Milo
九岁，牙还松着，主意很大
人们为什么要用合成的儿童音色
有三个坦率的理由。实操上的理由是排期：儿童演员工时受限，必须有监护人在场，也不太可能随时叫回来补录。经济上的理由是儿童音频本来就少有充足预算，为了六句台词开两小时的棚，账算不过来。第三个理由大家说得最少、担心得最多——把一个真实孩子的录音放进一件会被永久分发的产品里，这个风险是收不回来的。
合成音色同时回答了这三个问题：不用排期，没有按次的成本，也没有哪个真实的孩子的声音就此流传在外。最后这一点，正是若干儿童出版方悄悄把配角换成合成儿童音色、同时仍然保留真人旁白的原因。
写演得出来的儿童台词
孩子说话有一套明确的节奏，和音高关系不大。句子短。意思一个一个来。从句很少，出现时也是挂在句尾，而不是折进句子中间。重复被当成强调手段，而不是被当成坏文笔避开。
如果你写了一个成年人的句子，再把它派给儿童音色，听众听到的是成年人：音高说这是孩子，句法说不是，句法赢。对儿童角色台词最有效的一次修改，就是把每句话砍掉一半。
年龄也很关键。五岁和十岁完全是两个角色——大一点的能把一个念头撑过两句话、还会用讽刺，小的不能。先按你写的年龄挑音色，再回头检查文字配不配得上它。
让孩子和大人同场
几乎每个儿童故事都是一场跨年龄的对话，而这个年龄差正是音频成立的地方。一个实用建议：先配大人。大人给这场戏定了锚和预期音量，有了可参照的对象，你才容易判断一个儿童音色听起来够不够小。
也留神响度。高音听着会比测出来的更响，所以在表上和成年人齐平的儿童音色，实际听起来可能像在喊。在混音里稍微压下去一点，整场戏就松下来了。
我们守着的伦理线
我们会生成儿童角色音色，但不会克隆真实孩子的声音，而且没有任何套餐、同意书或企业协议能解锁这一项。一个可识别的孩子的声音模型，就是一件冒充这个孩子的工具，没有任何正当的创作需求非它不可。
如果你的项目确实需要让某个真实的孩子被听见——纪录片、家庭档案——那就好好地录：取得监护人同意，明确说清录音会用在哪里，然后去剪这段录音。那是另一件事，和语音合成不同，也应该一直是两件事。
几步就能把剧本变成音频
- 照孩子真实说话的样子写
句子短，一句一个意思，而且会重复很多遍。最常见的错误是给孩子角色写成年人的句式，这一点任何音色都救不了。
- 把孩子和大人一起配
儿童音色的可信度大半来自对比。一开始就把大人放进这场戏，这样你试听的是两人的关系，而不是一段独白。
- 语速比你觉得合适的再慢一点
小听众需要的句间空隙比成年人多，而且孩子角色说得快，听起来就像被调高了音高的成年人。把语速放慢，这个错觉才守得住。
- 情绪要省着用
故事里的孩子总在兴奋和委屈之间来回，但一整场都开到最兴奋会把人听累。把中性当地板，峰值留着用。
- 按你要发布的形式导出
播客要一段混好的 MP3，动画要分轨，课堂视频要 SRT 让字幕对得上。这三样都能从同一个项目里出来。
常见问题
这是真小孩的录音吗？
不是。库里的儿童音色是合成模型，不是孩子的录音片段，你输入的任何文字都不会由真实的未成年人念出来。这也是很多出版方偏爱合成儿童音色的主要原因——整条流程里根本没有小孩参与。
能克隆我自己孩子的声音吗？
不能。我们在任何情况下都不为未成年人建声音克隆，包括家长同意的情况。这是我们的克隆政策里唯一没有例外的一条，因为一个孩子声音的模型，在离开你掌控的那一刻就是危险的。
听起来会像大人装小孩吗？
如果你把语速推高或者要求很重的情绪，有可能。破功点通常在节奏而不是音高：成年人用长句子的弧线说话，孩子是短促一阵一阵的。把句子改短，效果的提升比调任何参数都明显。
儿童音色能念长段落吗？
能，但听众不爱听。儿童音频的惯例是温厚的成年旁白带着叙述、儿童音色只负责对白。它成为惯例，是因为它确实有效。
适合做教学材料吗？
适合，而且前面关于放慢语速的建议在这里更要紧。用于课堂的话还请顺手导出字幕——很多学校要求任何视听材料都带字幕。
做一档睡前故事播客要哪个套餐？
一般 Creator 大小正合适：五位配音成员、每月六十分钟、无水印，还带商用授权。每周一集十分钟，装得下且有余量。