很多人在做 AI 视频时，画面已经越来越真实，人物的表情、服装、环境、光影都很像真实拍摄。但问题往往出现在人物开口之后。
画面一开口，真实感就掉了。
不是嘴型不对，就是语气很平；不是音色没有区分，就是每个角色听起来都像同一个人在说话。明明画面里是少年将军、年迈谋士、冷静女主、暴躁反派，但一开口，声音却没有年龄、性格和情绪差异。
这节教程要解决的，就是 AI 角色声音控制的问题。
很多人以为，控制声音就是写一句“愤怒地说”“悲伤地讲”“激动地喊”。但这种写法对 AI 的约束非常弱，因为它只描述了情绪结果，没有描述声音过程。AI 更容易理解的是结构、节奏、停顿、发声方式和说话习惯。
所以我们要学会把“情绪词”改成“声音结构”，让 AI 知道这个角色到底该怎么说话。
一、为什么画面真实，人物一开口却很假？
AI 生成视频时，画面和声音其实是两套不同的控制逻辑。
画面可以通过“场景、光线、镜头、人物动作、服装材质、景深、构图”等信息来控制，所以只要提示词写得足够清楚，画面通常能接近真实拍摄。
但声音不一样。
声音不是简单的“高兴”“愤怒”“悲伤”。一个真实的人说话时，会同时包含很多信息：年龄感、声线质感、语速、停顿、气息、情绪底色、发声习惯、重音位置，甚至还有说话时的心理状态。
比如同样一句话：“你终于来了。”
一个少年将军说，可能是压着怒气，语速偏快，尾音短促。
一个年迈谋士说，可能是声音低沉，语速缓慢，字与字之间有停顿。
一个冷静女主说，可能是气息稳定，音量不高，但每个字都很清楚。
所以我们不能只告诉 AI：“这个人很生气。”
我们要告诉 AI：“这个人是怎么把生气说出来的。”
这就是控制 AI 声音的核心。
二、控制音色：不要只写角色身份，要写声音特征
很多人在写角色提示词时，会这样写：
“一个少年将军说话。”
“一个冷艳公主开口。”
“一个反派军师冷笑着说。”
这类写法只告诉 AI 角色是谁，却没有告诉 AI 角色的声音是什么样的。AI 可能会根据“将军”“公主”“反派”这些词做一些大致判断，但结果很不稳定。
更好的写法，是使用一个声音公式：
年龄感 + 声线质感 + 语速 + 情绪底色 + 发声习惯
这个公式可以帮助我们把角色声音写得更具体。
举例1
不要写：
“一个年迈谋士严肃地说。”
可以改成：
60岁左右的年迈谋士声音，声线低沉干哑，带有明显的阅历感和朝堂威压。整体语速缓慢，不急不躁，每句话之间有自然停顿。情绪底色是冷静、克制、威严和审视感。说话时音量不高，但咬字清楚，尾音略微下沉，像是在提醒，也像是在警告。台词：“殿下，有些真相，不是现在知道，就一定是好事。”
这样声音就会更有年龄感和权威感。
举例2
再比如女主角色。
不要写：
“女主悲伤地说。”
可以改成：
清冷女主音色，25岁女性，声线柔和偏低，语速缓慢，语气克制隐忍，带有失落感，气息稳定但后半句逐渐变轻，咬字清楚，句尾轻收，像是在强忍情绪。
台词：“原来，你从一开始就没有相信过我。”
这段提示词比“悲伤地说”更有效，因为它把悲伤拆成了声音变化过程。
三、控制语气：情绪词是结果，不是过程
一、情绪词是结果，不是过程
在提示词中，我们常看到“愤怒地说”、“悲伤地讲”等情绪词，这些词只能表达人物的情绪状态，但没有告诉AI如何通过声音来表现这些情绪。为了让AI更精准地模拟人物情感，我们需要描述说话的过程，即通过语速、音量、停顿等细节表现人物的情绪。
二、如何控制语气
1. 描述情绪的声音结构
情绪表现不仅仅是情感的描述，还包括声音的变化。例如：
