刺猬星球super-i_AI教程免费在线教学

一起来看一下成品：

seedaudio 1.0 https://ark.volcengine.com/

ChatGPT/豆包/gemini（推导提示词） https://chatgpt.com/c/

https://www.flowpix.club/bj/38528.html?token=905f5dcd47c6c3d4b9f66710dc08414c

传统TTS配音通常只能选择音色，再添加开心、悲伤、生气等简单情绪。

但真正的人物表演并不是固定情绪。

同一句话里，人物可能先保持平静，随后产生怀疑，接着提高语速，最后因为委屈而停顿。

SeedAudio 1.0的优势，是可以将人物状态、情绪变化、停顿、呼吸、环境声音和具体台词写在同一段提示词中。

它不只是让人物“读台词”，而是让人物在具体场景中完成表演。

这篇教程将分为五章：

第一章：创建参考音色；

第二章：人物情绪与状态表演；

第三章：生成完整环境音效；

第四章：多角色对话与角色分配；

第五章：制作一段完整有声剧。

seedaudio在哪里可以使用呢？

我这里提供2个网址

1.火山方舟（可以免费体验生成几分钟） https://ark.volcengine.com/

2.flowpix https://www.flowpix.club/点击创建生成音频即可

在制作有声书、多角色短剧和视频配音之前，需要先建立稳定的人物声音。

参考音色不是简单生成一段好听的人声，而是建立一个可以反复使用的“声音角色”。

后面即使改变台词、情绪和录音环境，人物的年龄感、声线、声音厚度和辨识度也应该保持一致。

参考音色生成模板（修改后直接发给大语言模型就行）

只需要修改以下五项：
【性别】 【年龄】 【声线】 【音色气质】 【主要用途】
生成一段原创【性别】参考音色，不模仿任何现实人物。
人物约【年龄】岁，声线【声线特点】，音色【音色气质】，整体自然、好听、松弛，有真实的人声质感，适合用于【主要用途】。
请自动创作一段20至30秒的生活化独白。内容围绕一件日常发生的小事，台词自然、有画面感，不要像提前写好的文案。
人物最开始保持自然状态，中间因为回想起某个细节产生明显的情绪变化，最后逐渐放松。请自动将人物状态、停顿、呼吸、语速和情绪变化穿插在台词之间。
使用生活化普通话，咬字清楚但不要字正腔圆。语调需要有自然的轻重和快慢变化，允许出现轻微呼吸、犹豫和笑意，不要让每句话使用相同节奏。
录音环境安静，人物距离麦克风较近。不要背景音乐、环境音、明显混响和其他人物声音。
不要播音腔、朗诵腔、客服腔、短视频营销腔、情感电台腔和AI逐字朗读感。整段保持同一个年龄感、同一个声线和稳定的核心音色。

本次一共创建三个角色：

林夏：女性主角，声音清透、柔和，情绪细腻；

我的提示词如下：

&生成一段原创成年女性人声，不模仿任何现实人物。
人物约25岁，声线偏中低，音色清透、柔和、耐听，有适度的声音厚度和轻微明亮感。发声松弛自然，气息稳定，声音有亲和力，但不要过分甜美、刻意温柔或故意压低嗓音。
使用生活化普通话，咬字清楚但不字正腔圆。句子有自然的轻重、快慢和呼吸变化，不要每句话都使用相同的语调。整体像一个声音条件很好的人，在安静的房间里和熟悉的人分享今天发生的事情。
人物最开始有一点疲惫，随后因为想起一件小事而变得轻松，最后出现一点若有所思。情绪自然流动，不要明显表演，不要播音腔、朗诵腔、客服腔和AI逐字朗读感。
台词与状态：
【刚刚忙完一天，轻轻呼出一口气，声音有一点疲惫，但整体放松】
“我今天……其实过得有点乱。”
【短暂停顿，像是在回想白天发生的事情】
“一早出门的时候忘了带钥匙，走到楼下才突然想起来。”
【想到当时的画面，语气变得轻松一些，带一点无奈的笑意】
“然后我又拎着一大堆东西，重新跑上楼。”
【自然地笑一下，声音明亮一点，但不要真的大笑】
“当时真的觉得自己特别傻。”
【停顿0.5秒，情绪慢慢安静下来】
“不过后来想想……”
【语速放慢，语气变得柔和，像在认真分享自己的感受】
“好像每天都会发生一些不在计划里的事情。”
【轻微吸气，句尾自然变轻，带一点释然】
“也不一定是坏事，对吧？”
录音环境安静、干净，人物距离麦克风较近。不要背景音乐、环境音、明显混响和其他人物声音。

