docs/voice_design.md

# 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

---