语速和音高是 AI 配音中最容易被忽略的两个参数,却直接决定听感是否"对味"。
AI 配音的默认输出是"标准语速+标准音高"。这个标准值是模型从训练数据中学来的平均值,适合新闻播报类型的平铺直叙,但放到其他内容类型上就显得不贴切。
语速影响信息密度感。同样 100 字的内容,12 秒说完显得从容,8 秒说完显得急迫,6 秒说完就显得焦躁。音高影响情绪基调。同样一句话,音高降低 15% 听起来像低声说,升高 15% 听起来像提问或惊讶。
大部分创作者只调语速不调音高,或者只调音高不调语速。实际上两者需要配合使用,因为它们在听感上是联动的——加快语速时如果不调整音高,声音会变得尖锐;降低音高时不调整语速,声音会变得拖沓。
不同内容类型有各自的参数舒适区。以下是经验值参考,具体以实际听感为准。
| 内容类型 | 语速建议 | 音高调整 | 说明 |
|---|---|---|---|
| 新闻播报 | 1.0x | 0 | 默认值即可,追求平稳 |
| 知识科普 | 0.95x | -5% | 略慢略低,给思考空间 |
| 有声书旁白 | 0.9x | 0 | 偏慢,营造叙事感 |
| 有声书对话 | 1.0-1.1x | ±10% | 按角色情绪调整 |
| 短视频解说 | 1.15-1.25x | +5% | 快节奏,抓注意力 |
| 情感故事 | 0.85x | -5% | 慢且低,沉浸感 |
| 广告旁白 | 1.05x | +5% | 明快有力 |
| 游戏解说 | 1.2-1.35x | +10% | 高速高能 |
| 催眠/冥想 | 0.75x | -10% | 极慢极低 |
| 儿童内容 | 0.95x | +10% | 清晰且明亮 |
很多人把语速设成全局参数——整篇内容一个速度到底。这适合短视频,但长篇内容必须做分段变速。
在配音魔方中,你可以按句或按段设置不同语速参数。建议在脚本中预先标注速度变化,生成时逐段设置,避免事后用音频编辑器做变速——后者会导致音质劣化。
音高调节比语速微妙,调整幅度通常在 ±15% 以内。超出这个范围,声音会开始"不像人"。
| 情绪 | 语速 | 音高 | 效果 |
|---|---|---|---|
| 愤怒 | 1.1x | +5% | 急促有力 |
| 恐惧 | 1.2x | +10% | 尖锐慌乱 |
| 悲伤 | 0.85x | -10% | 低沉缓慢 |
| 平静 | 0.95x | 0 | 自然从容 |
| 兴奋 | 1.15x | +8% | 高昂明快 |
| 威严 | 0.9x | -8% | 沉稳有压迫 |
参数值不是算出来的,是听出来的。建议用以下流程做微调:
真实播放环境很重要。在监听耳机里听很好的参数,换到手机外放可能就偏快或偏尖。始终用你的目标听众会用的设备做最终检查。
做有声书或长系列内容时,为每个角色或每个章节建立参数记录:
把这套参数记下来,每章直接套用。配音魔方的音色库可以保存音色配置,建议同时在外部文档中记录参数组合,方便跨项目复用。
语速和音高不是"调一次就完"的设置,而是随内容节奏动态变化的工具。把它们当作叙事手段来用,你的 AI 配音会从"能听"变成"好听"。