周沉：成年男性，声音沉稳、克制；

我的提示词如下：

生成一段原创成年男性人声，不模仿任何现实人物。
人物约28至32岁，声线偏中低，音色干净、沉稳，有适度厚度和轻微颗粒感，但不要沙哑、烟嗓或故意压低声音。声音听起来可靠、松弛，有成熟感，但不要显得年龄过大。
使用自然、生活化的普通话。咬字清楚但不刻意，语调有真实的轻重和快慢变化。说话时情绪比较克制，不使用播音腔、纪录片旁白腔、霸总腔或短视频配音腔。
人物刚结束一天的工作，开始有些疲惫。说起白天发生的事情时带一点无奈，随后情绪逐渐放松，最后出现轻微的期待感。
【刚刚坐下来，轻轻呼出一口气，声音有些疲惫，但整体依然松弛】
“今天……好像比平时长了很多。”
【短暂停顿，像是在回想白天发生的事情】
“一早刚到公司，原本安排好的事情就全被打乱了。”
【语速稍微加快，带着一点无奈和自嘲】
“开了三个会，改了五遍方案，最后发现……第一版其实就挺好的。”
【轻轻笑一下，不要发出明显笑声，声音逐渐放松】
“有时候真的不知道，我们到底是在解决问题……”
【停顿0.5秒，语气带一点调侃】
“还是在给自己制造新的问题。”
【轻轻吸气，情绪慢慢安静下来，语速放缓】
“不过回来的路上，风还挺舒服的。”
【声音变得柔和一些，带有轻微期待】
“突然觉得，今天也没有想象中那么糟。”
【句尾自然收住，像是在对熟悉的人说话】
“明天……应该会好一点吧。”
人物距离麦克风较近，录音环境安静、干净。允许出现自然呼吸和微小停顿，但不要加入明显口水音、喷麦声或夸张气声。
不要背景音乐、环境音、混响和其他人物声音。不要磁性电台腔、油腻低音、气泡音、客服腔、朗诵腔和AI逐字朗读感。整段保持同一个人物、同一个年龄感和同一个核心音色。

程瑶：年轻女性，声音明亮、自然，情绪更加外露。

我的提示词如下：

生成一段原创成年女性人声，不模仿任何现实人物。
人物约24至28岁，声线处于中音偏低的位置，音色清透、柔和、耐听，有适度厚度和轻微明亮感。声音自然、有亲和力，同时保留一点独立和清醒的气质，不要过于甜美或刻意温柔。
使用生活化普通话。发声松弛，气息稳定，咬字清楚但不字正腔圆。句子之间有自然的快慢、轻重和停顿，情绪需要真实流动，不要像配音演员朗读提前写好的稿子。
人物刚刚经历了一件有些尴尬的小事，最开始有一点郁闷；回想经过时逐渐觉得好笑；最后情绪安静下来，出现一点轻松和释然。
【刚刚坐下来，轻轻叹一口气，声音有一点郁闷，但没有真正生气】
“我今天……做了一件特别尴尬的事情。”
【停顿0.5秒，像是不知道该从哪里开始说】
“下午开会的时候，我特别认真地讲了十分钟。”
【语速稍微加快，回想起当时的画面】
“讲到最后才发现，投影上的文件根本就不是我的。”
【短暂停顿，带着明显的无奈和一点不敢相信】
“最离谱的是……”
【声音稍微明亮一些，开始觉得这件事有点好笑】
“他们居然没有一个人提醒我。”
【自然地笑一下，但不要发出夸张笑声】
“所有人就坐在那里，特别认真地点头。”
【停顿0.6秒，情绪逐渐放松下来】
“当时我真的很想找个地方躲起来。”
【轻轻呼出一口气，语速放慢，语气变得柔和】
“不过现在想想……”
【带着一点释然和自我调侃】
“好像也没什么大不了的。”
【句尾自然变轻，像是在和熟悉的人分享秘密】
“至少以后，他们应该会记得我了。”
人物距离麦克风较近，录音环境安静、干净。允许出现自然呼吸、犹豫和轻微笑意，但不要出现固定的甜美语调。
不要夹子音、幼态少女音、过度御姐音、烟嗓、明显气声、撒娇腔、客服腔、情感电台腔和AI逐字朗读感。不要背景音乐、环境音、混响和其他人物声音。整段保持同一个人物、同一个年龄感和稳定的核心音色。

