AI 短劇配音聽起來假，很多時候不是因為「不清楚」，而是因為「不像角色」。聲音可能很乾淨，但情緒很平；台詞讀出來像旁白，不像角色真的在說話。短劇裡，角色需要生氣、猶豫、緊張、撒嬌、崩潰，普通朗讀感會直接破壞劇情氛圍。
所以問題不是單純生成一段語音，而是讓這段語音符合角色、情緒和場景。同一句「你為什麼現在才回來？」，可以是責問，可以是委屈，也可以是一個人強忍著不想哭。模型能不能讀出這種差別，取決於你給它的是孤立台詞，還是一套可執行的表演上下文。
這篇仍然圍繞一個核心問題：Seed Audio 1.0 和 ElevenLabs 到底怎麼選。下面會用同一組短劇配音場景對比兩類模型的差異，也會放一段「沈硯 · 臨終卸防」試聽，展示人物卡如何把一段台詞從朗讀推到表演。
怎麼讓 AI 角色配音更自然
核心方法很簡單：不要只輸入一句台詞。生成前最好同時明確三件事：角色是誰，這句台詞發生在什麼情緒和場景裡，你希望聲音聽起來是什麼狀態。
比如，不要只寫：
你為什麼現在才回來？
可以寫成：
年輕女性角色，聲音壓低，帶著委屈和生氣，像是在強忍情緒。
台詞：你為什麼現在才回來？
這樣生成出來的聲音會更接近劇情需要，而不是普通朗讀。提示詞不一定要長，但一定要具體：誰在說、為什麼這樣說、此刻是壓著情緒還是已經失控，這些資訊比單獨寫一個「悲傷」更有用。
先看兩類模型的分工
Seed Audio 1.0 更適合用來生成有表演感的角色聲音。你可以把角色狀態寫清楚，例如緊張但努力保持冷靜、明明生氣卻不想表現得太明顯、低聲說話帶一點顫抖，或者興奮、害羞、猶豫、崩潰。這類描述能幫助模型理解台詞背後的情緒，而不是只把文字讀出來。
ElevenLabs 更適合用來做穩定、自然、可持續使用的角色配音。如果你的短劇有固定角色，角色聲音不能每一集都變，就需要讓同一個角色在不同台詞裡保持相似的音色，同時根據劇情調整語氣。下面會用到 [whispers]、[crying] 這類 audio tags，它們適合在已經選好音色之後，對某句話、某個詞、某個停頓做表演控制。
所以這裡不做參數評測，也不試圖給兩個模型排座次。我們只討論一個創作問題：短劇配音裡，什麼時候把整場戲交給模型理解，什麼時候把一句人聲拆開精修。
什麼時候用哪一個
可以先看你手裡的任務是什麼。如果這一場戲情緒很重，比如爭吵、哭戲、崩潰、壓抑的告白，Seed Audio 1.0 更適合用來嘗試有表演感的聲音版本。如果你在做固定角色、系列短劇或多集內容，ElevenLabs 會更適合保持角色聲音的穩定感，讓同一個角色在不同片段裡聽起來更一致。
| Seed Audio 1.0 | ElevenLabs | |
|---|---|---|
| 更適合的任務 | 一段戲的整體聲音方案：角色、情緒、環境、節奏一起考慮 | 固定角色音色、逐句精修、多語種和長期重複使用 |
| 常見使用場景 | 爭吵、哭戲、崩潰、方言、旁白 + 氛圍音效 | 連載短劇、動畫角色、AI influencer、OC 角色、多角色對話 |
| 輸入方式 | 寫清楚角色設定、場景、音色基調和台詞正文 | 先選音色，再把 [whispers]、[crying] 這類標籤貼進台詞 |
| 出效果的關鍵 | 別只給情緒詞，要給關係、動機和情緒變化 | 標籤不要堆太滿，重點放在真正需要表演變化的詞句上 |
| 適合放進工作流的位置 | 劇本拆解後，用來生成一版可試聽的整段配音方案 | 聲音方向確定後，用來打磨重點台詞或多語種版本 |
實際專案裡，兩者也不一定二選一。你可以先用人物卡和場景說明把一段戲跑出來，確認角色聲音是否成立；再把最關鍵的幾句拿出來，用標籤、停頓和重讀細修。選擇模型時，先明確這句台詞要服務什麼場景，再選擇更適合的音訊模型。
八個可落地的配音場景
玩法 1 · 對峙戲：把崩潰和隱忍演出來
短劇對峙戲最怕把情緒寫成抽象詞。不要只寫「悲傷」，要寫角色如何壓住、如何失控、在哪個詞上破防。
# Seed Audio 1.0（指令和台詞分開）
引用上文：[#這枚戒指，是姐姐的，對不對？]
語音指令：[#用顫抖沙啞、將哭未哭、強忍著崩潰的語氣，語速偏慢]
合成文本：我找了她三年。你卻把她的戒指，戴在了別人手上。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-1-confrontation.mp3" title="玩法 1 · Seed Audio 對峙戲試聽" caption="根據上面的 Seed Audio 指令生成，聽重點在角色如何壓著崩潰往外說，把對峙裡的隱忍和破防帶出來。" mediaId="seed-audio-play-1-confrontation"}
# ElevenLabs（標籤嵌進台詞）
[whispers] I searched for her for three years…
[crying] and you put HER ring… on someone else's hand.
