在LiblibAI中生成带对白和环境音的视频，需用括号嵌套法标注角色情绪动作与台词、分句控制节奏、明确声源类型及空间衰减逻辑，并避开“清晰”“同时响起”“配乐”三类失真关键词。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在LiblibAI中生成带对白和环境音的视频，必须让提示词同时承载语言内容、角色情绪、声场逻辑与空间关系，不能只写“两个人在说话”这种模糊描述。
对白必须绑定角色动作与情绪状态
方法一：用括号嵌套式标注法
在人物描述后紧跟带情绪标记的台词，格式为“（情绪+动作）台词内容”。例如：“穿卡其色风衣的中年女性（皱眉、手指轻敲桌面）‘你确定没看错监控时间？’”。【不加括号的情绪标注，AI会默认用平调朗读，口型与语气完全脱节】
方法二：分句控制节奏与停顿
每句台词单独成行，用破折号或省略号体现语气断点。例如：“年轻程序员（低头快速敲键盘，突然停住）‘等等……这个日志——’‘它根本没上报错误。’” 这样AI能识别出第二句是承接前句的顿悟，语速会自然加快。
这一步操作起来很简单，直接把剧本按角色分行粘贴进提示框就行，但必须确保每句台词前都有明确的角色标识和括号动作。
环境音要写出声源位置与衰减逻辑
第一步：先锁定主声源类型
明确写清是“背景人声”“设备运行声”还是“自然环境声”，避免用“嘈杂声”“声音”这类无效词。比如写“地铁站广播声（由远及近，带混响）”，比“有声音”有效十倍。
第二步：叠加空间衰减细节
加入距离感和遮挡关系。例如：“咖啡馆角落传来低沉爵士钢琴声（被吧台木板部分遮挡，偶有杯碟轻碰声插入）”，AI会据此降低钢琴频段清晰度，并在对应帧插入杯碟音效。
第三步：标注声画同步锚点
在画面描述中埋入可触发音效的动作。例如：“老式挂钟秒针‘咔哒’一声跳过12点（同步画面中钟摆刚好到达最高点）”，AI会将音效精准卡在该帧播放。
避开AI音频失真的三个关键词陷阱
方法一：禁用“清晰”“洪亮”“完美收音”——改用“带轻微电流底噪的对讲机音色”“空调外机低频嗡鸣隐约透入”“窗外雨声被双层玻璃过滤后发闷”。
方法二：拒绝“所有声音同时响起”。必须指定主次层级，例如：“主角对话声占70%音量 → 背景咖啡机蒸汽嘶鸣占20% → 远处儿童嬉闹声仅作氛围铺底（-24dB）”。
方法三：不写“配乐”。LiblibAI当前版本对纯音乐生成稳定性差，若需背景旋律，应改为“收音机播放的老歌片段（信号不稳，偶有断续）”，让AI从真实声源出发生成。
