Torvald
命令真能被执行的骑士团长
一眼看全
- 这是什么
- 一个免费的 AI 配音与文字转语音工作台，专为剧本而做：自动认出谁在说话，给每个角色各自的声音，逐句调整情绪，最后导出一条成片——是全员配音的广播剧，不是一个旁白把所有人的台词念一遍。
- 输入什么
- 粘贴进来的剧本。剧本格式、「角色名：台词」、带说话标注的叙述文都照原样解析，西班牙语、法语、葡萄牙语、俄语用破折号起对白的写法也认得。台词行首的括号、以及整行都是括号的那几行，会当成这一句的表演提示演出来，不会念出来，也可以在台词表里直接改。没有文件导入，所以请把文字粘进来，而不是上传文档。
- 导出什么
- 所有套餐都能导出一条混好的 MP3。Plus 起可以导出 SRT 字幕——它是按你的剧本写的，不是从音频转写的，所以人名不会写错、时间轴本来就对得上。分轨导出（每个角色一条与成片等长的音轨，外加成片本身，打包成 ZIP）是 Pro 的功能。没有 WAV 导出。
- 角色与基础嗓子
- 库里有 40 个角色，每个都有立绘、人设和样音。它们背后是 10 把基础嗓子——女 4、男 5、中性 1——这 10 把在每种语言里都是同样的几把。同一个项目里，两个角色不会共用一把基础嗓子，直到 10 把全被占用：所以最多 10 个说话人的戏能干净地分开；再多就有两个角色共用一把嗓子，靠人设和每句的表演指示分辨。你挑的是角色，不是基础嗓子。也可以克隆你自己的声音：念一段简短的同意声明，录下来就是这把声音（每个账号最多 3 把），能分给任何角色；克隆声音 9 种语言都能念、跟随语速，但不演情绪和表演提示。
- 支持的语言
- 9 种：English、简体中文、日本語、한국어、Deutsch、Français、Español、Português、Русский。库里每个角色都能用这几种语言演——角色是人设，不是一段录好的音——项目的语言在新建时定下，之后不变。英语以外一律是该语言的通用口音，地区口音选不了，也不做保证。我们没有请各语言的母语者逐一审听过，所以先拿你自己的台词听一遍再定。
- 情绪与逐句表演
- 每一句都由 AI 配音演员照着一条书面的表演指示现场演，所以 7 种情绪（平静、开心、悲伤、愤怒、恐惧、耳语、兴奋）是真的演出来的，不是靠参数凑的。给角色设一个默认情绪所有套餐都能用；逐句覆盖情绪只有 Pro 有，5 档逐句语速（0.75×–1.25×）是 Plus 和 Pro。同一句重新生成是货真价实的另一遍，嗓子不变；改动一句只会重新合成那一句。
- 价格与公测
- 一个额度等于剧本里的一个字符，而且只在下载时扣——生成和试听不扣额度，但每 24 小时有合成行数上限：Free 档 30 行，Pro 档最多 2,000 行。Free 档给的是一次性的 4,500 额度，约合 16 分钟成片，每个项目 2 个角色。付费档每月 Basic $5、Plus $19、Pro $29，年付省 10%。支付还没上线：公测期间每个账号都直接拥有 Pro 的全部功能，不花钱；但商用授权不随公测放开，套餐正式开放后仍需付费档。
- 目前还做不到
- 声音克隆只能克隆你本人，克隆声音只念字、不演情绪和表演提示。没有文件导入，没有 WAV 导出，没有发音词典，没有音高控制，也不能指定某一把基础嗓子或某个地区口音。任何语言都没有真童声：儿童角色由成人配音演员来演，动画配音一直就是这么做的。角色只存在于单个项目里，不会带到下一个项目。
它能做什么
直接粘贴剧本，不用套模板
剧本格式、以「角色名：」开头的对话行、带对话标注的普通叙事文，都按写下来的样子解析。可以从文档、编剧软件或表格的一列里直接粘贴。没有文件上传——.txt、.docx、.srt 都导不进来，把文字复制进来就行。
自动分配角色
说话人识别会按谁在讲话把剧本切开，再根据剧本里对这个人的呈现，给每个说话人推荐一个库角色。这是建议，不是决定——每个分配都能改，改过之后在这个项目里一直有效。
逐句情绪
情绪属于台词，不属于角色。给每个角色定一个平时的语气基调，只标出那几句基调被打断的台词。这是把「顺一遍」变成「一场表演」的唯一机制，也是 Pro 多出来的主要东西：其他套餐每句都跟随角色平时的基调。