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-1-confrontation.mp3" title="玩法 1 · ElevenLabs 對峙戲試聽" caption="根據上面的 ElevenLabs 標籤示例生成，聽重點在低聲壓住情緒、哭腔和重讀詞如何把對峙戲推起來。" mediaId="elevenlabs-play-1-confrontation"}
玩法 2 · 撒嬌 / 曖昧 / ASMR 悄悄話
情感電台、曖昧戲、ASMR 都靠距離感。這裡的關鍵不是聲音變小，而是近場、氣聲、停頓和尾音的組合。
# Seed Audio 1.0
語音指令：[#用 asmr 耳語般的語氣，輕輕地、帶點撒嬌地說]
合成文本：別走嘛……再陪我待五分鐘，就五分鐘，好不好？
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-2-asmr-whisper.mp3" title="玩法 2 · Seed Audio 耳語試聽" caption="根據上面的 Seed Audio 耳語指令生成，重點聽近場氣聲、輕停頓和撒嬌式尾音如何形成距離感。" mediaId="seed-audio-play-2-asmr-whisper"}
# ElevenLabs
[whispers] Don't go yet… [playful] just five more minutes, okay?
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-2-asmr-whisper.mp3" title="玩法 2 · ElevenLabs 耳語試聽" caption="根據上面的 ElevenLabs 耳語和 playful 標籤生成，展示近場氣聲、輕停頓和曖昧尾音的效果。" mediaId="elevenlabs-play-2-asmr-whisper"}
玩法 3 · 方言梗（Seed Audio 的主場）
中文短劇裡，方言常常不是裝飾，而是人物關係和地域氣質的一部分。四川話的調侃、北京話的貧、東北話的爽，都要把語氣和語境一起寫清楚。
# Seed Audio 1.0
語音指令：[#用地道的四川話，語氣調侃、帶點得意]
合成文本：你娃兒還想騙我？我啥子場面沒得見過哦。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-3-sichuan-dialect.mp3" title="玩法 3 · Seed Audio 四川話試聽" caption="根據上面的 Seed Audio 方言指令生成，重點聽四川話裡的調侃、得意和人物關係感。" mediaId="seed-audio-play-3-sichuan-dialect"}
玩法 4 · 一人分飾多角：一次配完整段對手戲
如果一段戲裡有兩個人互相壓制，最好不要把台詞一句句拆散生成。Seed Audio 1.0 更適合一次描述多角色的聲線與情緒關係；ElevenLabs 則可以用多說話人格式，分別分配音色。
# ElevenLabs（多說話人）
Speaker 1: [coldly] You shouldn't have come back.
Speaker 2: [shaky] I had to. [whispers] I saw the ring.
Speaker 1: [angry] Then you saw NOTHING. Get out.
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-4-multi-speaker-dialogue.mp3" title="玩法 4 · ElevenLabs 多角色對話試聽" caption="根據上面的多說話人格式生成，重點聽 coldly、shaky、angry 三種表演提示如何區分同一段對手戲裡的角色壓力。" mediaId="elevenlabs-play-4-multi-speaker-dialogue"}
玩法 5 · 整段氛圍：旁白 + 配樂 + 音效一起出
這類任務最能體現 Seed Audio 1.0 和普通 TTS 的差別。你不是只要一條人聲，而是要一段可直接進入分鏡或粗剪的音訊場景：旁白、環境音、音效和情緒一起服務同一個懸念。
# Seed Audio 1.0（整段場景指令）
語音指令：[#深夜醫院走廊，旁白語調驚恐壓抑；背景加入細微腳步聲和滴水聲，氣氛懸疑]
合成文本：可當他的手觸碰到對方的身體時，卻感覺一陣冰冷，那觸感……不像是活人。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-5-atmosphere.mp3" title="玩法 5 · Seed Audio 氛圍段落試聽" caption="根據上面的 Seed Audio 場景指令生成，重點聽旁白、環境聲和情緒氣氛如何一起服務懸念。" mediaId="seed-audio-play-5-atmosphere"}
# ElevenLabs（台詞內音效標籤）
[ominous] The hallway was empty… [footsteps] something was following her.
