大多数短视频就是配着画面读一段脚本。菜谱、产品测评、新闻回顾，以及配着游戏画面讲的故事，都靠旁白撑起来，而旁白恰恰是许多创作者一拖再拖的部分。录旁白需要一个安静的房间、一支过得去的麦克风，还需要一副您愿意发布出去的嗓音。
AI 音色省去了录音这一步。您写好脚本，选一个音色，然后下载音频。TikTok、Instagram Reels、YouTube Shorts 和 Facebook Reels 的步骤都一样，因为最终得到的是任何剪辑软件都能导入的音频文件。
用应用自带的声音，还是用自己的#
TikTok 等短视频剪辑工具都自带文本转语音按钮。输入一段文字，点一下按钮，预设的声音就会读出来。这不花钱，几秒钟就好，做一条快速回复视频已经够用。
等频道有了自己的风格，局限就显现出来了。应用里的每个创作者用的都是同样那几种声音，老观众一听就认得出。声音属于该应用的剪辑器，同一条视频换到别的剪辑器里剪，声音就会不同。您能控制的，也仅限于选哪个声音。
从语音音色库生成的声音是一个文件。Paxa TTS Flash 有 34 个音色，涵盖中文、英语和泰语，生成的文件可以放进任何剪辑软件。同一个音色可以为频道在各个平台发布的每条视频配旁白。
按视频时长写脚本#
旁白的语速是稳定的，脚本有多长，视频就有多长。中文旁白每分钟约 257 字。剪辑画面之前，先数一数脚本的字数。
| 视频时长 | 脚本长度 | 配音费用 |
|---|---|---|
| 15 秒 | 约 64 字 | 0.6 积分 |
| 30 秒 | 约 129 字 | 1.3 积分 |
| 60 秒 | 约 257 字 | 2.6 积分 |
写好短脚本有三个习惯。把看点放在第一句，因为观众在最初几秒就会决定是否看下去。一句话只讲一个意思。按说话的方式写，生成音频之前先把脚本大声读一遍。
数字、价格和名称，按您希望的读法来写。脚本写作指南详细讲解了泰语脚本的写法，包括空格在什么位置会变成停顿。
选一个与内容相配的音色#
第一个词还没说完，音色就已经定下了基调。限时抢购视频配上沉稳的旁白会显得别扭，新闻回顾配上带货式的激昂嗓音也一样。音色库写明了每个音色适合的用途。
| 音色 | 角色 | 适用场景 |
|---|---|---|
| Nom Yen | 女声主音色 | 明亮有活力的声音，也是音色库的女声主音色，适合促销广告、社交短片和日常产品语音。 |
| Massaman | 男主角 | 低沉稳重的男主角声线，适合预告片、剧集和公告。 |
| Thong Ek | 新闻主播 | 干脆权威的播报，适合新闻快讯和企业动态。 |
| Moo Ping | 街头活力 | 自信、带着街头气息的声音，适合广告和短视频。 |
| Tom Yum | 闺蜜 | 语速快、热烈、爱聊天的闺蜜声音，适合剧情回顾、娱乐新闻和社交短片。 |
| Khanom Chan | 情感标签 | 自然的对话音色，可按文本中写入的情感标签切换情绪：开心、悲伤、愤怒或害怕。 |
| Som Tam | 伊森 | 带伊森口音的声音，透着乡土的温暖。 |
| Donut | 宣传 | 欢快的英语音色，适合促销和产品演示。 |
| Toast | 教程 | 朴实易懂的日常英语音色，适合教程。 |
| Tao Huay | 剧情女主 | 温柔而略带忧伤的中文音色，适合剧情解说、有声小说和陪伴类语音。 |
- Nom Yen泰语 · 女声主音色0:05
- Moo Ping泰语 · 街头活力0:03
- Tom Yum泰语 · 闺蜜0:04
- Khanom Chan泰语 · 情感标签0:04
- Massaman泰语 · 男主角0:03
每个频道选定一个音色并一直用下去。观众认识一位旁白，就像认识一张脸，每条视频都换音色的频道会失去这一点。选音色指南按用途逐一介绍了全部 34 个音色。
一步步制作配音#
- 粘贴脚本打开语音工具，粘贴脚本。生成之前，费用就会显示在文本下方。
- 选择并试听音色打开音色选择器，按语言筛选，播放试听样本。试听不收费。
- 设置语速快节奏的推广视频可以把语速调快一点，讲解视频则调慢一点。任何语速下价格都相同。
- 生成并试听完整听一遍，留意人名、数字和英文单词。读错的词可以在脚本里改写拼法，然后重新生成。
- 下载文件大多数剪辑软件选 MP3，需要与音乐混音时选 WAV，然后下载音频。
- 按配音剪辑视频把音频导入剪辑软件，再把画面铺在上面。按做好的配音剪画面，比把配音拉伸去配合剪好的画面更快。
音色库中实验性的泰语情感音色能读出写在脚本里的标签，例如放在一句话前面的 [happy]。情感音色页面可以试听每个标签。
用同一段音频生成字幕#
关掉声音看视频的观众只能看到字幕。把做好的配音音轨上传到转写工具，选择输出字幕。它会返回带有每行时间信息的 SRT 或 VTT 文件，可以直接导入视频剪辑软件。
泰语字幕只在词与词之间换行。这一点很重要，因为泰语书写时不留空格，随意断行会把一个词切成两半。转写按音频时长计费，每分钟 8.33 积分。
费用#
语音按字符计费，每 1,000 个字符 10 积分。一分钟的视频约需 2.6 积分，即 $0.0026。新账户的 100 免费积分大约可以为 38 条一分钟视频配音。
每天发布一条一分钟视频的频道，每月约用 77 积分。最小的套餐每月 $6，含 8,100 积分，其他套餐见价格页面。
免费积分仅限个人使用和评估。购买任意套餐或积分包后，该账户的音频即可用于商业用途，包括购买之前制作的音频。已开通变现的频道或客户项目，应使用付费账户。
平台要求您披露什么#
每个平台都有自己关于 AI 生成内容的规定，而且规定会变。YouTube 的规定是一个有用的参照。它要求在三种情况下披露。第一，逼真的内容让真实人物看起来说了或做了实际没有说过、做过的事。第二，真实事件或地点的画面经过了修改。第三，展示了从未发生过的逼真场景。
用音色库的音色在您自己的画面上朗读您自己的脚本，不会让任何真实人物说任何话，而这条规定针对的正是这种情形。凡是出现或模仿真实人物的视频，都请对照这条规定检查。
Paxa TTS Flash 不提供声音克隆。音色库中的每个音色都是固定的角色，新音色来自音色设计，根据一段文字描述生成。未经本人同意模仿真实人物的声音，违反每个账户都须接受的规则。
使用 AI 配音的频道能变现吗？#
YouTube 的频道政策允许使用有助于呈现原创叙事的创作工具。批量生产的模板化视频，以及只是朗读他人所写材料的视频，则不被接受。这两条标准看的都是脚本和剪辑。脚本出自频道自己、并为画面增添了内容，频道才能获得收益。
暴露 AI 配音的常见失误#
- 数字读法不对。每个价格、日期和电话号码都要听一遍，读错的就用文字写出来。
- 品牌名被改用泰文字母拼写。保留品牌方使用的拉丁字母写法，泰语音色会在句中把它按英语读出。
- 句子没有换气的地方。把长句拆成两句，泰语则在该停顿的地方加一个空格。
- 语速调得太快。稍快一点能抓住注意力，快太多就像电台广告结尾念的免责条款。
- 音乐盖过人声。把旁白下方的音乐调低，直到用手机外放也能听清每个字。