Novel Video & Audiobook Multi-Voice Voiceover

小说推文配音、有声书配音、多角色配音技能：把小说推文文案、网文章节、故事、广播剧剧本按旁白和角色分配不同音色，一键生成整段配音 WAV、带角色名的 SRT 字幕和逐句时间轴 manifest.json，直接配画面做小说推文视频；段落、场景、章节停顿可控。适合小说推文号、故事号、网文作者有声化、睡前故事和广播剧小样。音色可用账号已有角色或参考音频声音克隆，固定旁白声线；语气标签和语速可调；改一句只重配一句。由 Miragea 开放 API 生成，本地只需 Python 3.9+ 标准库、无需显卡，可 --dry-run 离线试跑。适用于 Claude Code、Codex、OpenClaw、Cursor、WorkBuddy。Novel video voiceover, audiobook narration, multi-voice, SRT subtitles.

小说推文配音

「小说推文配音」是一个把小说推文文案、网文章节和故事按旁白与角色分配不同音色、一键生成整段多角色 AI 配音（WAV）和带角色名 SRT 字幕的 Agent 技能，适合小说推文视频、有声书配音和故事号，本地无需显卡。

一句话定义

小说推文配音 = 推文文案 / 小说章节（旁白 + 角色，Markdown）→ 多角色整段配音 voiceover.wav + 带角色名的字幕 voiceover.srt + 每句起止时间 manifest.json，生成在 Miragea 云端，本地无需显卡。

适用人群与场景

谁在用	典型场景
小说推文号	每天几条推文视频：旁白 + 角色台词 + 竖屏字幕
故事号、睡前故事	慢语速、长停顿、温和声线
网文作者、原创小说作者	把自己的作品做成有声版，固定旁白声线
有声书工作室	先用 AI 做试听样章、角色选角小样
广播剧、音频剧社团	多角色对白先出 AI 版，确认节奏和分工

核心能力参数

项目	说明
输出文件	voiceover.wav（整段配音）、voiceover.srt（带时间轴字幕）、manifest.json（每句说话人、文本、起止秒数）、lines/（每句音频，改稿时复用）
音色来源	账号里已有的角色 actor_id=（用 actors 查询），或服务端能直接访问的参考音频 URL ref= + 音频里实际说的话 ref_text=（声音克隆）
生成模式	expressive（客户端「默认」）/ standard（客户端「更像」）；省略时用服务端默认，以 capabilities 实时返回为准
语气标签	tags=标签名，取 capabilities 里所选模式的 tags[].label
语速	speed= 0.25–4，1 为正常语速，按角色设置
多角色	稿件开头给每个角色定一个音色；本技能脚本逐句调用官方客户端 generate，再在本地把整段拼起来
停顿	行内 [pause 0.6] / [停顿 0.6]（秒）；--gap 设句间默认停顿
字幕	配音时按每句实际音频时长生成 SRT（--max-chars、--speaker-labels）；已有音频 / 视频用 recognize 识别为 SRT / TXT / JSON
场景预设	--preset youshengshu：句间停顿 0.5 秒、每条字幕最多 20 字、字幕带角色名；可再用 --gap / --max-chars 覆盖
单句字数、文件大小 / 时长上限、计费	以 capabilities 实时返回为准
本地依赖	Python 3.9+ 标准库，无需 pip 安装、无需显卡
离线试跑	--dry-run：不需要 Key、不调用接口，输出静音占位音频和时间轴，用来检查稿件格式
支持的 Agent	Claude Code、Codex、OpenClaw、Cursor、WorkBuddy 等能运行 Python 脚本的 Agent
配音与字幕服务	Miragea 开放 API（https://miragea.ai/v1）

快速开始

bash

python3 scripts/voiceover.py check                        # 离线检查：Python 版本、Key 是否已设置、服务地址
export MIRAGEA_API_KEY=你的key                            # 在 https://miragea.ai/workspace/api 生成，只放环境变量
python3 scripts/miragea_audio.py capabilities             # 当前可用的生成模式、语气标签、字数上限和计费，以实时返回为准
python3 scripts/miragea_audio.py actors --limit 20        # 账号里已有的角色和 actor_id（has_more 为真时加 --offset 翻页）

