AI 配音别只写“有感情”
先别急着调音色
很多人做 AI 配音，第一反应是找“更像真人”的音色。其实问题往往不在音色，而在提示词太空：伤心一点、愤怒一点、自然一点。AI 不是演员本人，它不知道你说的“自然”到底是压着火、忍着哭，还是故作轻松。
活人感配音的核心，不是让 AI “有情绪”，而是让 AI 知道这个人为什么这样说、说给谁听、说到哪一句绷不住。
笼统提示词为什么没用
“委屈”“愤怒”“害怕”只是情绪标签，不是表演指令。真人说话有层次：有人嘴上平静，其实尾音发抖；有人很生气，但因为在公共场合，只能压低声音；有人害怕，不一定尖叫，可能是语速变快、句子变短、呼吸变浅。
所以，AI 配音提示词要从“情绪词”升级成“表演说明书”。
四层提示词法
可以按这四层写：
- 场景：谁在对谁说，刚发生了什么。
- 情绪：主情绪是什么，副情绪是什么。
- 声音动作：语速、音量、停顿、气息、尾音、重音。
- 边界：不要播音腔，不要夸张，不要像广告，不要哭喊。
一个可直接套用的模板：
你在对【对象】说这段话，刚经历了【事件】。主情绪是【情绪】，但要带一点【副情绪】。语速【快/慢/正常】，音量【偏低/正常/提高】，关键句“【句子】”前停顿一下，尾音【收住/发抖/下沉/变轻】。整体像真实对话，不像朗读稿，也不要播音腔。
比如“委屈”不要只写委屈，可以写：声音压低，语速变慢，前半段努力克制，后半段尾音有点发抖，但不要哭腔太重。这样 AI 才能抓到故事感。
教育内容怎么用
对内容和教育行业来说，AI 配音不是只为了省人声成本，而是为了提升表达密度。比如讲公考申论、面试题、学习方法，如果全程一个平直声音，用户很快走神。
可以把一条内容拆成三种声音状态：
开头用“提醒感”，语速略快，制造注意力；讲方法时用“稳定感”，声音清楚、节奏均匀；讲误区或痛点时用“代入感”，稍微放慢，停顿更多。
这比单纯追求“声音好听”更有用。因为用户不是来听播音作品的，他是在判断：这内容和我有没有关系，我要不要继续听。
一张自查清单
每次生成前，先问自己五个问题：
这句话是谁说给谁听？
他说这句话前发生了什么？
他是外放情绪，还是压着情绪？
哪一句最重要，需要停顿或重读？
我有没有写清楚不要什么风格？
如果这五个问题答不出来，生成出来大概率就是“AI 味”。如果答清楚了，即使不是顶级音色，也会更像一个人在说话。
最后的判断
AI 配音的竞争点，会从“谁的声音更像真人”，转向“谁更会给 AI 导演情绪”。提示词不是魔法咒语，而是给 AI 的表演分镜。普通人想把内容做得更有感染力，不必一上来研究复杂参数，先学会把情绪写细，把场景写实，把边界写清楚。
声音有故事，内容才更容易被听完。