Cass
十七岁，正在生气，而且气得有理
没人配对过的那个年龄段
青春期的声音在生理上和儿童、成年都不一样——音域已经定了，共鸣还没定，而语速和断句都比相邻两个年龄段更快更短。文字转语音的音色库历来整段跳过这一带，只给儿童音色和成年音色，中间什么都没有，所以业余做的青春题材音频里，十几岁的角色总是听起来三十岁。
从真正的青少年音色带里挑人，很多写作上的问题会自己消失。用成年音色读着别扭的台词，换到十七岁的节奏里往往读得非常自然——因为它本来就是照那个节奏写的。
态度是选角决定，不是参数设置
青春小说靠姿态运转：用玩笑挡回去的那个、一句不说的那个、真诚到让人尴尬的那个。在文字里他们是不同的人，因为你能看到他们的选词。在音频里，只有当各自的音色带着不同的默认能量时，他们才是不同的人。
每个角色的静息情绪设一次，然后逐句去导那些例外。多数青春题材场景的情绪曲线，是一长段中性加上打破它的两句话，而精确标出这两句，比把整场戏往戏剧化那边推有效得多。
常见用法
占主导的三种是：动漫和漫画同人音频、在画手写手社群里流传的原创角色小剧场，以及竖屏短剧——校园题材在全球都是产量最高的品类之一。三者都产得快、量大，通常是一个人做，而且都受益于改本之后直接重渲一场戏，而不是再约一次录音。
视觉小说是第四种，情况略有不同：那里的青少年音色要承担几百条短的分支台词，而不是连续的场景，所以角色卡比导戏更重要——玩家真正会注意的是跨分支的一致性。
关于真实感的说明
合成的青少年音色在对话里很可信，在极端处就没那么可信。隔着房间喊、说到一半哭出来、边笑边讲——这些都是身体事件，模型只是在逼近，而不是复现。能绕的地方绕开这些极端；绕不开的地方，可以考虑那几句自己录了再剪进去。
这不是永久的限制，但它是当下的限制，提前绕着它规划，总好过在最后一版成片里被它吓一跳。
几步就能把剧本变成音频
- 先定年龄段，再挑音色
十五岁和十九岁是两种乐器。先决定你的角色站在青春期的哪一头，然后只试听那一段里的音色。
- 把所有说话人一起贴进来
青少年的戏基本都是群戏——朋友、对手，还有一个不理解他们的大人。一起配，第一遍渲染就能看出整个阵容的平衡。
- 设好默认态度
多数青少年角色有一个静息状态：无聊、跃跃欲试、戒备。把它设成这个角色的默认情绪，你就只需要导那些例外的句子。
- 导那几个转折
青春题材活在盔甲卸下来的那一瞬间。把那几句具体的台词标成难过或耳语，周围全部留在中性——对比会替你干活。
- 导出后用手机听一遍
你的听众是用手机喇叭或便宜耳机听的。发布前先在那种设备上检查，高而亮的音色在小单元上表现完全不同。
常见问题
会不会像成年人装年轻？
库里的青少年音色是独立训练的模型，不是把成年音色调高，而后者正是那种「装」的通常原因。剩下的破功点在句法：如果你写又长又正式的句子，任何音色听起来都会比你想的老。
能用俚语和网络缩写吗？
俚语当普通词写就行，念出来是自然的。缩写风险大一些——有的会被当成一个词念，有的会被逐字母拼出来，取决于具体是哪个。检查一次，需要的地方加上发音修正。
其它语言的校园题材呢？
今天完整的音色库是英语。接下来会依次增加日语、西班牙语、巴西葡萄牙语和韩语，因为有声剧和同人创作的受众主要在那几处。
青少年音色能撑完一整本有声书吗？
第一人称的青春小说可以，而且是常见选择——叙述者就是主角，用青少年音色才是对的。只是要多留一些剪辑时间：明亮的音色撑一小时，比温厚的中音旁白更不宽容。
怎么让两个青少年角色能分清？
靠语速和态度分，别靠音高分。两个能量一样的音色，音高拉得再远也会糊；而一个又快又急、一个又慢又戒备，就算音色接近也分得开。
有什么是不该写的？
不要写涉及被设定为未成年人的角色的性化内容——无论音频怎么做出来，这都违反我们的条款，生成这类内容的账号会被关闭。