Canonical page: https://nureta.ai/zh/guide/design-ai-video-character-voices

# 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

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。

## 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

视频模型一次只生成几秒，每个片段都是单独生成的，完全不记得上一个片段。如果没有固定的描述，一个人的声音就可能像外套一样在场景之间变样。Nureta 会把你的选择变成每个人一段简短的描述，例如“低沉、沙哑、烟嗓；英式口音；轻声笑”，并写进这个人出现的每个片段的提示词里。想让脸、服装和地点也保持一致，请看[连续性设定集](https://nureta.ai/zh/guide/continuity-bible-for-long-ai-videos)。

这样声音在场景之间能保持接近，但它是生成的，不是录下来的。模型会紧跟描述，但两次生成永远不会完全相同，就像演员的两次表演也不会一模一样。视频渲染之前无法试听声音。如果某一段出来的声音不对，“修改部分片段”只重做你选中的片段，而且每个付费视频都带有免费修改次数：请看[长视频的免费修改](https://nureta.ai/zh/guide/free-fixes-for-long-ai-videos)。

## 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](https://nureta.ai/zh/guide/ai-adult-video-with-sound-and-voice)。

## 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](https://nureta.ai/zh/guide/ai-video-with-3-people)。

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。

## 常见问题

### AI 视频里可以选择角色的声音吗？

可以。在 Nureta 的“创作”页，每张人物卡片都有“设计声音（可选）”。选一个声音类型，比如沙哑低沉或低沉，选一个口音，或用最多 60 个字符描述声音。每个片段都会要求这个声音，所以这个人在每个场景里听起来都一样。

### 我设计了声音，但角色不说话。为什么？

只有当一个人有台词时，才能听到声音。如果故事里没有台词，也没有要求任何人说话，视频里就只有呼吸声、呻吟声和环境声，没有话语。在说话人名字后面加一句花括号里的台词，例如 Lena 说 {过来。}

### 怎样让角色说出一句指定的台词？

把要说的话放在花括号里，写在说话人名字后面：Maya 低声说 {还不行。} 六种语言都可以这样写。用英语写时，引号里的台词紧挨着 says 或 whispers 这类词，也算台词。每句台词只说一次，按你写的顺序说。

### 视频里的每个人可以有不同的声音吗？

可以。声音按人设置，所以在有 3 个人的视频里，每个人都可以有自己的声音类型、口音和描述。让声音明显不同，观众才能分清是谁在说话。

### 口音会改变他们说的语言吗？

不会。说话的语言跟着你写的台词。一句西班牙语台词配上英式口音，会带着英国腔用西班牙语说出来。想换语言，就用那种语言写台词。

### 可以上传或克隆声音吗？

不可以。不能上传声音，也不能克隆声音。声音由视频模型根据你的描述生成。要求像孩子的声音，或要求真实人物、点名人物声音的描述会被拒绝。

### 每个场景的声音完全一样吗？

非常接近，但不完全相同。每个片段都要求同一段声音描述，模型也会紧跟它，但声音是生成的，不是克隆的。渲染之前无法试听。如果某一段听起来不对，“修改部分片段”只重做那一段。

### 自定义声音要多花钱吗？

不会。价格只取决于视频的时长和分辨率。480p 下按次付费，5 秒 $1.29，买积分包更省。
