22|原生音频与后期配音,怎样选择和对齐
视频声音可以随模型一起生成,也可以后期加入旁白、环境音与音乐。本篇用一条无口型要求的产品镜头练习两条路线的取舍。目标是得到与画面长度一致、内容准确的声音方案。
先核对模型能力
在当前 video schema 里找音频相关能力与字段,不默认所有模型都有音轨。字段可能是布尔开关,也可能根本不存在。提示词写“静音”不能替代实际参数;工具返回 MP4 也不能证明里面有音频。
原生音频适合探索氛围或模型能满足的同步效果;必须逐字准确的产品讲稿、后续要多语言复用的旁白,通常更适合独立录音或 TTS 再合成。这里是本任务的工程取舍,不是所有模型的质量排名。
复制给 Agent
先检查我选定的视频模型能否生成音频。给出原生声音和后期配音两条方案,说明能否保证使用我的准确讲稿。不要在没有批准时生成两份视频。最终检查实际音轨、讲稿完整性和时间对齐;视频自带声音不代表内容已审核。
检查已有视频音轨
python3 scripts/media_audit.py assets/clip.mp4 --output tutorial-output/audio-choice/probe.json
如果没有音频,明确报告,而不是让播放器静音设置成为唯一诊断。已有音频应先听审:是否有随机对白、错误发音或不合适的音乐。是否保留由使用者决定。
后期配音路径
按教程25准备旁白,先测量实际时长。需要15秒视频时,旁白宜在结尾留出自然停顿,具体时长由剪辑决定。示例合成会替换视频原音轨:
python3 scripts/media_ops.py mix-audio --inputs assets/clip.mp4 assets/voice.wav \
--output tutorial-output/audio-choice/vo-version.mp4
该脚本不会拉伸语音,会按视频时长补静音或截断。因此旁白过长时应改稿或明确调整视频,不直接截掉结尾后交付。需要保留原始环境声时使用多轨编辑器或另写经测试的混音步骤,不能假设这个简化脚本保留了原声音。
验收与恢复
完整听一遍,检查关键数字、品牌名、开头与结尾。声音与画面有因果动作时按帧核对;无口型要求也要避免声音出现时物体尚未动作。音轨错只重新配音/混音,视频画面不必重新生成。交付无声母版、原音轨版本、旁白与最终混音,标明最终选择。
依据与复现范围
依据:S2、S3、S5、S7。本文使用本包约定的教学文件;模型能力与价格以执行时实际目录为准。线上付费步骤未代用户执行,离线验证结果见 测试报告。通用路径、授权和状态约定见 执行约定。