第一章中，我们已经为角色建立了稳定的参考音色。

但是，一个音色能不能真正用于有声剧、短剧和视频配音，不只要看声音是否好听，还要看它在改变情绪和身体状态之后，能不能继续保持同一个人物的声音。

这一章继续使用林夏的参考音色，分别生成轻松调侃、压抑愤怒和担心委屈三种状态。

统一剧情设定：

林夏和一个非常在意的人约好见面，对方迟到了将近一个小时，也没有回复任何消息。

她终于看到对方出现，压在心里的情绪开始流露。

状态一：轻松调侃

保持人物原本的年龄感、声线、声音厚度、发声位置和自然说话习惯。整段始终是同一个人，情绪和身体状态只能改变呼吸、语速、音量、停顿和语气，不能改变人物的核心音色。
看到对方终于出现后，她先明显松了一口气。因为不想让气氛变得尴尬，她故意用开玩笑的方式抱怨，语气中带着一点无奈、一点亲近和一点故意逗对方的感觉。
整体声音松弛、自然、有生活感。情绪需要有变化，不能从头到尾保持同一个轻快语调。不要撒娇，不要夹子音，不要短视频式夸张表演。
【看到对方从远处走过来，原本有些焦急，发现对方没事后，轻轻松了一口气】
“你终于来了……”
【停顿0.5秒，看着对方走近，语气慢慢轻松下来】
“我刚才都已经开始怀疑，是不是自己把时间记错了。”
【像是拿出手机确认时间，语速稍微加快，带一点无奈的笑意】
“我还来来回回看了三遍聊天记录。”
【停顿0.4秒，故意加重“你”】
“结果时间没错，地点也没错……”
【像是终于找到真正的原因，语气带着调侃】
“错的是你。”
【短暂停顿，嘴角带着笑意，但不要真的笑出声】
“你知道我在这里等了多久吗？”
【故意停顿0.6秒，让对方猜】
“整整五十七分钟。”
【“五十七分钟”稍微加重，像是在认真计较，但整体仍然轻松】
“再晚三分钟，我就准备给你发寻人启事了。”
【轻轻呼出一口气，情绪放松下来】
“不过算了……”
【语气变得自然、亲近，像是不打算真的追究】
“人来了就行。”
【看了对方一眼，带着一点真实的小埋怨】
“下次再迟到，至少提前告诉我一声。”
【停顿0.4秒，语气重新变得轻松】
“走吧，我都快饿死了。”
【最后一句语速稍快，恢复自然聊天状态，句尾干净收住】
人物情绪变化：
先担心对方是否出事，看到对方后松一口气，再用调侃掩饰等待太久的不满，最后恢复亲近和轻松。
不要大笑，不要过分甜美，不要撒娇。调侃感主要通过重音、短暂停顿、语速变化和轻微笑意表现。
不要背景音乐、环境音和其他人物声音。