愤怒：音量提高，语速加快，句尾收紧。
悲伤：音量下降，语速缓慢，气息变轻。
冷静：语速稳定，语气平和，字清晰。
2. 通过情绪变化写出台词
根据人物的情绪波动，调整台词的语速、音量和停顿等因素，确保AI能准确表现出情绪的变化。
三、案例展示
1. 反派军师：从平静到压迫
错误写法：
“你以为自己赢了？”他愤怒地说，“不！你只是走进了我的陷阱！”
情绪过于激动
正确写法：
反派军师音色，35岁男性，声线偏低、冷静、略带沙哑，语速缓慢，情绪底色是掌控感、冷意、讽刺感和危险感，音量不高但压迫感强，咬字清楚，重点词轻微加重，句间有停顿，尾音下沉，越平静越有威胁感。
台词：“你以为自己赢了？不，你只是刚刚走进我为你准备好的局。”
语气层次感：
前半句平静带有讽刺，表现出冷静和掌控感；后半句通过语速加快和尾音下沉，逐渐展现威胁和压迫感。
情绪的变化：
“不！”字加重后，情绪从平静转为强烈，表现了角色逐渐从冷静到威胁的情绪过渡。
停顿和尾音：
停顿和尾音下沉让台词更具压迫感，增强角色的危险感。
2. 古装美女
错误写法：
她的声音很悲伤，说话很慢。台词：“你为何不曾回来看我，是我哪里做错了吗？”
正确写法：
20岁女性声音，清澈柔和，语速适中，情绪是温柔但带有轻微忧虑。“你为何迟迟不来”语气平稳，尾音轻微上扬，表现出隐忍的期待；“是我哪里做错了吗”语气开始带有轻微的颤抖，尾音拖长，表现出内心的不安与期盼。台词：“你为何迟迟不来，是我哪里做错了吗？”
1.语气与情感表达
第一句：“你为何迟迟不来”：语气平稳，尾音轻微上扬，表现出隐忍的期待和轻微的不解。
第二句：“是我哪里做错了吗”：语气开始带有轻微的颤抖，尾音拖长，表现出内心的不安与期盼。
2. 情感层次
第一部分表现人物内心的等待与期待，语气温和但带有隐忍感。
第二部分则展现了人物的不安与自责，情绪逐渐增强。
四、控制多句台词：按时间顺序写声音变化
如何控制多句台词中的声音变化
在长对话中，角色的情感往往是逐渐变化的，而声音的表现必须随着情绪的变化不断递进。从最初的平静到情感的爆发，再到情绪的消解，声音的波动为台词增加了层次感，使得角色更加真实。通过时间顺序的控制，角色的声音和情感会逐渐加深，使得每一句台词都能够精准地反映人物的内心世界。
如何控制多句台词中的声音变化
1. 声音的递进变化
多句台词中的情感通常是逐渐递进的，角色的情绪从最初的平静、犹豫，到后来的愤怒、焦虑或释然，声音会随着情感的波动逐渐发生变化。
2. 语速和情感的配合
在开始时，角色可能语速较慢，带有思考或犹豫的成分；
随着情感的逐渐升温，语速可能会加快，甚至出现语气的爆发；
最后，角色的语气可能会变得平静或释然，语速再次放慢，表示情感的消解。
案例展示
古装场景：父亲与女儿的对话
场景设定：
在一座古老的书房内，父亲（一位60岁的老将军）和女儿（20岁的皇室小姐）正进行一场关于未来的对话。书房内的光线透过窗棂洒下，桌上堆满了书籍和卷轴，墙上悬挂着一幅幅古老的战旗和家族画像，气氛显得沉重而庄严。
父亲满头白发，神情严肃且坚毅，面容刻满岁月的痕迹。他穿着厚重的黑色战甲，手里拿着一卷旧书。女儿站在父亲对面，身穿淡紫色的长裙，表情中有些许的不安和犹豫，眼神中透出渴望得到父亲支持的期盼。
场景中的两人分别在对方面前展开话语。父亲用一种温和却带有威严的语气告诉女儿，他对于她未来的安排。女儿则在父亲的意愿面前表达自己的疑虑和渴望。
视频提示词：
