给虚构角色配音，先确定他在对谁说话

一句“欢迎回来”，放在不同场景里，读法会差很多。店主是真的高兴见到熟客，还是想装作两人并不熟？即使使用同一个声音，停顿和音量也会改变这句话的意思。

歸藏在第六期谈到把小说内容做成类似视觉小说的形式，为人物固定音色与性格。其中一个例子是年老、阴险的神父。选一个年长的声音只是起点，具体台词还得放回人物正在做的事里考虑。

性格标签写完以后，还缺这一句的情境

可以用一段虚构对白试试：店主认出了熟客，但不想让旁人知道两人认识。只给“神秘、复杂、富有层次”几个标签，试听时很难判断哪里应该调整。

更明确的要求可以是：开头按普通招呼读，称呼之前略停，后半句压低声音，不表现出惊讶。工具是否能准确执行，需要听生成结果；但至少能判断它有没有把熟悉关系说得太明显。

如果台词写了很长一段解释，却要求人物匆忙打断，单纯加快语速可能越听越别扭。此时应先删短对白，让人物的行动和文字长度对得上，再调整读法。

也可以保留一版自然读法，每次只换一处重音或停顿。连续试听几个版本，比不断往提示里添加性格词更容易找到想要的效果。

语音合成早就有表达控制。SSML 1.1定义了发音、停顿、音高、音量和语速等标记。因此，不能把角色配音简单写成新工具有表演、旧工具只有朗读。

如今一些接口允许用自然语言描述表达方式。Google 当前的语音生成文档还提供声音身份和轮次风格等配置。这里可以借它了解一种制作方式，节目试用的具体模型与配置仍以节目材料为限。

声音身份与单句情绪可以分开保存：人物用哪个声音，单独固定；这句话是低声解释还是急着辩解，放在当前轮次。Google 文档也提醒，反复加入过长的角色描述可能导致声音漂移。这是该产品的使用建议，其他工具需要各自试听确认。

实际制作时，可以为人物留几段参考声音，再把后续生成与它们并排听。平静、紧张和低声说话时，是否还能认出是同一个人物？发音习惯有没有突然改变？发现变化后，回查声音配置与当前指导，比重写整份人物小传更容易定位原因。

单句选好了，还得放回对话里。上一句结束后留了多久，下一句有没有抢话，会直接改变人物关系。原本像是不耐烦的回答，留出很长空白后，可能听成犹豫。

先把相邻两人的对白连起来，再配画面，检查称呼、读音和角色是否混淆。两个单听很好听的音色，接在一起也可能太相似。若人物在这个场景里需要被迅速认出，就要调整声音选择或说话习惯。

最后再听完整场景：店主那句压低声音的“欢迎回来”，是否被背景音乐盖掉了？熟客的下一句有没有接住这个暗示？这两处如果没成立，单句里的精细表演也很难被听众听出来。