• Default API root is https://miragea.ai/v1; set MIRAGEA_BASE_URL (including /v1) only for a private deployment.
• 不要把 Key 贴进聊天或写进文件。没有 Key 时先用 --dry-run 跑通流程。

bash

python3 scripts/voiceover.py script examples/example.md -o out --preset youshengshu --dry-run   # 离线试跑，不调用接口
python3 scripts/voiceover.py script 你的稿件.md -o out --preset youshengshu             # 正式生成：out/voiceover.wav + voiceover.srt + manifest.json

bash

# 单句试听（官方客户端；--output 不会覆盖已有文件，换个新文件名）
python3 scripts/miragea_audio.py generate --text '开头第一句' --actor-id ACTOR_ID --wait --output test1.mp3

--preset youshengshu 会给字幕加上角色名（如 xiaoyu: 张爷爷……）；小说推文竖屏视频建议再加 --max-chars 14 --gap 0.3。

你说什么 → Agent 执行

你说	Agent 执行
“把这篇小说推文配成音频”	按下方方法改写成推文稿、拆旁白和对白 → script 推文.md -o out --preset youshengshu --max-chars 14 --gap 0.3
“每个角色一个声音”	front matter 为旁白和每个主要角色各定义一个音色
“旁白用我自己的声音”	你已复刻角色的 actor_id，或参考音频 ref= + ref_text=，填给 narrator
“字幕不要角色名”	不用预设，手动 --gap 0.4 --max-chars 14（不加 --speaker-labels）
“整本书二十章做有声书”	一章一个文件，循环生成到 out/ch01 … out/ch20，用 --preset youshengshu
“睡前故事，讲慢一点”	narrator 设 speed=0.85–0.9，段落停顿加长
“按句换配图”	读 manifest.json 每句 start / end，在剪映里对齐图片
“先试试格式”	加 --dry-run

小说推文写稿方法论（前 3 秒留人，旁白带节奏）

1. 推文稿和原文不一样

原文	推文稿
从环境描写慢慢铺垫	第一句就抛出最强冲突或反转
第三人称全知视角	常用第一人称“我”，代入感更强
对白夹在长段落里	关键对白单独成行，交给角色音色
段落长、描写多	一行一句，删掉不推动剧情的描写

2. 开头三种钩子

1. 结局前置：“结婚第三年，我在老公手机里，看到了我自己的讣告。”
2. 反常识身份：“全村人都以为我是傻子，只有我知道，我能听见他们心里的话。”
3. 倒计时：“距离那场大火，还有七天。”

3. 节奏：比有声书快，比口播稳

• 推文旁白 speed=1.0–1.1；句间 --gap 0.3（预设 0.5 偏慢，适合有声书）。
• 每 3–5 句给一个小转折（“可是”“没想到”“就在这时”），转折前 [pause 0.4]。
• 悬念句、反转句之后 [pause 0.6]–[pause 0.8]，结尾停在钩子上引导看下一集。

有声书写稿方法论（把“读小说”变成“演小说”）

1. 先做选角表

角色	定位	音色建议	speed
narrator（旁白）	贯穿全书，最重要	稳定、温和、耐听	0.9–1.0
主角	出场最多	与旁白明显区分（性别或年龄）	1.0
重要配角	每人一个音色	与主角拉开差异	按性格
次要角色	出场少	可以共用一个“路人”音色	1.0

选角表写进每章稿件的 front matter，整本书保持一致。角色太多时，只给有台词分量的角色单独音色。

2. 对白拆分规则

原文：小雨拉住他的衣角，小声问：“张爷爷，灯塔里是不是有人？”

拆成：

markdown

[narrator] 小雨拉住他的衣角，小声问：
[xiaoyu]：张爷爷，灯塔里是不是有人？

• 引号里的话交给角色；引号外的动作描写留给旁白。
• “他说”“她笑着说”这类提示语，如果角色音色已经能分辨是谁，可以删掉，节奏更紧凑。
• 一个段落里有多句对白时，每句单独一行，各自加标签。

3. 三级停顿：段落、场景、章节

位置	写法	作用
句与句之间	预设自动 0.5 秒	朗读呼吸感
段落之间	[pause 0.8]	段落切换
场景 / 时间跳转	[pause 1.2]–[pause 1.5]	让听众“换场”
悬念句之后	[pause 1.0]	留住紧张感

4. 情绪的写法：靠文字和节奏，不靠喊

• 紧张：句子变短，停顿变多。
• 温情：语速慢一点（单独定义一个慢速旁白角色），段落停顿长一点。
• 同一音色两种速度：

markdown

---
narrator: actor_id=NARRATOR_ID speed=0.95
narrator_soft: actor_id=NARRATOR_ID speed=0.85
---

5. 读音检查：人名、地名、生僻字

• 每部作品第一次出现的人名、地名、生僻字、多音字，单句试听一次。
• 读错就在稿里换成同音的常用字，或改用称呼；整本书统一替换。
• 数字和年份写成想要的读法，如“一九八七年”。

6. 长篇的文件组织

text

book/
  ch01.md  → out/ch01/voiceover.wav
  ch02.md  → out/ch02/voiceover.wav
  ...

