4
第4步：配音 + 音乐音效
声音决定"像不像剧"，而且几乎不花钱
本步目标
对白配音 + BGM + 关键音效，节奏跟画面咬合
新手耗时
⏱ 新手 0.5–1 小时/集
🧰 本步工具（按性价比排）
1.配音：免费 TTS 够用很久
冬瓜配音（浏览器里跑，手机就能用）是低配用户的第一选择，角色音色分男女老少，够 3 个主角用了。即梦也内置了声音生成功能，出图出视频顺手配个音。追求更好的音色再上讯飞 TTS（约 ¥2/千字符，对白量小，一集成本几块钱）。
2.角色声音要"长什么样"
和角色卡同一逻辑：每个角色锁一个音色，主角 A 永远用 3 号音色。TTS 前把台词给 AI 过一遍"口语化"（书面语直接念出来是机器腔），再按角色加语气词——霸总少用"呢"，萌宝多用"呀"，声音立刻活过来。
3.BGM 和音效的取用规矩
BGM 只从能商用/平台曲库里拿（抖音音乐库、剪映内置曲库最稳），网搜的"纯音乐"大概率有版权，抖音会限流。音效只做三件事：转场"嗖"、冲突"重击"、反转"叮"，一集 3–5 个就够，铺多了反而吵。
4.音画咬合的小技巧
台词开始比画面早 0.2 秒（观众心理），BGM 在反转点之前 2 秒起、在反转点落下——声音先行是"爽感"的来源，纯技术但极有效。
⚠️ 新手在这一步最常踩的坑
- ✗一个音色配所有角色——观众分不清谁在说话，这是配音翻车第一原因
- ✗BGM 音量压过对白——BGM 在对白段自动降到对白的 20–30%（剪映有自动闪避功能）
- ✗免费音效乱下——来源不明的 wav 直接进剪辑，发布后被版权判定
- ✗配音念完就完事——先放一遍"全静音只听声音"，节奏断裂的地方补音效
这一步的新手 FAQ
配音必须用冬瓜吗？
不用，但它是低配用户唯一"零门槛 + 免费 + 浏览器可用"的组合，入门阶段没理由换。
一集配音成本多少？
冬瓜免费；讯飞约 ¥3–5/集（对白 1500 字内）。整个声音环节月成本控制在 ¥100 内是正常水平，超了说明在浪费高级音色。
角色声音和画面对不上怎么办？
声音先行：先定声音再对画面，别反过来。