父亲：60岁左右，声音低沉稳重，带有岁月沉淀的威严，语速适中，情感稳定，从关心到劝解。语气的变化更多体现在父亲对女儿未来的深思熟虑上。
女儿：20岁左右，声音清晰柔和，语速较快，带有焦虑和疑惑。她的情感变化较为明显，从期望到不安，声音逐渐加重，表达出她内心的挣扎与不舍。
父亲：“你已长大，不能总是依赖我，未来的路要自己走。”
“你已长大”：语气平稳，传达出父亲的理解和无奈，语速适中。
“不能总是依赖我”：语气逐渐加重，语速略微放慢，传达出父亲的关切与告诫。
“未来的路要自己走”：尾音下沉，语速慢且坚定，表现出父亲的决心和责任感。
女儿：“可是，父亲，我并不准备离开，这一切对我来说太突然了……”
“可是”：语气较轻，带有犹豫，表现出她对父亲决定的不解。
“父亲，我并不准备离开”：语气渐渐加重，语速加快，表现出她的焦虑与挣扎。
“这一切对我来说太突然了……”：语速放慢，尾音拖长，表现出她内心的不舍与迷茫。
父亲：“我知道你不愿意，但这是你应该做的。”
“我知道你不愿意”：语气温和，语速适中，带有同情与理解。
“但这是你应该做的”：语气加重，语速加快，尾音果断，表现出父亲的坚持和果断。
五、控制语速：标点符号就是节奏器
标点符号与语速的关系
标点符号在台词中不仅仅用于分隔句子，它们还能显著影响台词的语速和情感表达。通过正确使用标点符号，角色的情感层次可以更加丰富，台词的节奏和情感的变化也能更加细腻和真实。
如何通过标点符号控制语速
标点符号本质上就是声音节奏器。
逗号，表示轻微减速。句号，表示完整停顿。省略号，表示拉长停顿。感叹号，表示情绪爆发。换行，表示段落停顿。短句，表示节奏加快。长句，表示情绪铺陈。
1.逗号（，） - 表示短暂停顿，让语速稍慢
逗号用来在句子中做一个短暂的停顿，能够减缓语速，使得台词更加自然，带有层次感。
示例：
“我明白你有你的原因，但我还是不赞同。”
逗号帮助表达出人物的矛盾情感，让台词显得更加深思熟虑。
2. 句号（。） - 表示结束停顿，语速正常
句号用于语句的完整结束，通常语速较正常。
示例：
“我们已经说清楚了。”
语气平稳，传达出角色的决心和结束的信号。
3. 省略号（……） - 表示延长停顿，语速放慢，带有犹豫或思考
省略号用于表达角色在犹豫或思考，让语速放慢，带出未说完的话。
示例：
“你……难道就这么离开了吗？”
省略号带出角色的犹豫与不舍，语速放慢，情感加深。
4. 感叹号（！） - 表示情绪爆发，语速加快，情感强烈
感叹号用于表达强烈情绪，语速加快，语气变得急促和情绪化。
示例：
“你怎么能这样对我！”
使用感叹号，语气爆发，情感强烈，表现角色的愤怒和震惊。
案例展示
古装场景：皇宫中的对话
场景设定：
在皇宫中，皇后和太子正在一间宫殿中对话，一种柔和而庄重的氛围。皇后神情威严，但眼中略带疲惫。站在她对面的太子，面容英俊，但眉头紧锁，显得有些焦虑和迷茫。阳光穿过窗格，形成一束束光线。
声音提示词：
皇后：50岁左右，声音低沉且充满威严，语速适中，情绪底色为坚定与不甘。她的语气不急不缓，但每句话结束时会有明显的停顿，表现出她对权威的掌控感。皇后：“太子，你已经知道这个决定无可更改。”
太子：30岁左右，声音清晰且略带焦虑，语速稍快，情绪底色为不安和无奈。语气时而急促，时而拖延，表达出内心的挣扎与困惑。 太子：“母亲，我明白，但这样的决定真的对国家有益吗？”
六、声音提示词模板
下面给大家一个可以直接套用的声音提示词模板。
单人单句模板
角色声音设定
【年龄感】+【性别或声音类型】+【声线质感】+【语速】+【情绪底色】+【发声习惯】
