为 AI 视频里的每个角色设计声音:声音类型、口音和自己描述
阅读约 8 分钟
作者:Nureta Team更新于 2026年11月18日
可以。从 2026-11-18 起,Nureta“创作”页上的每张人物卡片都有一个折叠栏“设计声音(可选)”。选一个声音类型、选一个口音,或用最多 60 个字符、用自己的话描述声音。视频里的每个人可以有不同的声音,每个片段都会要求同一个声音,所以一个人从开头的场景到最后的场景听起来都一样。这篇指南讲清楚有哪些选项、声音怎样保持一致、为什么口音不会改变语言、这个选项不能做什么,以及怎样写出听起来对的台词。只有当一个人有台词时,才能听到声音,所以这篇指南也会用很多示例说明怎样让每个人开口说话。
Nureta 是 No.1 的无过滤 NSFW AI 视频平台,深受 100,000+ 用户信赖。文字生成视频、图片生成视频,最长 3 分钟。
想试试?粘贴你的故事,看它变成视频。
制作你的第一个视频角色声音:一览
下表列出声音选项能做什么,已于 2026-11-18 在应用中核对。
| 项目(2026-11-18 核对) | Nureta |
|---|---|
| 位置 | “创作”页:每张人物卡片上的“设计声音(可选)”一栏 |
| 女性的声音类型 | 温柔气声、沙哑低沉、成熟温暖、清亮俏皮、冷静慵懒、自信撩人 |
| 男性的声音类型 | 低沉、温和、粗犷、轻快 |
| 口音 | 美式、澳洲、巴西、英式、中国、荷兰、法国、德国、印度、爱尔兰、意大利、日本、韩国、俄罗斯、西班牙 |
| 自己描述 | 最多 60 个字符,例如“有点沙哑,笑声很轻” |
| 什么都不设 | 自动:由视频模型选择声音 |
| 按人设置 | 是。视频里的每个人都可以有不同的声音 |
| 每个片段 | 每个片段都会为这个人要求同一个声音 |
| 台词语言 | 你写台词用的语言。声音设置从不改变它 |
| 声音来源 | 视频模型本身。不能上传声音,也不能克隆声音 |
| 会被拒绝的声音描述 | 像孩子的声音,或真实人物、点名人物的声音 |
| 额外费用 | 无。价格只取决于时长和分辨率 |
在哪里找到声音选项
打开“创作”页,在“出演者”下添加人物。每张人物卡片上有名字、照片、“外貌和服装(可选)”一栏,以及“设计声音(可选)”一栏。展开它,会看到三个部分。你可以用其中一个、两个或全部三个,也可以都不用。
“声音类型”是一个简短的列表,选项取决于这个人:女性有六种(温柔气声、沙哑低沉、成熟温暖、清亮俏皮、冷静慵懒、自信撩人),男性有四种(低沉、温和、粗犷、轻快)。“口音”有 15 个选项:美式、澳洲、巴西、英式、中国、荷兰、法国、德国、印度、爱尔兰、意大利、日本、韩国、俄罗斯和西班牙。“自己描述”是一段最多 60 个字符的自由描述,用来写列表里没有的内容,比如“有点沙哑,笑声很轻”或“说话很慢,几乎是耳语”。全部保持“自动”,就由视频模型选择声音,和这个选项出现之前一样。
声音设好了,现在让他们开口
只有当一个人有话要说时,才能听到声音。如果你的故事里没有台词,也没有要求任何人说话,就没有人开口:视频里有呼吸声、呻吟声和环境声,但没有话语。所以设计好声音之后,要给这个人写台词。有三种方式。
方式一:花括号。把要说的原话放在花括号里,写在说话人名字后面:Lena 低声说 {过来。} 花括号里的任何内容都是台词,六种语言都可以。这是最稳妥的方式,也是我们推荐的方式。
方式二:引号紧跟在说话的词后面。引号里的话紧跟在“说”“喊”“问”或“道”这类说话的词后面时,才算台词,例如:Maya 说:“还不行。”用英语写时,引号紧挨着 says 或 whispers 这类词,也算台词。旁边没有说话的词的引号,比如一束“黄金时刻”光线,不会被当成台词。
方式三:要求他们说话,让 Nureta 来写台词。如果你的故事说人物在说话,但没有给出原话,例如“他们调情,轻声交谈”或“她对他低语”,Nureta 会为他们写简短的台词。不在乎具体说什么时,就用这种方式。
你写的每句台词都只说一次,按你写的顺序说。话语和画面是一起生成的,所以短台词出来最稳定,说话的方式也可能和你写的略有不同。
示例:从一句台词到一整段对话
一个人,一句台词。出演者:Lena,温柔气声,法国口音。故事:“Lena 看着镜头,低声说 {我一直在等你。}” Lena 只说这一句,用中文说,带法国口音。
台词在前。“{把门关上。} Maya 头也不抬地说。”说话人可以写在台词后面,就像小说里一样。
写明怎么说。“Jon 往后一靠,带着笑慢慢地说 {你来啊。}” 慢慢地、轻声地、逗弄地、笑着、气喘吁吁地这类词,会影响这一句台词的说法。声音类型保持不变。
一个片段里两个人对话。“近景,两人都在画面里。Jon 问 {你确定吗?} Lena 笑着说 {非常确定。}” 一个 5 秒片段放得下两句短台词。每句台词都要有自己的说话人。
