音色设计指南（Voice Design README）
概述
本指南用于创建高质量的声音描述（voice_prompt），帮助生成符合特定需求的理想音色。声音描述是声音设计的蓝图，直接决定模型输出的音色质量。
技术约束
| 项目 | 说明 |
|---|---|
| 长度限制 | 单个 voice_prompt ≤ 200 个字符 |
| 支持语言 | 中文，当前版本暂不支持英文，后续会更新 |
五大核心原则
1️⃣ 具体而非模糊
✅ 正确做法：使用可感知的声音特质词
- 音调：低沉、高亢、清脆、浑厚
- 语速：偏快、缓慢、急促、平缓
- 质感：磁性、沙哑、圆润、明亮
❌ 错误示例："好听"、"普通"、"不错"（过于主观，缺乏信息量）
2️⃣ 多维而非单一
✅ 正确做法：至少组合3-4个维度构建立体声像
- 人设(适用场景) + 性别 + 年龄 + 音调 + 语速 + 音量 + 音质 + 情感
❌ 错误示例：仅"女声"或仅"低沉"（过于宽泛，特色不鲜明）
3️⃣ 客观而非主观
✅ 正确做法：描述声音物理特征
- "音调偏高，带活力"
- "语速缓慢，吐字清晰"
❌ 错误示例："我最喜欢的声音"、"这个声音很棒"
4️⃣ 原创而非模仿
⚠️ 版权风险：禁止使用"模仿XX明星"、"像XX演员"等描述 ✅ 正确做法：描述声音特质本身，而非特定人物
5️⃣ 简洁而非冗余
✅ 正确做法：每个词都承载信息 ❌ 错误示例："非常非常棒的声音"、"极其极其温柔"
描述维度参考
基于优秀案例，建议从以下维度组合描述：
| 维度 | 可选项示例 |
|---|---|
| 人设（适用场景） | 新闻播报、广告配音、有声书、动画角色、纪录片解说 |
| 性别 | 男性、女性 |
| 年龄 | 儿童(约8岁)、青年(20-30岁)、中年(40-50岁)、老年 |
| 性格特质 | 活泼、沉稳、温柔、知性、可爱、严肃 |
| 语速节奏 | 较快、缓慢、适中、急促、平缓 |
| 语调特点 | 上扬、平和、激昂、慵懒 |
| 音色质感 | 低沉磁性、清脆明亮、沙哑圆润、稚气 |
优秀案例
✅ 推荐模板
案例1：诗歌朗诵
"一位男性现代诗朗诵者，用深沉磁性的低音，以顿挫有力的节奏演绎艾青诗歌，音量洪亮，情感激昂澎湃。"
案例2：新闻风格
"这是一位女性新闻主播，用标准普通话以清晰明亮的中高音，以平稳专业的语速播报时事新闻，音量洪亮，情感客观中立。"
案例3：广告配音
"这是一位男性白酒品牌广告配音，用沧桑浑厚的嗓音，以缓慢而豪迈的语速，音量洪亮，传递历史底蕴和男人情怀。"
常见错误与改进
| 类型 | ❌ 不推荐描述 | ✅ 改进建议 |
|---|---|---|
| 过于笼统 | "女声，好听" | "年轻女性，音调清脆，语速适中" |
| 主观评价 | "很棒的声音" | "音色明亮，富有感染力" |
| 单一维度 | "低沉的男声" | "中年男性，音色低沉，语速缓慢，适合纪录片" |
| 冗余重复 | "非常非常温柔的声音" | "温柔知性的女性声音" |
| 模仿请求 | "像XX明星的声音" | "禁止，请用客观特质词描述 |
快速检查清单
在提交 voice_prompt 前，请确认：
- 长度 ≤ 200 字符
- 包含至少3个不同维度
- 无主观评价词（好听/很棒/喜欢）
- 无模仿人物描述
- 无重复强调词
- 明确了适用场景
- 所有词汇均可感知、具象化