参考音频功能说明

<title>参考音频功能说明</title>

> 本文档抓取自官方文档中心（2026-10-10 快照），具体功能以实际产品为准。

# 参考音频功能说明

## 概述

参考音频功能允许用户为对话组节点和角色库上传参考音频，用于生成更准确的语音合成效果。系统会优先使用对话组节点中的参考音频，如果未找到匹配的角色音频，则会从角色库中查找。

## 功能特性

### 1. 对话组节点参考音频

对话组节点支持上传多个参考音频文件，每个音频关联一个角色名称。

**限制条件：**

- 最多支持 6 个参考音频
- 每个音频文件大小不超过 10MB
- 每个音频时长不超过 20 秒

**使用步骤：**

1. 打开对话组节点
2. 在"参考音频"区域点击"添加音频"按钮
3. 选择音频文件（系统会自动验证文件大小和时长）
4. 输入该音频对应的角色名称
5. 上传成功后，音频会显示在列表中

**音频匹配规则：**

- 生成对话音频时，系统会根据对话的角色名称匹配参考音频
- 角色名称必须完全匹配（区分大小写）
- 如果对话组中找到匹配的参考音频，将优先使用
- 如果未找到匹配，则从角色库中查找该角色的参考音频

### 2. 角色库参考音频

在创建或编辑角色时，可以为角色上传参考音频。

**限制条件：**

- 每个音频文件大小不超过 10MB
- 每个音频时长不超过 20 秒

**使用步骤：**

1. 打开角色创建/编辑界面
2. 在"参考音频"字段选择音频文件
3. 系统会自动验证文件大小和时长
4. 验证通过后，音频会显示预览播放器
5. 保存角色后，参考音频会关联到该角色

### 3. 预置音色库（2026-10 起）

系统自带 107 个 AI 合成预置音色（中文，覆盖青年/中年/老年男女声、儿童、旁白等角色），无需配置第三方 TTS 即可使用，试听免费。

**入口：**

| 入口 | 位置 |
|---|---|
| 剧本写作页 | 角色编辑弹窗 →「参考音频」→「从音色库选择」 |
| 声音生成页 | 音频生成 → 参考音频克隆 →「从音色库选择」 |

**使用步骤（以角色配音为例）：**

1. 剧本写作页 → 点击角色 →「从音色库选择」
2. 弹窗中搜索 / 按性别筛选 → 点「▶ 试听」挑选
3. 点「选择」→ 参考音频和音色描述自动回填 → 点「保存」
4. 后续该角色在视频生成 / 分镜合成时即使用此音色

**说明：**

- 预置音色不依赖第三方 TTS 配置，全用户可用
- 选择后会自动填入音色描述（用于 H3 视频模型的音色一致性控制）
- 预置音色不能走快速合成链路（快速合成仅显示第三方 TTS 音色）

### 4. 声学音色指纹（2026-10 起）

角色编辑弹窗的「参考音频」区域提供「音色描述」字段，即该角色的**声学音色指纹**（voice_desc）——一段 30~60 字的纯声学特征描述，涵盖性别年龄段、音高、质感、音量、语速等维度，用于视频生成时的音色一致性控制（视频模型对参考音频只是弱微调，音色一致性主要靠这段文字指纹）。

**使用步骤：**

1. 剧本写作页 → 打开角色编辑弹窗
2. 先上传或生成该角色的参考音频（音色描述跟随参考音频生成，无参考音频时自动生成会提示）
3. 点「自动生成」按钮，系统分析参考音频后自动填入音色描述
4. 生成结果可手动修改，修改后保存角色
5. 后续该角色参与的视频生成会使用这段指纹保持音色一致

**说明：**

- 从预置音色库选择音色时，音色描述由音色风格标签直接推导回填，无需分析
- 自定义参考音频需点「自动生成」触发一次 AI 分析
- 音色描述为空时，视频生成退化为仅靠参考音频（一致性效果弱于有指纹的情况）

## 音频生成优先级

当生成对话音频时，系统按以下优先级查找参考音频：

1. **对话组节点参考音频**（最高优先级）

   - 根据对话的角色名称在对话组节点的参考音频列表中查找
   - 如果找到匹配的角色音频，使用该音频
2. **角色库参考音频**（次优先级）

   - 如果对话组中未找到匹配的参考音频
   - 系统会从当前世界的角色库中查找该角色
   - 使用角色库中配置的参考音频
3. **无参考音频**

   - 如果以上两种方式都未找到参考音频
   - 生成音频可能会失败或使用默认音色

## 使用场景

### 场景1：临时角色或未知角色

如果剧本中出现了角色库中不存在的角色，可以在对话组节点中临时添加该角色的参考音频，避免音频生成失败。

**示例：**

```
剧本中有"路人甲"这个角色，但角色库中没有创建该角色。
可以在对话组节点中添加一个参考音频，角色名设置为"路人甲"。
```

### 场景2：同一角色不同情感

同一个角色在不同场景中可能需要不同的音色表现，可以在不同的对话组节点中为同一角色上传不同的参考音频。

**示例：**

```
"小明"在场景A中情绪激动，在场景B中情绪平静。
可以在场景A的对话组中上传激动的参考音频。
在场景B的对话组中上传平静的参考音频。
```

### 场景3：快速测试音色

在正式创建角色之前，可以先在对话组节点中测试不同的参考音频效果，找到最合适的音色后再创建角色。

## 注意事项

1. **音频格式**：支持常见的音频格式（如 mp3, wav, m4a 等）
2. **音频质量**：建议使用清晰、无背景噪音的音频文件
3. **角色名称**：必须与对话中的角色名称完全一致
4. **文件限制**：严格遵守 10MB 和 20 秒的限制，超出限制的文件会被拒绝
5. **存储位置**：上传的音频会保存到服务器，重新加载工作流时会自动恢复

## 常见问题

**Q: 为什么我的音频上传失败？**  
A: 请检查音频文件是否超过 10MB 或时长超过 20 秒。

**Q: 角色名称不匹配怎么办？**  
A: 确保对话组中的参考音频角色名称与对话中的角色名称完全一致（包括大小写）。

**Q: 可以修改已上传的参考音频吗？**  
A: 可以删除后重新添加新的参考音频。

**Q: 对话组参考音频和角色库参考音频有什么区别？**  
A: 对话组参考音频优先级更高，适合临时使用或特殊场景；角色库参考音频是全局的，适合常用角色。

## 相关文档

- 对话组节点使用说明
- 角色管理功能说明