音频、配音与音画同步

一、短剧音频组成

二、角色对白与配音

用 vox.声音克隆 定制角色音色

• 输入一段该角色的声音样本（或文字）→ 生成该角色的稳定音色。
• 后续所有对白都用该音色，保证配音一致。

口型同步（音画同步关键）

对白镜头要让角色"说话"与声音同步，用音图生视频（首尾帧 + 音频）：

• ltx.i2v（ltx.图生视频，音图模式）：输入该镜头的首帧/尾帧 + 对白音频 → 生成嘴型对上的视频 ✓（对白镜首选）
• ltx2.3.sef（ltx.首尾帧生视频）：只给首尾帧、不喂音频时用它。
• ⚠ 海螺侧没有独立的"首尾帧生视频"节点：走统合模板 minimax.h3.t2i —— 连首帧＝图生、连首帧＋尾帧＝首尾帧（模式由连线决定 ✓）

关键：先把对白音频生成好，再把它接入音图生视频节点，模型按音频时长与内容驱动口型。

三、背景音乐

• 海螺.歌曲创作(minimax.music3.song)：带歌词的歌曲，适合主题曲。
• 海螺.纯音乐(minimax.music3.instrumental)：纯背景乐，适合剧情铺垫。
• 按场景情绪选：紧张→快节奏/低音；温情→慢速/钢琴；反转→突然变奏。

四、音画同步流程

① 写对白文案 → ② vox.声音克隆生成角色音色对白音频 → ③ 音图生视频节点输入（画面 + 对白音频）→ ④ 得到口型同步视频

五、配音规范

1. 对白文案：贴合短剧人物性格（霸道总裁/白莲花/搞笑配角），口语化。
2. 节奏：短句为主，每句 3~8 秒，留情绪停顿。
3. 情绪：在提示词/文案里标注（震惊、愤怒、温柔）。
4. 声音克隆样本：3~10 秒清晰人声最佳。

六、避坑

1. 先音后画：对白场景务必先生成音频，再音图生视频，否则口型对不上。
2. 音频与画面时长匹配：音频时长≈镜头时长，避免画音脱节。
3. 不要用文生视频做对白：文生视频不认音频，口型是乱的。
4. 纯音乐/歌曲选对情绪：配乐与剧情冲突会出戏。

七、AI 助手提示

• 用户要对白 → 提示先声音克隆 + 生成音频 + 音图生视频。
• 用户要配乐 → 按剧情情绪推荐歌曲/纯音乐模板。