角色在项目里设一次
名字、人设、性别、年龄段、所选的库角色和默认情绪，在项目里设一次。同一个项目里两个角色不会共用一把嗓子，直到这一性别的基础嗓子用完（女 4 把、男 5 把，再借那把中性的，一个项目最多 10 把互不相同的嗓子）；后加的角色也不会让已有角色换嗓子。角色不能带到别的项目，所以系列作品每一集都要重新选同样的库角色。
只重新生成改过的那几句
改一句，只重新合成那一句，其余台词保留已有的音频。对长项目来说，这就是「放心改」和「每次改稿都发怵」的区别——改三句只花三句的生成，而不是整部重渲染。
接得进真实流程的导出
所有套餐都能导出一条混好的 MP3；Pro 可以导出按角色打包成 ZIP 的分轨，供配乐与音效使用；Plus 起可以导出一份由剧本生成而不是听写得来的 SRT——所以人名写得对，时间轴本来就对得上。
怎么用
- 粘贴剧本
把文字复制进来。不用重排格式，也没有要填的模板。
- 核对配音阵容
看一遍每个角色被推荐的音色，在同一句台词上试听备选，定下合适的那把。
- 定下基调
给每个角色一个默认情绪。整场戏大部分都跑在默认值上。
- 导演那几个转折
标出基调被打断的具体几句——一场戏通常是三到五句。
- 渲染后整段听一遍
节奏问题一句一句听不出来，从头听到尾一目了然。
- 导出
成片、分轨还是字幕，看这段音频接下来要去哪儿。
为什么产品是分配角色，合成只是零件
语音合成已经是大路货。好几家供应商的音质都足够做有声剧，它们之间的差距比一场戏配得好与配得差之间的差距小得多。不是大路货的是合成之外的全部：认出谁在说话、让一个角色几个月都稳住、逐句导演、把音频以能拿去混音的形式交出来。
所以这里的供应商层是一个接口，后面挂着好几种实现。明年出现更好的引擎，那只是改一处配置，而不是重做一遍；你的项目、角色分配和逐句导演原样带过去。
这个工具故意不做的事
它不写剧本。生成的台词由生成的声音来演，这种东西没人会想要第二次，而有声剧里真正有意思的问题是制作，不是点子。
它不做混音。没有音乐床、没有混响、没有立体声摆位。这些该在音频编辑器里做，那里你能把所有声音放在一起听；把它们塞进渲染工具，结果一向比两边各自做更糟。
它不在一次渲染里做对话叠音。抢话是真实存在的戏剧手法，而它是一次混音操作——导出分轨自己错开就行。在任何编辑器里拖一下，这是你能对一场吵架做的最真实的处理。
它诚实地弱在哪儿
生理性发声是目前的上限：尖叫、抽泣、边笑边说、用力时的闷哼。这些是呼吸事件而不是语音事件，也正是听众认出音频是生成的地方。能绕就绕开写，绕不开就把承担这几下的两三句录下来。一部作品里混用真人录音和生成音频很常见——在你的音频编辑器里混，因为录音放不进项目——只要文本撑住了那一刻，接缝是听不出来的。
很长的情绪独白是第二个弱点，原因相近：真人演员在一段独白里每隔几秒就会对潜台词做一次判断，而这里没有任何东西在尝试这件事。
常见问题
能导入哪些文件格式？
都不能——没有文件上传。把文字本身粘贴进来，可以是剧本格式、「角色名：」对话行，或带对话标注的叙事文。Word 文档或字幕文件，把里面的文字复制出来再粘贴。
自动分配角色总能认对说话人吗？
剧本格式下几乎总是对的。叙事文里要看你的归属写得有多明确——长段没标注是谁说的对话、以称号代称的角色，是稳定会出错的情况。渲染前扫一眼分配结果，一分钟就够。
能只改一句而不重新渲染全部吗？
可以，正是这个能力让长项目成立。改一句，只重新生成那一句，其余音频保持原样。
角色能跨项目用吗？
不能。角色只存在于它所在的项目里。做系列的话，每集新建一个项目，选同样的库角色、写同样的人设。跨项目不保证分到同一把嗓子，因为避重是按每个项目里角色加入的顺序来的——所以导出前先听一下主角的第一句。
能加音乐和音效吗？
这里不行。导出分轨，去音频编辑器里配。这是有意画下的边界，不是缺掉的功能。
哪个套餐有逐句情绪控制？
只有 Pro。免费、Basic 和 Plus 每句都跟随角色的默认情绪，足够确认一场戏成不成立，但没法把某个特定转折放在某一句上。