# 声音方向

## 目录

- [参考音频是载体](#参考音频是载体)
- [参考可以是合成出来的](#参考可以是合成出来的)
- [身份与表演的界线](#身份与表演的界线)
- [一段参考音频可以决定什么](#一段参考音频可以决定什么)
- [绑定不等于听过](#绑定不等于听过)
- [选型判据](#选型判据)
- [写出区分度](#写出区分度)
- [专名发音](#专名发音)
- [变体：伪装、年龄与跨段变化](#变体伪装年龄与跨段变化)
- [写入视觉设定](#写入视觉设定)

声音方向（`voice_direction`）写在 `视觉设定.md` 的人物条目中，记录跨集稳定的声音身份
（`AST-07`）。本场怎么说属于表演，由已接受剧本中的台词与表演要求决定，再交分镜和视频提示词实现。

## 参考音频是载体

短剧的音色由**一段参考音频**承担：配音演员的试音、声音库里的一条、或创作者授权的克隆源。
文字不承担音色——它承担两件参考音频承担不了的事：

1. **选型与验收**：用什么判据挑一条参考、判一次克隆结果算不算这个角色；
2. **专名发音**：参考音频里没有的那些名字该怎么念。

参考音频是声音身份的主要载体。没有参考时写 `- 声音参考：待选型`，文字只保留选型判据
与待确认项，不把判据当作已选音色，也不要求建立独立声音规格文件。

### 参考可以是合成出来的

使用声音库时，确认所选音色及其使用范围符合供应商提供的许可。
项目没有配音演员、也不打算克隆谁时，可以选择预置音色，提出一条试音任务，再绑定合成结果。
合成由 `$short-drama-produce` 的 `tts` 模态执行，必须先展示精确任务预览并取得创作者明确确认。

合成出来的参考和录音来的参考在本文档里受同样的约束：它一样要写用途边界，一样要有
`admission_status`，一样不能用形容词代替。差别只有一处——**它的选型判据是拿来挑预置音色的，
不是拿来判克隆像不像的**，所以「与谁最易混」这条要在同一批预置音色里回答，而不是在角色之间
凭空回答。预置库里两个音色听起来就是同一个人时，换一个，不要靠判据文字假装区分。

所选音色 ID 记在人物条目的参考来源说明中，实际音频路径仍放在唯一的 `声音参考` 行开头。
更换音色是创作决定，须记录前后选择，供跨集核对。

## 身份与表演的界线

一句话判定：**这个特征在角色安静地坐着说一句无关紧要的话时还在吗**？

在，就是身份。不在，就是表演，留给场次与台词。

| 属于身份 | 属于表演 |
|---|---|
| 音区、音色质感、年龄印象 | 本场因奔跑造成的气息不稳 |
| 语速与停顿习惯、句尾处理 | 某一句的重音位置 |
| 口音与方言范围 | 这一场压低声音说话 |
| 已接受的专名发音 | 情绪激动时的音量 |

界线画错的代价不对称：把表演写进身份，角色每一集都会被要求带着上一集的伤势说话；
把身份漏进表演，配音者每一场都要重新猜这个人是谁。

人物条目同时说明声音身份及排除项（`not_voice_identity`），让下游分清哪些特征需要保持，
哪些临时表演或录音特征不得继承。

## 一段参考音频可以决定什么

参考绑定必须自带用途边界：写清这次参考它的**什么**，以及哪些内容**不能**跟着来
（`AST-08`）。同一段录音承担多个用途时，分别说明各用途的控制范围并逐项审查；人物条目
仍只登记一条 `声音参考` 路径，不复制成多条同名参考行。

| `role` | 可以借用 | 默认不可借用 |
|---|---|---|
| `timbre` | 音色质感、共鸣、年龄与体量印象 | 这条里的情绪、语速、录音空间 |
| `accent` | 口音与语域范围 | 音色、音区、说话人身份 |
| `pace` | 语速基线与停顿习惯 | 音色、口音、这条的情绪 |
| `age_impression` | 听感年龄 | 具体音色与口音 |

三类东西**永远写进 `must_not_control`**，因为它们在任何一条参考里都必然存在，
而且必然不属于角色身份：

- **这条参考里的情绪**：试音稿在哭，不代表这个角色总是在哭；
- **录音空间**：混响、房间声、话筒距离属于那次录音，不属于这个人；
- **背景内容**：底噪、伴奏、另一个说话人。

同一参考兼顾音色与口音时，在同一人物条目下分列这两项用途及各自允许/不得控制的内容。
用途不能互相扩大；下游视频的 `参考音频` 仍按其音色用途绑定。

## 绑定不等于听过

文件名或可见引用只说明绑定了哪段素材，**不能证明有人真的听过这段音频**（`AST-09`）。
每条绑定写清证据到了哪一步：

| `admission_status` | 什么情况 | 可以下什么结论 |
|---|---|---|
| `creator_described` | 创作者或参考权利人给了可核对的听感说明 | 按说明内容判断 |
| `audibly_inspected` | 运行环境获授权检查该音频并完成检查 | 按检查记录判断 |
| `unverified` | 只有文件名或文字描述，音频不可听或没有授权 | **不得**声称音色、口音、底噪或说话人数已经确认 |

