第 13 页 · 文字版
05 / 旁白 HUIWANG / FILMMAKING NOTES
先像在讲一件事,再求音色 本片中文旁白用 Qwen3-TTS 本地合成,MLX Audio 运行 1.7B Base 的 8bit 量化模 型,延续项目原有的原创 B 男声。不是作者本人、Tim 或其他名人的音色。
合成与核对 本片先定稿分句、用原创参考声线合成,再调整句子位置、合成画面并用 ASR 辅助 核对。建议补做逐句试听与全片连续听审,听出问题再改文本和停顿。Base 以参考 音频维持声线;文本设计声音用的是 VoiceDesign,接口不能混用。
先改朗读任务
带着这个目的读:你刚看见一个不理解的细节,正指给身边的人看。
“看这个发光的气体盘。”先给视线落点;“为什么盘的后侧,会出现在黑洞的上 方?”再让好奇产生。重要句读完,留出看画面的时间,不把所有停顿都剪净。
想让讲述更自然,可以这样试 用自己的声音,或请获授权的配音者按段录三遍:平实讲述、真实好奇、回望后的 安静。保留自然换气,选完整表演,再做轻处理。TTS 变速能调时长,难以代替这些 讲述细节。
本片 22 段中文合成旁白时长合计约 95.4 秒,包含段内停顿;这是本次制作的记录 ,不是三分钟视频的配音公式。ASR 可辅助发现漏字、错字,仍需听录音复核,也 不能证明情绪自然。
来源 T1 T2 T3
回望 / 制作手记 · 2026.10 13
文字版便于检索与复制,图表和排版请切回「图文」。