[gasp] [gunshot] — Run!
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/elevenlabs-play-5-atmosphere-sfx.mp3" title="玩法 5 · ElevenLabs 氛圍音效試聽" caption="根據上面的台詞內音效標籤生成，展示 ominous、footsteps、gasp、gunshot 這類標籤如何把旁白推成完整氛圍段落。" mediaId="elevenlabs-play-5-atmosphere-sfx"}
玩法 6 · 引用上文：讓長對話聽起來真的在「接話」
一句句孤立生成，常常會讓角色聽起來像在各說各的。把上一句和當前關係一起餵給模型，聲音才會接住前文的試探、遲疑、心虛或久別重逢。
# Seed Audio 1.0
引用上文：[#是…是你嗎？怎麼看著，好像沒怎麼變啊？]
語音指令：[#用久別重逢、又驚又暖、微微哽咽的語氣]
合成文本：你頭髮長了……以前總說留不長。十年了，你還好嗎？
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/seed-audio-play-6-context-continuation.mp3" title="玩法 6 · Seed Audio 接話試聽" caption="根據上面的 Seed Audio 引用上文指令生成，重點聽它如何接住前一句裡的久別重逢和微微哽咽。" mediaId="seed-audio-play-6-context-continuation"}
玩法 7 · 聲音複刻：給角色一個跨集都不變的專屬音
短劇不是只做一段 demo。想讓女主從第 1 集到第 80 集仍然像同一個人，就要把聲音複刻、參考音訊、人物卡和固定參數當成角色資產管理。Seed Audio 1.0 可結合參考音訊與續寫一致性，ElevenLabs 可用 Instant Voice Clone，關鍵是複刻後要沉澱到角色手冊裡，而不是每次臨時重選。
玩聲音複刻請只複刻你有權使用的聲音（你自己的、獲授權的或平台提供的），別複刻他人或明星聲音。
玩法 8 · 角色設定：給模型一張完整的「人物卡」（旗艦玩法）
前面七種是局部技巧，人物卡是把它們串成資產的方法。寫清楚人設、場景、音色基調和台詞，模型讀到的就不再是「一句話怎麼讀」，而是「這個角色此刻是誰、為什麼這樣說、應該軟到什麼程度」。
下面是一張可以直接拿去試的人物卡（沈硯 · 臨終卸防）：
【角色設定】
沈硯——表面清冷自持的世家公子，慣把脆弱藏在禮數與鋒利言辭之下，從不在人前低頭。
久病纏身，今夜是他自知撐不久的一晚。正因為他一向驕傲、克制，此刻的卸防與示弱才格外
動人：他不是天生溫柔，是為了你，才肯軟下來。
【場景】
深夜，燭火將盡的臥房，窗外初雪。他半靠床頭，把伏在膝邊啜泣的你輕輕拉進懷裡。
聲音很輕——說話已經耗力，越想溫柔，氣息越散。
【音色】
成年男性，低沉沙啞、氣聲偏多的磁性嗓音，近場耳語距離。語速緩慢、停頓長、呼吸清晰可聞。
基調：疲憊、隱忍、不捨，間或一絲他慣有的、被你看穿的輕佻笑意；尾音發顫，是極力克制
不讓自己碎掉。魅惑來自壓低的胸腔共鳴與氣聲，而非用力——越脆弱，越要輕。
::audio{src="https://tos.arcloop.cn/handbook/audio/seed-audio-elevenlabs-ai-drama-dubbing/detailed-instruction.mp3" title="沈硯 · 臨終卸防試聽" caption="這段音訊來自上面的人物卡示例，演示角色設定如何把台詞變成帶情緒曲線的表演。" mediaId="seed-audio-shenyan-terminal-softening"}
怎麼餵給模型：
- Seed Audio 1.0：把【角色設定】【場景】【音色】當成給模型的導演指令，描述「怎麼演」；【台詞正文】是真正要讀的內容。括號中的動作和情緒要轉成音色 / 場景指令，別讓它們被當成台詞讀出來。