状态二：压抑愤怒

保持人物原本的年龄感、声线、声音厚度、发声位置和自然说话习惯。整段始终是同一个人，情绪和身体状态只能改变呼吸、语速、音量、停顿和语气，不能改变人物的核心音色。
看到对方出现后，她并没有立刻发火，而是努力让自己保持冷静。前半段声音偏冷、语速较慢、句尾收得很短；随着台词推进，积压的不满逐渐增加。中段语速加快，重音变得明显；说到最在意的事情时出现一次短暂爆发，随后重新压低声音。
不要从第一句就怒吼。需要表现人物从克制到忍不住，再重新控制情绪的完整过程。
【看到对方出现，没有立刻说话，先保持1秒沉默】
【轻轻吸气，努力控制情绪，声音偏冷】
“你终于来了。”
【句尾直接收住，不带疑问，也没有轻松感】
【停顿0.8秒，看着对方，像是在等待一句解释】
“我从九点五十开始，就一直站在这里等你。”
【语速稳定，但“九点五十”和“一直”稍微加重】
“给你发了六条消息。”
【短暂停顿】
“打了四个电话。”
【停顿0.5秒，声音压低，情绪开始变得更重】
“你一条都没有回。”
【轻轻吸气，像是继续忍住情绪】
“我原本还在想，你是不是路上出了什么事。”
【语速略微加快，压抑的不满逐渐浮现】
“我甚至已经准备去附近找你了。”
【停顿0.7秒，看到对方毫无解释，语气明显变冷】
“可你现在就这样走过来……”
【“就这样”明显加重】
“连一句为什么迟到都不准备说，是吗？”
【停顿1秒，等不到回应，情绪开始失控】
“你知道我最生气的是什么吗？”
【音量略微提高，但不要喊】
“不是你迟到了！”
【短暂停顿，第一次出现明显爆发】
“是你明明知道我在等你，却连一句消息都不愿意发！”
【爆发后轻微换气，声音重新压低，但仍然带着怒意】
“哪怕你只告诉我一句，让我别等了……”
【语速放慢，愤怒中开始出现失望】
“我也不会像个傻子一样，一直站在这里。”
【停顿0.8秒，努力重新控制情绪】
“算了。”
【声音明显变轻，但不是释然，而是已经不想继续争论】
“我现在不想听你解释。”
【最后一句平静、冷淡，句尾直接收住】
“你让我一个人待一会儿。”
人物情绪变化：
最开始极力克制，随后通过事实陈述不断积累不满，在“不是你迟到了”之后短暂爆发，最后因为失望重新冷静下来。
愤怒主要通过重音、停顿缩短、语速加快和短暂提高音量表现。不要全程吼叫，不要咬牙切齿，不要冷笑，不要让声音突然变得沙哑或低沉。
不要背景音乐、环境音和其他人物声音。