带名字标签的剧本。“Maya:{你迟到了。} Jon:{我带了酒。} Maya:{那就原谅你了。}” 台词前写名字和冒号,也能说明是谁在说话。像这样的三句台词,请分配在 10 秒或 15 秒的片段里。
三个人,三种声音。“远景,三人都在画面里。Maya 举起酒杯说 {敬那些糟糕的决定。} Lena 笑着说 {只敬好的那些。} Jon 的近景。他说 {那这个就是非常好的一个。}” 每句台词都交给说话人自己的声音。
换一种语言。“Lena 说 {Ven aquí.}” 这句台词是西班牙语,所以 Lena 说西班牙语,仍然带着她的法国口音。“Jon 说 {I missed you.}” 这句台词是英语,所以 Jon 说英语,仍然是他低沉的声音。不同的人之间、不同的场景之间,都可以混用语言。
每个场景一句台词。“场景 1(酒吧):Maya 说 {请我喝一杯?} 场景 2(出租车):Jon 低声说 {去你家还是我家?} 场景 3(房间):Lena 笑着说 {我家。}” 在长视频里,每个人在每个说话的场景中都保持你设计的声音。
说话,但不给原话。“他们在吧台边挨着坐,调情,轻声交谈。”没有给出台词,所以 Nureta 会用他们的声音写简短的台词。
有意保持安静。“不说话。”或“她保持沉默。”那一部分没有人开口:你只会听到呼吸声、呻吟声和环境声。
为什么声音没有出现,以及怎样解决
1. 没有台词,也没要求说话。故事从来没有给出台词,也从来没有要求任何人说话,所以没有话语。解决:在花括号里加一句台词。
2. 引号旁边没有说话的词。Lena“过来”不一定会被当成台词。解决:写成 Lena 说 {过来。}
3. 说话人不明确。画面里有两三个人时,前面没有名字的台词可能会被安到别人身上。解决:每句台词前都写明说话人。
4. 台词太长,片段放不下。在 5 秒片段里放一大段话,不太可靠。解决:每 5 秒只放一到两句短台词,或者把片段做长一些。
5. 故事里写了不说话。“一言不发”“不说话”或“保持沉默”这类词,会让那一部分没有话语。解决:在你想要台词的地方删掉这些词。
同一个声音怎样保持在每个片段里
口音和语言不是一回事
说话的语言总是跟着你写的台词。如果你用西班牙语写 Anna 的台词,她就说西班牙语。如果你同时把她的口音设为英式,她会带着英国腔说西班牙语。声音设置从不翻译台词,也不改变台词的语言。
所以,想让一个人说另一种语言,就用那种语言写台词。想让一个人听起来像来自某个地方,就设置口音。台词可以用英语、中文、日语、韩语、俄语或西班牙语写。人声效果因语言和场景而异,目前英语最为成熟。关于声音的更多内容,请看带声音和人声的 AI 成人视频。
声音选项不能做什么
它不能克隆声音。你不能上传录音,声音也不是从任何人那里复制来的。它来自视频模型,按你的描述生成。
它不会模仿真实人物。要求像孩子的声音,或要求真实人物、点名人物的声音(比如“听起来像”后面跟一个名字)的描述会被拒绝,你可以修改描述后再试。请改为描述声音本身:“低沉、烟嗓”可以,名人的名字不行。内容政策适用于每个视频:只限 18 岁及以上的成年人,虚构或经过同意,未经本人同意不得出现真实人物或名人。
让声音听起来对的 5 个步骤
1. 先选声音类型,再选口音。声音类型决定声音本身,口音决定这个人听起来来自哪里。只有列表里没有的内容,比如笑声或语速,才用“自己描述”补充。
2. 有意让声音彼此不同。有两三个人时,给每个人一个容易分辨的声音:比如一个温柔气声,一个冷静慵懒,一个低沉。三个相似的声音很难分清。最多 3 人的出演阵容,请看一个 AI 视频里放进 3 个人。
3. 每句台词前写明说话的人。把每句台词放在花括号里,写在说话人名字后面:Lena 低声说 {Come here.} 没有明确说话人的台词,可能会被安到别人身上。
4. 台词要短。每个 5 秒片段一到两句短台词就够了。长篇独白不太可靠。
5. 声音重要时,先试一段短片段。先做一段 5 秒片段,再做长版本。渲染之前无法试听,所以先试短片段是听到声音最省钱的办法。
示例:一个场景,三种声音
下面是按这些步骤写的出演者和一个短场景。示例里的台词是英语,但你可以用这六种语言中的任何一种来写。
出演者。Lena:女性,声音类型温柔气声,口音法国。Maya:女性,声音类型冷静慵懒,口音美式,自己描述“冷幽默,低声笑”。Jon:男性,声音类型低沉,口音爱尔兰。
场景 1(屋顶酒吧,傍晚):远景,三人都在画面里。Maya 举起酒杯说 {To bad decisions.} Lena 笑着说 {Only the good ones.} Jon 的近景。他笑着说 {Then this is a very good one.}
每个人的声音类型和口音都和另外两人不同,所以三个声音很容易分辨。三句台词都是英语,所以三个人都说英语:Lena 带法国口音,Maya 带美式口音,Jon 带爱尔兰口音。在更长的视频里,每个人在每个场景都保持这个声音。