怪物配音生成器

体型是节奏，不是音高

做怪物的本能是找库里最低的那把嗓子，然后再往低里推。这条路很少走得通，因为耳朵并不单靠频率判断大小——它靠「事情花了多久」。大的身体动得慢、呼吸慢、句与句之间从不赶，听众不用动念头就从这个节奏里推出了尺寸。

所以真正管用的控制是语速和句长。一个生物说四个字、停一下、再说三个字，哪怕用中音区也显得巨大；同一把嗓子用日常语速念完一整段，就像一个人套着道具服。如果你在 Plus 或 Pro 上有逐句语速，把生物调到比其他角色低一到两档，整场戏都别再动它。

留住一点人味

能留在观众心里的怪物，是那些能把一段对话说完的。完全非人的噪音能撑大概四秒钟，之后就不再携带信息，这也是为什么就连有声小说里最异质的生物，也都被给了一把能组词的嗓子。一个能跟你说话的东西，同时也能骗你、跟你谈条件、对你失望——这些低吼一样都做不到。

这对选角有个直接后果：挑那个最接近你的生物、同时仍然明显咬得清字的角色，把进一步的粗糙留给后期决定。一条干净的低吼读稿是原材料；一条已经在可懂边缘的读稿是死路，因为从那儿开始你加的每一层效果都只会让它更糟。

这也意味着写作必须过关。一个只有三句台词的怪物，需要这三句做点威胁以外的事。给它一个偏好、一句抱怨、或者一条情报，这场戏就扛得住一把只是「大致像」的嗓子。

叠声是剪辑软件的活，而且是故意的

几乎每一个你欣赏的生物音色，都是两条以上的素材叠出来的：原始那条、降调的那条，有时候再加一条延迟几毫秒、让辅音糊在一起的。这些都不在渲染里发生，而这条边界是刻意划的。烘进生成音频里的效果撤不回来，而你在最终混音里想要的那一版，几乎从来不是写剧本时想要的那一版。

流程很直接。把生物的台词干净地生成出来，在 Pro 上导出分轨，生物就会单独落在一条与成片等长的轨上，再在音频软件里对着它回应的对白去叠。因为每条轨都和成片等长，一切自动对齐，不需要手工挪。

一条经验教训：别把整条轨统一降调。只降那些时刻——登场、威胁、最后一句——对话段落尽量贴近原始素材。统一处理正是让自制生物音听起来像「加了个滤镜」而不是「有个东西在这屋里」的原因。

它做不到什么，以及该怎么绕

它不会尖叫、啜泣、咕噜、湿漉漉地喘气，也不会按要求发出生物类工作最爱的那些非语言声响。这些属于身体发声而不是语言，写成舞台提示也产不出东西：整行是括号的会被跳过，不是括号的就被当文字念出来。请单独找素材，把生成的对白当成其中一层。

它也给不了你真正非人的嗓子。一切都从人的表演出发，这在你想要真正异质的东西时是限制，在你想要一个能把话说完的东西时是优势。要暗示「非人」，最省事的手段是节奏——重音压错词、停在不该停的地方、回答得比正常快了一点点。

还有，同一句生成两遍不会一模一样。每一遍都是同一把嗓子重新演一次、语气略有不同，这一点对生物特别好用：把最接近吼叫的那几句生成三四遍，留下时机「错得正好」的那一条。