如何为 AI 描述声音：音色设计提示词写法与示例

音色设计工具会把一句描述声音的话变成那个声音。这句话就是全部的需求说明。它写了什么、漏了什么，决定了您听到的结果。

这里的示例是为 Paxa 控制台的音色设计编写的，每次设计或修改消耗 5 积分。引用其他厂商的建议时，都链接到他们自己的页面，内容以我们 2026 年 10 月阅读时为准。

描述里该写什么#

有效的描述大多涵盖四件事：谁在说话，声音听起来怎样，这个人怎么说话，以及这些话会在哪里被听到。如果希望音色说的语言与您写描述所用的语言不同，还要写明语言。

要素	体现它的词
谁在说话	年龄、性别和身份，比如三十多岁的女药剂师、玩游戏的青少年或退休的远洋船长
声音听起来怎样	音高和质感，比如低沉、明亮、沙哑、带气声、清亮或粗粝
怎么说话	语速、能量和方式，比如缓慢从容、又快又兴奋，或者镇定得足以安抚紧张的乘客
在哪里被听到	深夜有声书、游戏大厅、商场广播、睡前故事
语言	中文、英语或泰语，直接写明

一两句话就够了。Google 的音色设计指南要求写一到两个清晰的句子，ElevenLabs 的指南给出的模板第一项就是语言。Paxa 最多接受 1,000 个字符，但写清上述要素的简短描述，比绕着它们打转的长描述更管用。

较弱的描述只说出一个类别。较强的描述写出某个时刻的某个人，音色就会照着这个人来。

较弱	较强
女声	一位三十多岁的女性，主持烹饪节目，热情活泼，爱笑。
吓人的声音	一个反派，说话缓慢而轻，几乎是耳语，听众越害怕，他听起来越得意。
新闻播音	一位四十多岁的女晚间新闻主播，声音清晰、正式、沉稳，每条标题都以均匀的节奏播报。
兴奋的声音	一位三十多岁的男足球解说员，语速快、嗓门大，每次进攻都比上一次更兴奋。

音色设计页面把这类描述和由它们生成的音色放在一起播放，每个音色都附有它说的第一句台词。

写明音色应该说哪种语言。描述可以用中文、英语或泰语书写。音色会说描述中写明的语言。用中文描述一位说泰语的曼谷导游，得到的是说泰语的音色。没有写明语言的描述，得到的音色说的是描述本身所用的语言。

接下来，用一个场景代替一串特征。曼谷夜市的摊贩、给班上孩子读书的幼儿园老师、早间股市简报，都能用寥寥几个字告诉音色该怎么说话。这三条是用泰语和中文写的：

แม่ค้าส้มตำหน้าตลาด วัยสี่สิบกว่า เสียงดัง อารมณ์ดี ทักลูกค้าเป็นกันเอง（市场门口卖青木瓜沙拉的女摊主，四十多岁，嗓门大，心情好，招呼客人像招呼朋友）
ผู้ชายวัยสามสิบ อ่านสรุปข่าวตลาดหุ้นตอนเช้าเป็นภาษาอังกฤษ ชัด กระชับ ฟังสบาย（一位三十多岁的男性，用英语播报早间股市摘要，清晰、简洁、听着舒服）
幼儿园女老师，用普通话给孩子们读绘本，温柔又有耐心。

音效和录音条件。ElevenLabs 把 reverb 和 phone 这类词列为常见误区。音效请在音色做好之后，在剪辑软件里添加。
真人的名字。OpenAI 的自定义音色指南要求音色提示词中不出现真实人名。在 Paxa 中，提到某个人名的描述会得到一个原创音色，名字由工具另起。请改为描述您想要的特质。
相互冲突的特质，比如同时既镇定又慌乱。选出稿子最需要的那一种。
关于音色该说什么的指示。OpenAI 的指南把行为规则排除在音色提示词之外。稿子决定说什么，描述决定声音。

第一个音色只是草稿。听它说的那句台词，然后输入一项改动，比如更温暖、年纪再大一点或语速慢一些，再听下一个版本。OpenAI 的指南也建议用同一段文字逐项调整，每次只改一个特质，这样每次改动的效果都很清楚。

在 Paxa 中，每次修改都会保留音色的其余部分不变。保存您想要的版本后，它会出现在语音工具的“您的音色”中，并带有一个可在 API 中使用的 ID。用已保存的音色合成语音，费用是音色库音色费率的 1.25 倍。

一两句话，写明谁在说话、声音听起来怎样。Paxa 最多接受 1,000 个字符。

可以。描述可以用中文、英语或泰语书写。音色会说描述中写明的语言，没有写明时，就说描述本身所用的语言。

每次设计或修改消耗 5 积分，包括音色说的第一句台词。新账户的免费积分足够设计好几次，无需绑定银行卡。

请描述您想听到的特质。提到真实人名的描述，会根据这个名字给人的印象生成一个原创音色，并使用另起的名字。