配音指南2026-11-17·预计阅读7分钟

口述影像配音怎么写?在画面空隙补充清楚的动作描述

导读

口述影像配音怎么写:先找出对白和关键声音之间的空隙,记下起止时间,再用现在时、客观、短句写出谁在哪里做了什么,字数按空隙长度控制。适合给视障观众制作无障碍版本的内容与视频制作人;描述由人工编写和安排时机,可在文本转语音里逐段生成音频,再放回视频对应位置。

关键词

口述影像配音怎么写口述影像无障碍视频画面描述配音文本转语音

口述影像配音怎么写,核心是三件事:只在对白和关键声音的空隙里说话;说眼睛看到的,不替观众下判断;一句话里先交代谁、在哪、做了什么。给视障观众做无障碍版本的内容与视频制作人,可以先人工写好每段描述并标好时间点,再在文本转语音里逐段生成音频,放回视频对应位置。工具只负责把写好的文字读出来,描述的取舍和时机仍要人来定。

#口述影像配音怎么写:先找空隙,再写内容

口述影像(也叫音频描述)是在原片的声音之外,用旁白补上视障观众看不到的画面信息:人物动作、场景变化、表情、屏幕上的文字。它和普通配音最大的不同,是不能盖住原片。对白、关键音效和音乐转折都属于观众能听到的信息,描述只能插在它们之间。

所以写稿的第一步不是动笔,而是看片找空隙:

  1. 完整看一遍视频,在每段没有对白、也没有关键声音的地方记下起止时间。
  2. 标出每个空隙里画面发生了什么,哪些信息不说就听不懂后面的剧情。
  3. 估算空隙能放多少字。中文正常语速可以先按每秒四五个字粗估,实际以生成后的音频时长为准。

空隙太短、要说的又多时,优先保留影响理解的信息,次要细节删掉;实在放不下,就把描述提前到上一个空隙,不要压到对白上。

#一张描述表:时间码、空隙长度和字数

把每个空隙整理成一行,写稿、生成和剪辑都照着这张表走。

序号 起止时间 空隙长度 画面描述 字数上限
01 00:00:03—00:00:08 5 秒 清晨,老街口。一个穿蓝外套的女孩推着自行车走来。 约 22 字
02 00:00:21—00:00:24 3 秒 她停下,抬头看向二楼的窗户。 约 13 字
03 00:01:10—00:01:16 6 秒 窗帘拉开,一位白发老人探出头,朝她挥手。 约 27 字

表里的场景和人物只是示例。字数上限只是起点,生成后要和空隙实际时长再对一遍。

#写描述的五条规则

1. 说看到的,不说推测的

写“她攥紧拳头,转身离开”,不写“她非常生气地走了”。动作和表情交给观众自己判断,情绪词只在画面明确时使用,比如人物正在流泪。

2. 用现在时和短句

“他推开门,走进屋里。”比“他在推开门之后走进了屋子里面”更好听也更省时间。一句只说一件事,长句拆开。

3. 先交代谁、在哪、做什么

人物第一次出现时说清外貌特征,例如“穿蓝外套的女孩”;名字在剧情里出现后,再改用名字。同一个人从头到尾用同一种叫法,不要一会儿叫“女孩”、一会儿叫“她”、一会儿叫名字。

4. 只说会影响理解的信息

背景里路过的行人、无关的道具可以不说;人物拿起的信、屏幕上出现的字幕和标题、场景从白天切到夜晚,都要说。片中出现的文字可以直接读出来,例如“屏幕上出现字幕:三年后”。

5. 不抢在动作前面剧透

描述时机贴着画面走:动作发生时或稍早一点说,不要提前好几秒把后面的反转说出来,也不要等画面已经切走才补。

#在文本转语音里逐段生成

1. 每个空隙单独生成一个文件

进入文本转语音,选“单人模式”,把描述表里的一行粘进去生成一个文件。逐段生成方便单独返工:某一段太长或读错,只重做这一段,不影响其他时间点。短文每次最多 5000 字,单条描述远低于这个上限。

2. 选平稳、中性的声音

口述影像的声音要和片中人物明显区分,听感平稳、不抢戏。模型可以先试“稳定版”,它的定位就是平稳朗读正式内容;音色要用带人名和动作的完整句子试听,不要只听一句开场就定下来。

说话方式可以写进“语音指令”,例如:

平静、中性的旁白语气,吐字清楚,语速适中,不带表演情绪。

这是待试听的示例,不同音色表现可能不同。如果一段读出来比空隙长,先删字,再考虑微调“语速”;语速调得太快,视障观众反而听不清。句子之间太赶,可以在高级设置里加一点“句尾停顿(毫秒)”。每次只改一项,保留对照版本。

人名、地名的读音要在完整句子里确认,方法可以参考多音字、人名和地名的配音校对方法;整体听感偏机械时,可参考AI配音怎么做更自然。生成前查看页面当次显示的用量与积分要求。

3. 下载格式和文件命名

配进视频的音频常用波形音频(WAV)、48 千赫,也可以按剪辑软件要求选常用压缩音频(MP3)或其他采样率。文件名带上序号和起始时间,例如“AD_01_000003_v01.wav”,扩展名和实际下载格式一致。需要同时做描述字幕时,可以勾选字幕选项,生成后单独下载字幕文件。

#放回视频后要检查什么

把每个文件按描述表的起始时间放到剪辑软件里单独的一条音轨上。描述出现时,原片的音乐和环境声可以适当压低,对白段落不要动。需要裁掉音频开头空白、统一各段音量时,可以先用在线音频编辑器处理。

完整播放一遍,逐条核对:

  • 描述有没有压到对白、关键音效或音乐转折。
  • 描述和画面时机是否对得上,有没有提前剧透或滞后。
  • 人物叫法是否前后一致,人名读音有没有错。
  • 各段音量是否一致,在原片声音下能否听清。
  • 片中出现的文字、标题是否都读到了。

改稿后时间对不上时,可参照配音字幕不同步的处理方法,找出受影响的序号单独重做。条件允许时,请视障观众试听一遍,按反馈调整详略。页面高级设置里有“内容合成标识”选项,发布平台或合作方对标注合成音频有要求时按要求设置。文字合成只解决朗读这一步,不代表成片已通过任何无障碍标准认证。

#先从一段空隙开始

挑一段一分钟左右、对白不多的片段,找出两三个空隙写好描述,在文本转语音里生成并放回视频试听。确认长度、语气和时机都合适后,再按描述表把整部片子做完。

继续用爱声音坊创作音频

注册即送 200 积分,可体验 AI 音效、AI 音乐、视频配乐、配音和语音播客。