状态三：担心转为委屈

保持人物原本的年龄感、声线、声音厚度、发声位置和自然说话习惯。整段始终是同一个人，情绪和身体状态只能改变呼吸、语速、音量、停顿和语气，不能改变人物的核心音色。
人物已经等待了很久。她最开始并不是生气，而是一直担心对方是不是遇到了危险。看到对方平安出现后，她先松了一口气，但此前积压的担心、害怕和委屈同时涌上来。
前半段仍然努力维持正常说话；中段情绪逐渐不稳定，呼吸变浅，停顿增加；说到自己一直担心对方时，声音明显发抖；后半段终于忍不住掉眼泪，但不要大哭、哭喊或连续抽泣。
情绪需要从“松一口气”逐渐转向“无法理解”，再转向“委屈和失望”。
【看到对方出现，先明显松了一口气，轻轻呼出一口气】
【声音很轻，像是仍然不敢相信】
“你终于来了……”
【停顿0.7秒，仔细看了对方一眼，确认对方没有受伤】
“你没事，对吧？”
【声音里带着真实的担心，语速稍快】
“你有没有哪里不舒服？路上是不是出了什么事？”
【发现对方一切正常，停顿1秒，情绪突然变得复杂】
“没有吗……”
【轻轻吸气，声音慢慢降低】
“那你为什么一直不接电话？”
【停顿0.6秒，努力维持正常语气】
“我给你打了四次。”
【声音开始轻微发抖】
“每一次没人接，我都在想……”
【停顿0.8秒，呼吸变浅，像是很难继续说下去】
“是不是发生了什么特别不好的事情。”
【轻轻吸气，努力忍住眼泪】
“我甚至不敢离开这里。”
【语速变慢，委屈逐渐明显】
“我怕你来了以后找不到我。”
【停顿1秒，眼泪开始涌上来，声音明显不稳定，但仍然尽量说清楚】
“可你现在站在这里……”
【短暂停顿，带着不理解】
“看起来什么事都没有。”
【轻微吸气，声音变得更轻】
“你是不是根本就没有想过……”
【停顿0.7秒，最后几个字轻微发颤】
“我会担心你？”
【保持1秒沉默，努力把情绪压回去，但没有成功】
“我不是因为你迟到才难过。”
【声音中开始出现轻微哭腔，不要大哭】
“我是觉得……”
【中途停顿，轻轻吸鼻子一次，不要夸张】
“我好像一直都在很认真地对待我们说好的事情。”
【声音降低，委屈达到最高点】
“可你没有。”
【停顿1秒，眼泪落下后，声音反而逐渐安静】
“算了……”
【轻轻呼吸，语速很慢，带着疲惫和失望】
“你平安就好。”
【最后一句声音很轻，像是不想让对方看到自己继续失控】
“我先回去了。”
【说完后保持1秒安静，只保留一次轻微、不稳定的呼吸】
人物情绪变化：
看到对方后先松一口气，随后发现对方并没有遇到危险，从担心转为无法理解；说出自己一直不敢离开时，委屈逐渐积累；在“我好像一直都在很认真”处情绪达到最高点；最后不是继续哭，而是疲惫地结束对话。
不要一开口就哭。不要持续抽泣，不要哭喊，不要把声音变得幼态或尖细。哭腔只能出现在后半段，并且要保留人物原本的声线和年龄感。
不要背景音乐、环境音和其他人物声音。

本章生成音频的作用

这三段音频主要有2个作用。

首先，用来测试参考音色的表演能力。

同一个人物在改变情绪后，声音的年龄感、声线和核心音色应该保持一致。变化的应该是语速、音量、呼吸、重音和停顿，而不是直接变成另一个人的声音。

其次，用来观察不同提示词对情绪的控制效果。

轻松调侃主要依靠语速变化、轻微笑意和特殊重音；

压抑愤怒主要依靠停顿、语气变冷、重音增加和短暂提高音量；

担心委屈主要依靠呼吸不稳定、语速变慢、声音降低和轻微哭腔。

通过三段对比，可以更直观地判断哪些提示词真正影响了人物表演。

前两章解决了人物声音和情绪表演的问题，但只有对白的音频，听起来依然会像一段单独录制的配音。

真正完整的有声剧/影视，还需要雨声、脚步声、办公室底噪、人群声和空间回声等环境声音，帮助听众判断人物在哪里，以及场景正在发生什么。

SeedAudio 1.0除了生成人物对白，还可以根据场景描述生成一段完整环境声音。

不需要编写复杂的时间轴，也不需要规定每一秒出现什么声音。

只需要写清楚场景、空间、主要声音、远近关系和排除项。

演示一：雨夜城市街道

生成一段写实的雨夜城市街道环境音。
夜晚正在下中雨，雨水持续落在道路、汽车顶部和街边遮雨棚上，形成不同材质的雨声。近处偶尔有车辆驶过湿润路面，轮胎带起明显水声；远处持续传来城市交通声和模糊鸣笛声。
街道上行人较少，偶尔出现快速经过的脚步声和雨伞轻微晃动声。整个空间开阔，声音具有自然的远近层次。
整体氛围安静、真实，雨声是主要声音，但不能过于密集或刺耳。
不要人物对白，不要旁白，不要背景音乐，不要雷声，不要夸张电影音效。