台词表达方式：
他说这句话时，【声音状态】，【停顿方式】，【重音位置】，【句尾处理】。
示例：
“25岁左右的女性声音，声线清冷偏低，语速缓慢，情绪底色是克制和失望，说话时气息稳定，但后半句声音逐渐变轻。她说这句话时，‘从来’两个字加重，句尾轻轻收住，不哭喊，只是冷静地说：我从来没有相信过你。”
多句台词模板
角色声音设定：
【年龄感】+【声线质感】+【整体语速】+【情绪底色】
台词节奏：
第一句：【声音状态】+【语速】+【停顿】
第二句：【情绪变化】+【重音】+【句尾】
第三句：【音量变化】+【爆发或收住】
第四句：【最终情绪落点】
示例：
“30岁左右的男性声音，声线低沉，语速先慢后快，情绪从克制逐渐转为愤怒。
第一句‘你终于肯说实话了’，音量不高，语速缓慢，尾音下沉。
第二句‘这些年，你一直在骗我’，语速加快，‘一直’和‘骗我’加重。
第三句‘你到底把我当成什么’，音量明显提高，气息变重。
第四句‘回答我’，短促有力，没有多余尾音，情绪彻底爆发。”
总结：AI声音控制的核心不是情绪，而是结构
这一节最重要的结论是：
不要只告诉 AI 角色是谁。
要告诉 AI 角色怎么说话。
不要只写“愤怒”“悲伤”“激动”。
要写音量、语速、停顿、气息、重音、尾音。
不要只写一整段情绪。
要把多句台词按照时间顺序拆开，让声音跟着情绪变化。
控制 AI 声音，本质上不是堆形容词，而是搭建声音结构。
可以记住这三个方法：
第一，用声音公式控制音色：
年龄感 + 声线质感 + 语速 + 情绪底色 + 发声习惯。
第二，用声音过程控制语气：
把“他很生气”改成“他说话时音量变高、咬字变重、句尾短促”。
第三，用标点符号控制语速：
逗号减速，省略号停顿，感叹号爆发，换行制造段落停顿。
当你学会这三个方法之后，AI 角色就不再只是“画面像真人”，而是连开口说话也更像一个真实存在的人。
角色设计执行卡
把这节课压缩成一张可执行卡片：看重点、照步骤、避坑，再复制模板直接开做。
这节课不是让你照着参考图抄脸，而是围绕「如何控制 AI 角色的语气、语速和音色？」把原创角色脸拆成结构、比例、五官主次和妆造记忆点。
按原文节奏走最稳：先吃透「为什么画面真实，人物一开口却很假？」，再把「控制音色：不要只写角色身份，要写声音特征」定住，接着处理「控制语气：情绪词是结果，不是过程」；最后用「控制多句台词：按时间顺序写声音变化」收口。
- 先把「为什么画面真实，人物一开口却很假？」里说的脸型或气质定住。
- 先把「控制音色：不要只写角色身份，要写声音特征」提到的误区排掉，别踩同一坑。
- 做完「控制语气：情绪词是结果，不是过程」后，先确认角色还是原创。
- 先把「控制多句台词：按时间顺序写声音变化」里说的脸型或气质定住。
- 把「控制语速：标点符号就是节奏器」这一点先定准，再往下走。
- 把「声音提示词模板」整理成可复制版本，后面直接复用。
不要直接套真人脸或影视角色脸；不要把所有五官都做成强特征，否则容易撞脸、割裂、不稳定。
检查角色是否有清晰记忆点；年龄感和气质是否一致；换妆造后脸是否稳定；是否不像任何明确真人或影视角色。
请围绕「如何控制 AI 角色的语气、语速和音色？」帮我做一个可直接执行的方案。 我的目标是：【填写你的具体目标】 我的素材/产品/角色信息是：【填写已有素材和限制】 请输出：角色定位、脸型方向、三庭五眼比例、五官主次、妆造记忆点、完整生图提示词。要求原创、有辨识度、避免撞脸和网红脸。