Bellhop
故意把话说两遍，这就是梗
喜剧是结构，而结构可以测
每个真正在写喜剧的人都会告诉你同一件不浪漫的事：笑话是改出来的，不是写出来的。一个段子的第一版几乎从不是最后那版，而找到那一版的唯一办法就是一遍遍念出来听。过去这需要一屋子人，所以喜剧写作一直又慢又依赖社交。
把「念出来」交给生成，就把排期从这个循环里拿掉了。过去约一次围读的时间，现在能听四个版本的笑点，而且是用预设的音色听，不是用你自己的嗓子。这不会让你变得更幽默，但它把反馈循环压得足够紧，让你能真的查出来什么好笑。
选角就是选那个错配
多数经久耐用的喜剧配音都跑在音区错配上。为电影预告做的声音在描述一个三明治。温柔的儿童旁白在发出威胁。一个怒到极点的角色用图书馆音量说话。幽默在「怎么说」和「说什么」的落差里，而这个落差是一个三十秒就能做完的选角决定。
推论是：一个本身就很滑稽的声音通常反而是更弱的选择。尖细的声音说荒谬的话，是两个笑点叠在一起，会互相抵消。把荒谬的内容交给严肃的声音，看看会发生什么。
真正能控制的节奏
CastDub 逐句渲染、句间留空隙，也就是说你的排版就是你的节奏。你想让观众坐在里面的那个停顿，会变成一个空拍；快速来回则是一串短句、不留空白。如果某个笑话依赖有人插话，就把插话写成一句从半句开始的台词——即便音频没有重叠，听众也会听到那个截断。
真要重叠，就导出分轨，在剪辑软件里把它们叠上去。这是喜剧确实需要多轨的一处，因为抢话是一种没法顺序假装出来的喜剧手法。
限制在哪里
笑声本身仍然很难。生成的笑是整套工具里最容易被听出是合成的声音，因为笑本质上是呼吸事件，不是语音事件。如果你的段子需要一声笑，自己录一条剪进去，没人分辨得出来，而且只要十秒。
另一个限制是渲染器救不了一个不好笑的笑话。这听起来像批评，其实是这个工具最有用的性质：听到自己的文字被平淡地念出来，会剥掉你脑子里那个版本——而那个版本几乎总是比纸上的更好笑。
你需要的音色这里都有
几步就能把剧本变成音频
- 先写那个正经的角色
喜剧是铺垫加反应。先决定哪个音色是锚，然后把它配得尽量无趣——搞笑的那个需要一块平的墙去弹。
- 为错配而选角
最稳的笑点是声音和内容不搭：用预告片男中音宣布早餐，用欢快的声音报坏消息。试听时要试这个错配，而不是单独找「最好笑的声音」。
- 把停顿单独放一行
节奏就是换行。把笑点前那一拍拆成单独一句，观众预期的那个空隙才真的存在。
- 同一个笑点试三种演法
把同一句笑点分别渲成中性、兴奋和冷面。冷面赢的次数比多数人以为的多，这也是为什么试听比调参数重要。
- 导出后找个人试
喜剧是唯一你判断不了自己节奏的类型。导一段 MP3，发给一个人，看他在哪儿开始听不下去。
常见问题
AI 音色真的能搞笑吗？
搞笑的不是声音，是文字和节奏。这类工具给你的是几分钟内就能验证节奏，而不用约两位演员。这把喜剧写作变成一个可以反复迭代的过程，而喜剧只有这样才会越写越好。
最大的错误是什么？
让两个搞笑的声音互相对着演。没有正经人，观众就没有衡量荒谬的基准，一切都摊平成噪音。一场戏至少要有一个锚。
冷面演法怎么弄出来？
情绪留在中性，语速稍微降一点。多数人把喜剧导过头了——他们给一句台词加兴奋，而那句话如果像什么怪事都没发生一样念出来，会更好笑。
能模仿真人吗？
不能。克隆或模仿可识别真人的声音违反我们的条款，即便是戏仿也一样，因为这段音频一旦离开你的项目就和真录音无法区分。写一个原创角色吧，笑点通常还在。
渲染器懂讽刺吗？
光看文字不懂。请明确标出这句的情绪，或者把它写成结构性的讽刺——平淡的演绎配上荒谬的陈述，不需要任何声音上的暗示，本身就读作讽刺。
做一档小品播客要哪个套餐？
Creator 足够撑一档周更小品节目：五位配音成员、每月六十分钟、无水印。如果想把声音摆进立体声场就上 Studio——这件事在小品里比多数人以为的更重要。