没有证据就老实保持 `unverified` 并列出风险。负面描述擦不掉参考里已有的内容——
参考里有底噪就是有底噪，写「不要底噪」不会让它消失；要么重录、清理、换一条，
要么退回参考权利人决策。

参考音频与授权说明属于创作者输入，放在 `输入/` 下；`视觉设定.md` 只写项目相对路径、用途、
允许控制/不得控制的内容与观察状态。**媒体本身不复制进视觉设定，也不进公开交付**。

## 选型判据

选型判据（`selection_criteria`）用来**挑**一条参考、或**判**一次克隆结果是否符合角色
（`AST-12`），不生成声音，也不替代参考。通常可从三到五条起草，数量不作为验收门槛。

从六类里挑，不要写满：音区（相对位置而非 Hz——「比同剧其他成年男性低半档」）、
质感、年龄与体量印象、节奏、口音与语域、可重复的标记性习惯（至多一条）。

每条带一个 `counter_example`，写清什么算过头。判据没有上界时，试音会一轮比一轮夸张，
克隆结果也没法判到底算不算过。

情绪词不是判据。锚点里出现「愤怒」「悲伤」「紧张」，说明写的是表演不是身份；
换成产生那个印象的可听特征。

## 写出区分度

同一批角色对比着选（`AST-11`）。对每个角色回答：同剧里跟他最容易混的是谁，
用哪一条判据区分。

```
CHAR-A 与 CHAR-B 最易混：两条参考同为中低音区、语速偏慢。
区分判据：A 句尾收住不拖长；B 句尾常带一段下滑的余音。
```

写不出时，说明尚未找到可听的区分依据。回查创作者的听感说明或已获授权的试听记录，
必要时请创作者更换参考；文字判据本身不能证明两条声音有区分。

角色多时按易混组分批选型，而不是按出场顺序。

### 对比选择预置音色

用同一组有代表性的台词试听候选，比较角色间是否易混，以及同一角色在不同情绪下是否稳定。
音色名称仅供检索，选择依据是实际声音。

需要测量时，F0 和谱特征可辅助定位近似音色；同一候选应有多句样本，才能估计自身变化。
不把音高间距或「组间距离大于组内极差」设为通用门槛。最终按角色需求与回听结果选择，
不为追求数字分离而改变已接受的声音方向。

## 专名发音

已接受的专名发音只能有一种拼法（`AST-10`）。

这一栏是纯文字，而且参考音频通常帮不上忙：试音稿里多半没有这些名字。真人配音会按
自己的习惯念，语音合成会按模型的习惯念，两边都不会报错。同一个名字出现两种拼法，
配音就会在两集之间改口。

新增发音走正常的接受流程，不在渲染时就地决定。

## 变体：伪装、年龄与跨段变化

角色装成另一个人、跨越十年、或中毒后长期失声，都**不改写基础身份**，而是按
[身份与变体](identity-vs-variant.md) 记一条变体：

- `cause`：由哪条已接受的剧本事实引起；
- `validity`：从哪里生效到哪里失效；
- `delta`：换了哪条参考、或相对基础身份改了哪几条判据，其余继承。

短暂的一场变化不建变体，交给表演。判据和 Look 一样：跨多个场次持续、会重复使用、
需要独立参考、或下游必须精确绑定时才升为变体。

## 写入视觉设定

需要跨集保持声音身份时，在对应人物条目下增加“声音方向”，只保留：

1. **参考**：一行 `- 声音参考：<项目相对路径>（用途：…；控制：…；不得控制：…；状态：<admission_status>）`，
   路径打头；没有参考时写 `- 声音参考：待选型`；
2. **选型判据**：少量可听判据，每条带反例；
3. **对比角色**：最容易混淆的是谁，以及靠什么可听差异区分；
4. **专名发音**：唯一确认读法；
5. **变体**：跨多场持续的伪装、年龄跨度或音色变化，写原因与有效范围。

临时情绪、呼吸、重音、音量和空间混响仍由剧本/镜头/视频提示词拥有。声音方向是生产输入，不是
合成结果保证；实际 TTS 仍由 `$short-drama-produce` 在精确预览并显式确认后执行。

参考音频落地之后，它在下游有两个去处：作为视频模型的音色参考绑定（《视频提示词.md》该镜的
`参考音频` 行照抄这条路径，由 `$short-drama-video-prompts` 写），
以及作为逐句配音的选型依据。配音使用同一已选音色逐句合成；参考音频用于选型或模型绑定，不能直接充当不同台词的成品音轨。
是否保持角色声音，仍需在生成后回听确认。