文字转 WAV

为什么剪辑首选 WAV

MP3 为了让文件变小，会丢掉一部分音频信息。用来收听没问题，但编辑 MP3 后再导出成压缩格式时，编码器会对已经压缩过的音频再压缩一次，损失就会叠加。这叫代际损失。从 WAV 开始，压缩只在最后导出时发生一次，格式按项目需要来选。

WAV 的剪切点也更干净。MP3 文件开头可能带一小段编码器填充，会影响精细剪辑或与画面的同步。WAV 从音频开始的地方开始，所以把一句旁白对准剪辑点或音乐节拍时更可控。

配合视频或音频编辑软件的流程

把整篇脚本生成 WAV，然后拖到视频或音频编辑软件的时间线上。如果想让每句话成为单独的片段，可以逐句分别生成，也可以在停顿处把文件切开。在文本框里的句子之间加上 [pause 1s]，这些切分点在波形上就是一段段平直的空白，很容易找到。

让人声单独占一条轨道，和音乐、音效分开。所有处理——比如稍微加点均衡、压缩，或者加环境底噪以匹配现场收音——都在 WAV 上做，到最后一步才导出成 MP3 或平台要求的格式。如果同一个视频还需要字幕，就从同一次生成下载 SRT；怎么保持同步，请看带字幕的文字转语音。

剪辑定稿后替换一句

脚本常常到最后还在改。在「分段」列表或文本框里修改那一句，重新生成；没改的部分立即复用，只有新的那一句会重新生成。下载一个新的 WAV，把替换的那句剪出来，覆盖到时间线上旧的那句上。因为是同一个音色、同样的语速，它和前后的旁白衔接自然，听不出接缝。

每个项目用的音色和语速记一下，比如 'George, 0.9×'，这样几周后补录的内容也能完全一致。

什么时候 MP3 更合适

同样时长的语音，WAV 文件比 MP3 大得多。如果这个文件就是成品——发给朋友、在手机上播放或上传到播客平台——MP3 更实用，而且对人声来说没人听得出区别。这种情况请看文字转 MP3。一个简单的判断：要在编辑软件里打开的，选 WAV；直接点播放的，选 MP3。

音色、节奏和发音

有 16 种美式和英式口音的英语音色可选；音色菜单里的试听按钮让你不用下载任何东西就能比较。给画面配旁白，0.9× 到 1× 的语速能给画面留出空间，而且在剪辑软件里收紧空隙，比事后把语音放慢容易。关于如何让配音和空镜素材的节奏配合，YouTube 指南有更多介绍。

数字、日期、单位和称谓会自动按口语读法读出。如果某个品牌名或地名读错了，就在文本框里按发音改写拼法，导出前只重新生成那一段。