多角色对话的制作难点
通篇使用单一音色的有声书在遇到多人对话时，听众较难区分说话者。广播剧制作通常需要为叙述者与各角色分配独立音色，并在对白间穿插背景音乐。
以下是在 yovoice 中离线完成文本分镜、配音与混音导出的具体操作步骤。
制作流程
步骤 1：导入剧本文档并智能分句
yovoice 支持导入纯文本、Markdown、EPUB 电子书及 SRT 字幕文件：
- 打开 yovoice，新建一个【故事配音】项目；
- 粘贴对话脚本，系统依据标点符号将其拆分为逐句的时间轴分镜；
- 台词前亦可使用
[角色名] 台词格式快速对应角色。
步骤 2：建立角色声线池
为不同角色匹配合适音色：
- 旁白：可选用内置的清晰度音色（调用开源 Kokoro 或 Qwen3-TTS CustomVoice）；
- 主角：使用零样本声音克隆，导入 5 到 15 秒的主角参考音频（借助开源 IndexTTS 或 VoxCPM2 模型）提取音色特征；
- 配角：使用声音设计功能，通过自然语言描述（例如 “语速较慢的老年男声”）直接生成对应声线。
步骤 3：情绪调节与版本筛选
声音表现主要来自多版本的对比与筛选：
- 情绪控制：依据情节张力，调节愤怒、悲伤或轻松的情绪参数；
- 多版本试听 (Takes)：为关键台词生成 2 到 3 个候选版本，在时间轴上直接试听对比并保留最佳版本；
- 波形微调：直观修剪句子前后留白与停顿节奏。
步骤 4：标准化响度与配乐合成
保证作品在各大播放平台的响度一致性：
- 响度预设 (Target Loudness)：yovoice 提供了 -14 LUFS（流媒体播客）、-16 LUFS（苹果播客）与 -18 LUFS（传统广播音频）等工业标准预设，导出时自动做峰值电平检测；
- 音乐生成与编曲：切换至音乐面板，输入提示词让 ACE-Step 或 Stable Audio 3 生成匹配情节氛围的伴奏音乐，混音后导出 WAV 音频或多轨 Stems。
准备好文本分句与角色素材后，即可在本地客户端中开始制作广播剧工程。
