AI配音：让机器"开口说话"
短视频里的解说、导航里的女声、有声书里的主播——越来越多声音不是真人现场录制的，而是用语音合成技术生成的。它的英文叫 Text To Speech，简称 TTS：输入文字，输出自然流畅的人声。
文本分析
先"读懂"文字：在哪里断句、"重"读 zhòng 还是 chóng、"120" 读成"一百二十"。
韵律预测
决定每个字读多重、在哪里停顿、句子是疑问上扬还是陈述下沉——让人声有"节奏感"。
声学模型
根据韵律，逐帧预测声音的音高、音色等特征参数（类似声音的"乐谱"）。
声码器输出
声码器把特征参数变成真正的声波，我们就能听到一句句"人话"。
AI 配音擅长什么
- 几分钟生成几十种音色，改文案立即重新合成
- 多语言、多方言播报，节省录音棚成本
- 为视障同学朗读屏幕，让信息无障碍
使用红线
- 克隆他人声音必须取得本人授权
- AI 合成内容应显著标注，不可冒充实人
- 听到"熟人"语音要求转账，务必电话核实——可能是诈骗
AI的"顺风耳"：语音识别 ASR
语音合成是"文字变声音"，反过来"声音变文字"就是语音识别（Automatic Speech Recognition，简称 ASR）。微信语音转文字、直播实时字幕、会议自动纪要，用的都是它。
采集声波
麦克风把空气振动转换成数字信号。
特征提取
从声波中提取音高、音色、口型对应的声学特征。
声学模型
把声音特征对应成一个个发音单位（音素）。
语言模型纠错
结合上下文选出最合理的字：听到"qīng kē"，后面是"酒"，就判断为"青稞"。
输出文本
加上标点，输出最终的通顺文字。
语音输入
说话比打字快，老人、儿童、行动不便者也能顺畅使用手机
实时字幕
网课、直播、视频会议自动生成字幕，听不清也能"看"懂
客服与纪要
自动转写通话、生成会议纪要，把人从重复劳动中解放
方言保护
藏语识别、藏汉翻译与双语教学，为家乡语言留存数字语料
车载与家居
开车时动口不动手，语音控制导航、空调更安全
口述创作
先把灵感"说"成文字稿，再让AI润色，创作效率翻倍
AI作曲家：给短片一首不侵权的BGM
短视频离不开背景音乐，但直接使用流行歌曲可能因版权侵权被下架。AI 音乐生成让不会乐器的你，也能按"风格+情绪+时长"得到一首原创配乐。
旋律生成
输入"藏族风、辽阔、温暖"，AI 就给出主题旋律
智能编曲
自动配上鼓点、贝斯、弦乐与和声层次
一键伴奏
对着手机哼一段旋律，AI 自动配上整支乐队
音效生成
风声、转场"咻"、提示音等，用文字描述即可生成
情绪适配
同一支片子可以生成欢快、抒情、紧张多个版本
时长定制
要 15 秒还是 60 秒？裁剪循环由 AI 一次到位
一首 AI 配乐的诞生四步
| 步骤 | 你要做什么 | 小提示 |
|---|---|---|
| ① 提需求 | 写明风格、情绪、乐器、节奏、时长 | 提示词越具体，效果越贴合画面 |
| ② 生成旋律 | 从海量音乐中学习规律的模型写出主旋律 | 一次多生成几版再挑 |
| ③ 编曲混音 | 配器、节奏、音量自动平衡 | 旁白出现时音乐要自动"让位"变小 |
| ④ 导出使用 | 按时长导出，保存授权凭证 | 发布时标注"音乐由 AI 生成" |
数字人主播与短视频创作流水线
数字人是用计算机做出的虚拟人物：能播报、能带货、能多语言直播。它由三部分组成——虚拟形象 + AI 嗓音 + 驱动引擎（用语音同步驱动口型、表情和动作），再配合第2课的语音识别和大模型，还能实时回答观众提问。
数字人擅长
- 24小时不知疲倦地重复播报
- 快速切换多种语言、多方言
- 批量生成讲解视频，节约人力
- 在危险、遥远场景代替真人出镜
数字人不擅长
- 真正的情感共鸣与临场幽默
- 处理突发、复杂的真人采访
- 为内容的真实性承担责任
一个人 = 一支创作团队：出片五步
选题脚本
确定主题与受众，让 AI 协助写文案，再自己核实事实。
分镜设计
把脚本拆成镜头：景别、画面、旁白、时长，用下面的分镜台一键生成。
素材生成
AI 生图、图生视频制作空镜，再与自己实拍的素材结合。
配音配乐
用配音实验室生成解说，用 AI 作曲配原创 BGM。
剪辑发布
智能字幕、踩点剪辑，核实事实、标注 AI 后再发布。
动画微课：边看边巩固
AI怎样开口说话
TTS四步流水线，机器配音的秘密
AI的顺风耳：语音识别
声波怎样一步步变成文字
AI一秒作曲：配乐自由
原创BGM四步生成，不侵权也能很动听
数字人主播炼成记
形象、嗓音、驱动三件套与防骗提醒
一个人的短视频创作流水线
五大板斧总串联，为家乡拍出第一支片
结营大作业（选做一个，发布出来！）
- 用「分镜台」生成脚本，结合实拍与 AI 素材，完成一支 15—30 秒的家乡主题短片（青海湖、雪豹、唐卡、校园生活任选），并用「配音实验室」配上解说；
- 找一段学校活动的静音视频，用 AI 配音 + AI 原创配乐把它做成一条完整作品，片尾标注 AI 辅助；
- 做一名"数字内容调查员"：查阅资料，整理 3 条关于 AI 合成声音、数字人形象的授权与标识倡议，在班级里做一次 3 分钟分享。