跳转到内容

配音

讲解视频、课程视频和 AI 短剧都需要配音。千剪会选一个这台电脑真正能用的声音,不会因为付费配音没有密钥就停下。

按顺序:

  1. 你在 persona 里设的声音(persona.local.yaml 里的 tts.engine,比如你自己的克隆声音)。
  2. OpenAI(gpt-4o-mini-tts),只在设置 › AI 里有 OpenAI 密钥时才用。每分钟配音约 0.015 美元。
  3. 免费配音,在这台 Mac 上离线运行(Apple 芯片)。英文用 Kokoro(af_heart,也可以换成 am_michael 或 bf_emma)。中文在你下载 Qwen3-TTS 之后用它(见下)。

自动驾驶时,设成 OpenAI 却没有密钥的项目会改用免费配音,并在 AI 做的选择里写明。选了先问我时会问你:用免费配音,还是添加 OpenAI 密钥。连免费配音也没有时,就请你添加密钥。

免费的英文配音(Kokoro)只需下载一次,大约 330 MB。第一次有视频要用它时会开始下载,也可以在设置 › 高级 › 下载内容里手动下载。下载完成之前,配音这一步会提示「这台电脑上还没有下载免费配音。」,并给出下载免费配音;下载完点再试一次。

免费配音离线可用,Mac App Store 版也能用。Intel Mac 和 Windows 没有免费配音,那里的配音需要 OpenAI 密钥(或你在 persona 里设的其他声音)。

中文版由 Qwen3-TTS(Apache-2.0)配音。它是可选的一次性下载,约 3 GB,在设置 › 配音 › 中文配音里。声调准确,英文术语也读得自然。那里有五个声音可选,下载前都可以先试听:

声音 听感
Serena 温柔沉稳(默认)
Vivian 明亮年轻
傅叔 成熟低沉的男声
Dylan 男声,北京口音
Eric 男声,四川口音

下载之后,所有中文版都由它配音。在那之前:

  • 中文版用英文旁白 + 中文字幕。你要中文版时,计划卡片会说明这一点,并给出下载中文配音;下载完成之后写的版本会用中文配音。
  • 旧的内置普通话声音(Kokoro,zf_xiaobei)听起来比较机械,默认关闭。想在下载 Qwen3-TTS 之前先用它,在设置 › 配音里打开在那之前先用内置的中文声音。有了 Qwen3-TTS 之后,总是用 Qwen3-TTS。

添加了 OpenAI 密钥时,旁白会改用 OpenAI 的声音,中文也一样。

中文课程里到处是英文术语:MCP、API、Tool Calling、USB-C。Qwen3-TTS 自己就能读好它们,不需要词典。如果你打开了旧的内置普通话声音(Kokoro),它会把中文读成中文,把每一段英文读成英文:

  • 全大写的缩写按字母读:「MCP」读作 M-C-P。
  • 认识的单词按单词读:「Tool Calling」「server」。
  • 驼峰写法的名字拆开读:「LangChain」读作 Lang Chain,「OpenAI」读作 Open A I。
  • 完全不认识的词会按字母拼出来,不会跳过。
  • 单独的数字跟着中文,用中文读。
  • 生僻词读错了,就换个说法,或者换个常用词。按读音写也可以,但字幕跟着脚本走,字幕上也会显示成那样。
  • 要按字母读的缩写写成大写(写「API」,不要写「Api」)。
  • 英文讲解里的数字按读法写(「zero point five one」「F P thirty-two」),字幕会再变回数字。
  • 句子短一点。 特别长的句子会被拆开,好让配音一口气读完。如果配音还是漏了什么,千剪会告诉你是哪一幕、哪一句(见下)。

每一条配音都会转写出来和脚本对比。漏了一句就重新生成;总是失败的那句会拆成两半再试。还不行,运行就停下,并给出明白的提示:

提示 怎么办
配音几次都漏读了第 N 幕的一句:「…」 在脚本里把这句改个说法或拆成两句,再点再试一次
配音读不出第 N 幕,分成两半也不行:「…」 同上:句子短一点、说法简单一点、生僻词换个说法
千剪里还没有 OpenAI 密钥,这一步没法运行 用免费配音,或在设置 › AI 里添加密钥
persona.local.yaml
tts:
engine: kokoro # 或 qwen、openai、clone、edge、openai-compatible、elevenlabs
zh_local: true # 可选:下载 Qwen3-TTS 之前先用 Kokoro 的普通话声音

tts_engine: auto(默认)和应用的顺序一样;免费配音遇到中文句子时,装好了 Qwen3-TTS 就交给它。你自己的克隆声音(tts.clone,Apple 芯片上的 Qwen3-TTS)也能在中文里读英文术语。引擎细节见 声音。