演示二：下午咖啡馆

生成一段自然、舒适的下午咖啡馆环境音。
场景是一家面积不大的城市咖啡馆。近处偶尔传来咖啡杯放在木桌上的轻响、餐具碰撞声、纸张翻动声和椅子轻微移动声。
中间区域有几桌顾客正在低声交谈，只需要形成模糊的人声氛围，不能听清具体内容。远处偶尔出现咖啡机运行、蒸汽喷出和店门打开的声音。
整体空间温暖、松弛，有适度的室内混响，但声音不能过于嘈杂。所有声音自然出现，不要连续重复同一种音效。
不要清晰人物对白，不要旁白，不要背景音乐，不要刻意加入鸟叫或街道噪音。

演示三：深夜办公室

生成一段安静、真实的深夜办公室环境音。
场景是一间较大的开放式办公室，大部分员工已经离开。空间中持续存在轻微的空调运转声、电脑主机低频声和灯具细小电流声。
近处偶尔出现键盘输入、鼠标点击、纸张翻动和办公椅轻微移动的声音。远处偶尔传来电梯到达提示音，以及走廊中短暂经过的脚步声。
整个办公室非常安静，各种声音之间保留较多空白，不要持续堆叠音效。声音具有明显的室内距离感和轻微空间回声。
不要人物对白，不要背景音乐，不要电话铃声，不要突然出现强烈声音。

生成音效的作用

首先，环境音可以快速建立场景。

即使没有画面，听众也能通过雨水落在遮雨棚上的声音、湿地上的车辆声和远处交通声，判断人物正处于雨夜街道。

咖啡机、杯碟碰撞和模糊交谈声，则可以让人迅速进入咖啡馆环境。

其次，环境音可以增强声音的空间感。

通过区分近处、中间和远处的声音，可以让音频不再只是平面的声音堆叠。

例如近处是键盘输入声，中间是空调和电脑运转声，远处是电梯提示音和走廊脚步声，听众就能感受到办公室的面积和人物所处的位置。

第三，环境音可以推动剧情。

脚步声逐渐靠近，说明有人正在接近；

房门突然关闭，说明人物被困在空间中；

手机振动、车辆停靠和玻璃碎裂，也可以在没有旁白解释的情况下传递剧情信息。

第四，单独生成环境音方便后期调整。

如果人物对白、环境音和关键音效全部一次生成，某个声音不合适时，往往需要重新生成整段内容。

将环境音单独生成后，可以在剪辑软件中自由调整音量、长度、出现位置，也能更方便地替换失败的声音。

第五，这些结果可以建立可重复使用的声音素材库。

可以将生成结果分别保存为：雨夜城市街道；下午咖啡馆；深夜办公室；传统集市；医院走廊；公寓楼道。

后续制作有声剧、短剧配音或视频时，遇到相似场景就可以直接复用，不需要每次重新生成。

前三章已经完成了角色参考音色、人物情绪表演和环境音效。

接下来需要把不同角色放进同一个场景中，测试模型能否准确识别人物身份，并按照剧本分配对应的声音、情绪和空间位置。

这一章使用林夏、周沉和程瑶三个参考音色，制作一段短篇多人对话。

演示案例：《这份外卖不是我点的》

深夜，林夏收到一份外卖，但房间里的程瑶表示自己没有下单。

外卖员周沉准备离开时，突然看到订单备注：

不要让她回屋，房间里的人不是程瑶。

完整提示词

使用三个人物的参考音色进行配音。
林夏使用【音色1】，周沉使用【音色2】，程瑶使用【音色3】。三个角色的声音不能交换，保持各自稳定的年龄感、声线和说话习惯。
场景是深夜公寓门口。林夏和外卖员站在门外，程瑶最开始位于房间深处。背景只有轻微室内底噪和走廊环境声，不要背景音乐。
【响起两次轻轻的敲门声】
【林夏打开门，带着疑惑，语气自然】
林夏：
“你好，可是我没有点外卖啊。”
【周沉站在门外，低头确认订单，语气礼貌、沉稳】
周沉：
“地址是三栋302，收件人叫程瑶。”
【程瑶从房间深处回应，声音距离较远，带着一点随意】
程瑶：
“不是我的，我今晚什么都没点。”
【林夏回头看向房间，语气更加疑惑】
林夏：
“那是不是送错了？”
【周沉准备离开，突然看到订单备注，停顿0.8秒】
【声音降低，语气从礼貌变得严肃】
周沉：
“等一下……”
【停顿0.5秒，确认备注内容】
“订单上还有一句话。”
【林夏轻轻吸气，产生不安】
林夏：
“写了什么？”
【周沉压低声音，语速变慢】
周沉：
“不要让她回屋。”
【停顿0.6秒】
“房间里的人……不是程瑶。”
【走廊短暂安静】
【真正的程瑶从林夏身后很近的位置轻声开口】
程瑶：
“你们在说什么？”
【林夏突然屏住呼吸】
【房门自动关闭，音频立即结束】

