），台词出现时BGM自动压低，关键台词前后可让BGM短暂消失（留白），重要角色/主题可配重复出现的音乐动机。
5. 三层音效设计：分环境音（Ambience，铺底营造空间感）、动作音（Foley，与画面动作同步增强真实感）、强调音（SFX，少而精，用于关键动作、转折点、笑点）三个层级，避免“每个动作都加音效”的噪音。
6. 声音桥设计：用六种方法衔接跨镜头声音——声音提前（J-cut）、声音延续（L-cut）、声音匹配、声音反差、音乐桥、静默桥，与分镜的转场设计呼应，让镜头切换时声音不“断档”。
7. 输出完整方案：最终交付情绪曲线分析、角色声音档案表、逐镜头配音脚本、BGM设计表、三层音效表、声音桥衔接表，以及可直接用于TTS的提示词清单。TTS提示词会细化到性别年龄、音色质感、情绪强度、语速节奏、重音位置、气息状态、口音语调和特殊发声方式（如喊叫、低语、哭腔），确保能直接喂给TTS工具生成语音。

适用边界与注意点

• 本技能提供的是声音设计方案和TTS提示词，不直接进行语音合成、音效生成或剪辑。实际合成需依赖外部TTS工具或音频生成服务，本技能负责生成可直接使用的提示词和参考表。
• 角色声音档案必须经用户确认后才能生成，不能直接跳过确认步骤输出档案，避免声音方向与用户预期不符。
• TTS提示词需遵循“极致细致”标准，覆盖性别年龄、音色质感、情绪状态等所有维度，避免笼统描述（如“好听的声音”）导致生成结果不可控。
• 声音桥设计与分镜转场强相关，需依赖上游分镜构建器输出的分镜表，若分镜未完成或转场设计不明确，跨镜头衔接效果会受影响。
• 本技能为按次付费（X402协议），调用前需确认宿主Agent支持该协议，不支持时需升级环境或改用其他方式。
• 专属工作台还支持TTS语音合成、音效库管理、时间轴对齐等进阶功能，本版本仅提供设计方案，如需体验进阶功能可联系作者。