- ElevenLabs：把【角色設定】【場景】落成選對音色 + Stability=Natural；把表演提示轉成內聯 audio tags（
[weakly] [whispers] [voice trembling] [chuckles softly]），把停頓寫成省略號；台詞太長就分段、同情緒的句子連在一起合成。
寫第一段提示詞，記住三條就不翻車
- 別只給一個情緒詞。
[#悲傷]或[sad]只能得到平均值。寫出情緒路徑：先忍住、在哪個詞上破、最後如何收住。 - 分清指令和台詞。 Seed Audio 的表演指令放在
[#…]/ 人物卡裡，和真正要讀的文本分開；ElevenLabs 先選對音色，再把標籤貼到句內。 - 對話戲要餵語境。 Seed Audio 用
引用上文，ElevenLabs 用多說話人格式或把同情緒的幾句連起來合成，不要把每句切成完全孤立的請求。
可以先從一個簡單模板開始：
年輕男性角色，聲音低沉，語氣疲憊，像是剛經歷了一場爭吵。
說話速度偏慢，情緒壓抑。
台詞：我已經不知道該怎麼相信你了。
生成後先聽情緒是否對，再聽聲音是否適合角色。如果聲音太平，就加強情緒描述；如果聲音太誇張，就降低情緒強度。不要只單獨聽音訊，最好把它放回影片畫面裡，看聲音、表情、動作和劇情是否匹配。
一個簡單的 AI 短劇配音 workflow
一段試聽能證明模型會演，但一部短劇需要同一個角色在幾十集裡保持同一種聲音、同一種說話習慣和同一條情緒底線。在 Arcloop 的劇本優先流程裡，配音不是孤立的一步，可以按這個順序走：
- 準備角色台詞。 先寫出角色要說的話，不要只準備對白本身，最好補充角色當前的情緒和場景。
- 選擇音訊模型。 在 Arcloop 裡選擇 Seed Audio 1.0 或 ElevenLabs。更關注情緒表達，優先試 Seed Audio 1.0；更關注角色聲音穩定性，優先試 ElevenLabs。固定角色建議先寫清楚音色錨點和說話習慣。
- 寫清楚聲音提示。 提示詞不要複雜，但要具體。按情緒標註，生成 Seed Audio 1.0 的導演式指令 / 人物卡，或 ElevenLabs 的標籤式提示詞。
- 生成角色配音。 生成後先聽情緒是否對，再聽聲音是否適合角色。把試聽結果反寫回角色資產：保留可重複使用的人物卡、音色選擇、參數和失敗案例，避免下一集重新摸索。
- 放進短劇片段裡測試。 不要只單獨聽音訊。把配音和分鏡、畫面對齊，看聲音、表情、動作和劇情是否匹配。
一句話：情緒來自劇本，人設和音色來自角色手冊，Seed Audio 1.0 和 ElevenLabs 負責把這些規則渲染成聲音。 這樣玩法才不會停在「單段 demo 很驚艷」，而是能進入整部短劇的資產鏈路。
讓你的 AI 短劇角色，真正開口說話。準備好就在 Arcloop Worlds 建個專案世界，把劇本、角色和音色沉澱下來。
FAQ
新手先玩哪個？ 中文短劇、細膩情緒、方言、整段有氛圍的戲，先用 Seed Audio 1.0，人物卡 / 指令式「說戲」更直覺；多語種、海量音色或逐點精修，優先試 ElevenLabs。最好用同一段台詞各生成一版，再決定主鏈路。
Seed Audio 1.0 和普通 TTS 有什麼不一樣？ 普通 TTS 生成「一條人聲」，Seed Audio 1.0 更接近生成「一整段音訊場景」：多角色、情緒、配樂、環境音、音效可以共同服務一個戲劇目標。
ElevenLabs 配中文短劇行不行？ 能用，但中文台詞、網路語氣詞、方言要拿真實台詞實測。它的強項在音色庫、穩定性、多語種和標籤控制。
怎麼保證角色跨集不「換人」？ 把音色和人設當成角色資產：用參考音訊 / 聲音複刻 / IVC 鎖定同一音色，固定同一套設定和同一張人物卡，寫進角色連續性手冊。換音色、換參數或換人物卡，都可能讓角色聽起來像換了個人。
這些能力會變嗎？ 會。Seed Audio 1.0 目前還在邀測、文件偏早期，模型和參數也持續更新。本文講的是方法和玩法，具體型號、介面、參數以火山方舟 / 豆包、ElevenLabs 官方頁面和 Arcloop 當前配置為準。