本章生成音频的作用

首先，多角色对话可以测试参考音色的角色分配能力。

当一段音频中同时出现多个角色时，模型需要准确判断哪一句属于林夏、哪一句属于周沉、哪一句属于程瑶，不能在中途交换人物声音。

其次，可以测试角色音色的连续稳定性。

同一个角色通常会在一段剧情中多次开口。即使中间插入了其他人物的台词，再次出现时，也应该保持相同的年龄感、声线和声音气质。

第三，可以建立人物之间的表演关系。

多人对话并不是把几段单人配音简单拼接在一起。一个人物说话时，另一个人物可能正在犹豫、打断、回应或压低声音。

通过台词顺序、停顿和情绪反应，可以让三个角色真正处于同一个场景中。

第四，可以表现人物的空间位置。

角色从房间深处说话时，声音应该更远、更模糊；

人物靠近门口后，声音会逐渐清晰；

声音突然出现在主角身后时，则需要明显缩短距离。

这种距离变化可以帮助听众在没有画面的情况下，判断角色正在移动或改变位置。

前四章分别解决了角色声音、人物表演、环境音效和多人对话问题。

最后一章将这些能力组合在同一段音频中，制作一段完整的有声剧。

这一章不再单独测试某一个功能，而是观察多个功能同时出现时，模型能否维持人物、情绪、剧情和声音环境的整体稳定。

完整提示词如下：

林夏使用【音色1】，周沉使用【音色2】，程瑶使用【音色3】。三个角色的声音不能交换，保持各自稳定的年龄感、声线和说话习惯。
使用三个人物的参考音色制作一段情绪强烈的灾难有声剧。
三个角色的核心音色、年龄感和声音身份必须始终保持一致。人物情绪可以影响呼吸、音量、语速、停顿和声音稳定度，但不能更换人物声线。
场景是一栋正在燃烧的办公楼。楼内持续存在火焰燃烧、远处报警器、建筑轻微震动和烟雾造成的闷响。楼外有消防车辆、模糊人群声和远处警报声。
环境音需要有空间层次，但不能遮挡人物对白。不要背景音乐。
【开头是持续的火焰燃烧声，远处报警器断断续续响起】
【林夏捂住口鼻，呼吸急促，努力压低身体向前移动，声音发紧】
林夏：
“我看不见出口……”
【短促换气，咳嗽一次，努力让自己保持清醒】
“周围全是烟，我不知道自己现在在哪一层。”
【电话中的周沉声音清晰、沉稳，语速稍快，但没有慌乱】
周沉：
“听着，先不要站起来。”
【语气坚定，每个指令都说得清楚】
“趴低，沿着右边的墙一直往前走。”
【短暂停顿，确认林夏还在听】
“不要挂电话，我马上到你那里。”
【林夏向前移动，远处响起物体倒塌声，她被吓到，呼吸突然失控】
林夏：
“前面过不去了！”
【声音明显颤抖，语速加快】
“天花板掉下来了，我没有路了！”
【周沉听见倒塌声后，声音第一次明显提高，但仍然清晰】
周沉：
“林夏，看着手机！”
【短暂停顿，语气强硬，试图把她从恐惧中拉回来】
“你左边有没有门？哪怕是一扇小门！”
【林夏剧烈咳嗽，摸索周围，声音接近哭出来】
林夏：
“有……有一扇。”
【急促呼吸，尝试推动房门】
“可是打不开！”
【楼外，程瑶抢过电话，声音焦急，带着明显哭腔】
程瑶：
“姐！”
【短暂停顿，哭着吸气，语速很快】
“你听见我了吗？你别怕，消防员已经上去了！”
【声音开始发抖，努力把话说完整】
“你再坚持一下，求你了……”
