Kestrel
低沉疲惫的女剑客，这场仗她已经输过一次
为什么这条路子在这儿行得通
角色分配自动完成
贴一场戏进来，CastDub 会认出谁在说话——「人名：」开头、标准剧本分栏、带对话标签的散文，你平时怎么写就怎么贴。系统会按你对角色的描述先推荐一个音色，你不同意的地方改掉，改完在整个项目里一直生效。
情绪挂在句子上，不是挂在角色上
戏就在角色语气转折的那一瞬间。情绪是句子的属性，所以一个角色可以平稳地讲八句，第九句崩掉。就这一个机制，决定了你做出来的是「过一遍台词」还是「一场表演」。
跨集也还是同一个人
角色卡里存着名字、人物设定、音色、默认情绪和读音修正。第十二集听起来和第一集一样，是因为卡片本来就是同一个对象，而不是因为有人记得几个月前选过什么。
导出格式贴合真实流程
想快速分享就拿混好的 MP3，要配乐做音效设计就拿按角色分轨的文件，要带字幕发布就顺手导一份 SRT。没有任何环节强迫你在一个工具里做完全部工作。
具体怎么做
- 把剧本拿进来
粘贴，或者上传文本文件。格式统一就行，不用先把剧本改成某个模板。
- 过一遍配音阵容
自动分配会给每个角色推荐一个音色。把候选音色放在同一句台词上连着试听——这是唯一真能定下选角的对比方式。
- 给每个角色设默认值
定好各自的基准情绪和语速。一场戏大部分都跑在默认值上，默认值对了，你只需要导那几个例外。
- 只导转折处
标出真正有变化的那几句——那句告白、那句威胁、那个不像玩笑的玩笑。其余保持中性，这几句才有东西可以撞。
- 整场渲染，连着听完
一口气听完整场戏，别停。有声剧的问题几乎都是节奏问题，而节奏是逐句听不出来的。
- 按需要的形态导出
成片、分轨，或者分轨加字幕。如果打算加配乐和音效，一定拿分轨——已经混成一条的对白轨极难往下铺音乐。
有声剧为什么正在起势
有声虚构内容已经稳步增长了十年，背后是推动播客增长的那几件事：通勤、家务，以及音频是唯一能一边干别的一边消费的媒介。最近变的是制作成本。一部剧需要好几个演员，好几个演员就意味着约时间、租棚、找制作人，这把这个形式挡在了最想做它的那群人之外。
结果这个门类要么被有钱的正规制作占据，要么被一个人包下所有角色的独播主占据。可这两样都不是有声剧。这个形式的全部魅力就在于听到人和人之间的一场戏，一个人捏着嗓子演四个角色，听众是在忍，不是在享受。
AI 生成的表演改变的是经济账，不是手艺。选角、导戏、节奏、写作都还重要——甚至更重要了，因为现在只剩这些东西把好作品和坏作品分开。
决定一部剧成不成的四个选择
第一，为「分得开」而选角。听众完全没有视觉信息，主要靠音高区间和语速区分说话人。两个角色落在同一个音区，纸面上性格差得再远，听起来也会糊成一片。有意识地把阵容拉开，一场戏立刻清楚了。
第二，导戏要克制。人的本能是给每句话都标个情绪，结果是一团均匀的浆糊。两句有情绪、二十句中性的戏，比处处都拉满的戏动人得多。
第三，节奏。音频没有「跳读」这回事。纸上读起来很快的一场戏，念出来可能四分钟，而听众每一秒都感觉得到。解决办法几乎永远是删，不是加速。
第四，静默。句与句之间的空隙，是听众自己完成理解的地方。广播剧导演大部分时间花在空隙上，而这也是独立创作者手里最被浪费的一件工具。
一套改得起的工作流
人们放弃有声剧项目，基本不是因为第一次渲染，而是第二十次改稿——改一句台词就要手工重新拼一整集。任何让「改」变贵的流程，最后都会被自己压垮。
撑得住的结构是：一集一个项目；每个常驻角色一张角色卡；按场渲染而不是按集渲染；剧本永远是唯一的事实来源。改一句台词，重渲那一场，把文件换回成片里，别的什么都不动。
由此推出一条：剧本没锁死之前别做混音。给一场听起来不错的戏加配乐非常有诱惑力，改稿之后重做则非常痛苦。先把表演做对，再一次性配乐。
它不做什么
它不替你写剧本。这里刻意没有故事生成——有声剧里有意思的难题是制作，不是点子，而「AI 写的剧本由 AI 的声音演出来」这种产品，没人会想要第二次。
它不做混音。没有音乐床，没有混响，没有空间定位。这些属于音频编辑器，你在那里能把所有东西放在一起听；每一次试图把它们塞进渲染工具的尝试，结果都比分开做更差。
它也不在一次渲染里处理对白重叠。人说话打断彼此是真实有效的戏剧手段，但它是一个混音动作：导出分轨，把它们错开一点。任何编辑器里这都是一次拖拽，也是你能对一场吵架戏做的最真实的处理。
要花多少钱
Free
$0 / 月
够你做完一场短戏，听听自己的剧本配上音色是什么样。
- 每月 10,000 字符——额度每月重置，不是一次性试用
- 每个项目 2 个角色
- 5 分钟成片
- 导出带一段很短的 CastDub 水印
常见问题
有声剧到底是什么？
完全靠声音讲完的故事：对白、旁白、音效和音乐，没有画面。它就是广播剧那一脉，最近借着播客发行渠道明显复兴。它的标志性特征是不同角色由不同声音来演——而这恰好是单音色工具给不了你的。
和普通文字转语音差在哪？
普通文字转语音是拿一个音色念一整段文本。这里是接过一份有多个说话人的剧本，给每人分不同音色，逐句分别导戏，最后混成一条。底层的语音合成只是其中一个零件，真正是产品的是上面那层选角与导戏。
剧本格式有要求吗？
没有。标准剧本分栏、「人名：」式台词、带对话标签的普通散文都能用。如果某一场特别含糊——说话人没名字、大量靠上下文推断——那几句得你自己标一下，花不了几分钟。
一个项目能有多少个角色？
免费套餐 2 个，Creator 5 个，Studio 与 Team 不限。一场典型有声剧连旁白算三到六个说话人，所以 Creator 足够覆盖大多数单人创作，群戏则用 Studio。
能加音乐和音效吗？
CastDub 里不行——它渲染的是表演，不是混音。导出分轨，到任何音频编辑器里做。这是刻意的：对白和声音设计是两门手艺，塞进一个工具往往两边都变差。
做出来的东西能卖吗？
任何付费套餐都可以，商用授权已包含，也没有水印。免费套餐仅供个人使用，会加一段很短的水印。不管哪种情况，剧本始终是你的。