25|把脚本生成配音,检查数字、专有名词与停顿
本篇交付一段可听的配音、最终口播稿,以及数字和专有名词检查记录。先把内容审定,再合成声音;否则每次改一个产品名称,都可能需要重新付费。示例文本使用虚构品牌,不克隆任何人的声音。
准备文稿与声音要求
将口播稿保存为 UTF-8 文本,写清语言、情绪、目标时长和使用场景。把“3.5”“2026”“API”“DeskLight”等读法另记在 发音表。界面显示文案与实际发音文本可以不同,但不要擅自改动事实、金额、单位或人名。
目标时长是验收条件,不是所有 TTS 模型都有的参数。先用实际稿件读一遍,再决定删字、拆段或调整停顿;不要为了塞进十秒把声音加速到无法听懂。
复制给 Agent
用 Atlas 为我的已审定文稿制作普通合成配音,使用当前可用且适合中文的标准声音,不克隆真人。先查询 TTS 模型、语言、voice 和输入字段,预览完整请求与费用认知。等我确认后生成一次,保留任务 ID。交付音频、实际时长、数字和专有名词的逐项听检结果;未听检的部分明确标注。
选择 TTS,而非音乐或转写模型
CLI 支持音频命令的安装版本可以先执行:
atlas version --json
atlas models list --type audio --json
MODEL='替换为目录中的TTS模型ID'
atlas models get "$MODEL" --json
atlas skills read atlas/references/audio-3d.md --raw
同属 audio 不代表用途相同。核实模型用途是文本转语音,查看文本字段究竟叫 text 还是其他名称,voice 是枚举、ID 还是可选默认值。不把音乐模型当作配音模型。如果当前 CLI 没有该命令,转到已连接 MCP 的 atlas_list_models、atlas_get_model_info 与 atlas_generate_audio 路线,不猜命令别名。
复制 图片配置 为你自己的 voice.json,将 kind 改成 audio,填入真实模型与已核对的参数,删除不适用的 prompt。该配置是本包脚本输入,不是服务端原生请求体:
python3 scripts/run_job.py prepare --config voice.json --run-dir tutorial-output/voice-01
python3 scripts/run_job.py preview --run-dir tutorial-output/voice-01
只有确认本次费用与上传范围后,执行付费步骤:
python3 scripts/run_job.py submit --run-dir tutorial-output/voice-01 --approve
python3 scripts/run_job.py wait --run-dir tutorial-output/voice-01
对照文稿逐句听
先用 media_audit.py 读取时长和音轨,再完整播放。数字、单位、缩写、品牌、人名各听一遍;注意句末是否被截断、词间是否出现不自然停顿、情绪是否偏离使用场景。机器转写回听可以辅助发现漏词,但不是正确发音的证明,额外转写同样可能计费。
python3 scripts/media_audit.py ./assets/voice.wav --require-audio --decode
路径需要替换成实际文件。若只发现一句读音错误,先修改对应短段并获得必要授权,重新生成该段后再合成。不要让 Agent 为比较几十个声音自动连续下单。提交过且正在处理的音频仍应续查原 ID。
交付采用真实输出格式,不把 MP3 改名为 WAV。保存原始音频、最终稿、模型/voice 选择和听检结论;客户稿件不要混入公共示例。
依据与复现范围
依据:S1、S2、S3、S5。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。