【林夏听见妹妹的声音后短暂安静，情绪从恐惧变成强烈的不舍】
林夏：
“程瑶……”
【轻轻吸气，声音很虚弱，但努力显得平静】
“你先别哭。”
【短暂停顿，火焰声逐渐变大】
“我答应你的事情，还没做完呢。”
【程瑶情绪彻底失控，声音提高，哭着打断】
程瑶：
“那你就出来啊！”
【急促换气，几乎喊出来】
“你自己答应我的，你不能又说话不算数！”
【周沉快速向前移动，近处出现急促脚步和装备碰撞声】
【周沉隔着门大声呼喊，声音比电话中更远，但更有力量】
周沉：
“林夏！退后！”
【停顿0.5秒】
“离开房门！”
【林夏听见周沉的声音，重新出现希望，急促向后移动】
林夏：
“我在这里！”
【带着哭腔，提高音量】
“我在门后面！”
【周沉猛烈撞击房门一次】
【建筑内部突然传来沉重的断裂声】
【周沉立刻提高音量，急促喊出】
周沉：
“趴下！”
【巨大的坍塌声突然响起，电话信号出现强烈杂音】
【所有人物声音突然中断】
【楼外环境中，程瑶愣住，呼吸停止片刻】
程瑶：
“姐？”
【停顿1秒，只剩下电话电流声】
【程瑶声音很轻，已经完全失去刚才的力量】
“姐……你说话啊。”
【电话中突然传来两声微弱敲击】
【程瑶屏住呼吸】
【周沉的声音从电话中断断续续传来，急促但坚定】
周沉：
“她还活着。”
【短暂停顿，周沉用力推动障碍物】
“继续和她说话！”
【程瑶立刻靠近电话，声音仍然哭泣，但重新出现希望】
程瑶：
“姐，你听见了吗？”
【深吸一口气，努力让声音稳定】
“我就在这里。”
【语速放慢，哭着重复】
“你别睡，我一直陪着你。”
【远处继续传来消防员清理障碍的声音，音频结束】

本章生成音频的作用

首先，完整有声剧可以检验前面所有步骤是否真正能够组合使用。

参考音色需要保持稳定；

不同角色需要准确分配；

人物情绪需要随着剧情推进；

环境音需要建立场景；

提示音和脚步声需要推动剧情。

任何一个环节出现问题，都会影响最终成片。

其次，可以测试短时间内的情绪转折。

完整剧情中的人物不会一直保持一种状态。

这种连续变化比单独生成一种情绪更接近真实剧情表演。

第三，可以检验不同角色之间的情绪影响。

角色的情绪不再独立存在，而是会随着其他人物的台词产生即时反应。

第四，可以检验环境音与对白的融合能力。

环境音既不能完全消失，也不能抢占剧情重点。

SeedAudio 1.0的价值，不只是让AI声音变得更加真实。

更重要的是，它开始将人物音色、情绪表演、环境音效和多角色对话放进同一个生成过程。

制作时不要将提示词写成单纯的声音形容词列表。

需要像导演给演员讲戏一样，写清楚人物正在经历什么，情绪如何变化，在哪里停顿，什么时候呼吸，以及周围空间正在发生什么。

当人物状态、台词和声音环境真正建立关系后，生成结果才会从普通AI配音，变成一段完整的声音表演。

请围绕「刺猬星球super-i_AI教程免费在线教学」帮我做一个可直接执行的方案。
我的目标是：【填写你的具体目标】
我的素材/产品/角色信息是：【填写已有素材和限制】

请输出：角色定位、脸型方向、三庭五眼比例、五官主次、妆造记忆点、完整生图提示词。要求原创、有辨识度、避免撞脸和网红脸。