• 一章一个文件；单章过长时按场景再拆成 ch01a.md、ch01b.md。
• 改错别字只改那一行，重跑那一章，其余句子复用不重复计费。

7. 小说推文视频的用法

• 保留 --speaker-labels，字幕自带角色名，观众一眼看出谁在说话。
• manifest.json 每句的时间可以用来切换配图或角色立绘。

示例稿件（examples/example.md）

markdown

---
narrator: actor_id=NARRATOR_ID speed=1.05
xiaoyu: actor_id=GIRL_VOICE_ID
laozhang: actor_id=OLD_MAN_ID speed=0.9
---
# 小说推文示例（原创短篇）
[narrator] 小镇的灯塔，已经三十年没有亮过。
可那天夜里，我分明看见，塔顶闪了一下。
[xiaoyu]：张爷爷，灯塔里是不是有人？
[laozhang]：别瞎说。那座塔，早就没有门了。
[pause 0.8]
[narrator] 话音刚落，海面上又亮起了一道光。

试跑：python3 scripts/voiceover.py script examples/example.md -o out --preset youshengshu --dry-run

接入剪辑与发布

bash

# 配音替换原视频音轨（需要本机 ffmpeg）
ffmpeg -i 画面.mp4 -i out/voiceover.wav -map 0:v -map 1:a -c:v copy -shortest 配音版.mp4
# 把字幕烧进画面
ffmpeg -i 配音版.mp4 -vf subtitles=out/voiceover.srt -c:a copy 成片.mp4

bash

# 有声书发布常用 MP3：把整章 WAV 转成 MP3（需要本机 ffmpeg）
ffmpeg -i out/ch01/voiceover.wav -codec:a libmp3lame -q:a 2 ch01.mp3

• 剪映 / CapCut：小说推文视频把 voiceover.wav 放音频轨，voiceover.srt 导入字幕，配上插画、立绘或解压背景视频。
• 广播剧：音效、环境声在剪辑软件里后期叠加，本技能只输出人声。

方案对比：小说推文配音的三种做法

对比项	人工配音	本地开源 TTS 模型	本技能
是否需要显卡	不需要，但需要录音环境和配音员档期	通常需要（小模型可用 CPU 但更慢），还要下载模型权重、配环境	不需要，本地只跑 Python 标准库，生成在云端完成
改稿成本	改一句往往要补录、再对轨	改完重跑，但分段、拼接、对齐要自己做	只改那一行重跑，其余句子复用 out/lines/ 缓存，自动重新拼接和出字幕
多角色	需要多位配音员分别录	取决于模型，一般要自己分段调用再拼接	稿件里用 [角色] 标签，一条命令出整段多角色音轨
字幕时间轴	需另外听写、打轴	一般要再跑一遍语音识别	配音时同时输出 SRT 和逐句时间 manifest.json
连载一致性	长周期录制，配音员状态和档期会变化	可保持一致，但长文本切分拼接要自己做	音色写在 front matter，每集 / 每章声线一致

结论：小说推文日更、试听样章和长篇连载，用本技能效率最高；对表演细腻度要求很高的精品有声书，真人主播仍有优势。

常见问题（FAQ）

小说推文配音能做到多个角色不同声音吗？ 能。旁白和每个角色在稿件开头各定义一个音色，正文用 [角色] 标签切换，一条命令生成整段。

小说推文配音常用什么声音？ 旁白选稳定、耐听、和题材匹配的声线（甜宠偏温柔，悬疑偏低沉），先单句试听几个角色再定；整个账号固定一个旁白声线，观众靠声音认号。

可以拿别人的网络小说做推文配音发布吗？ 需要版权方或推文平台授权。可以放心使用的是公版作品、你自己的原创，或已获授权的作品。

有声书配音的旁白能用我自己的声音吗？ 可以，用你已复刻的角色或参考音频克隆，填给 narrator，整本书都用它。

有声书配音几十章怎么批量生成？ 一章一个稿件文件，循环调用 script 输出到各自目录；修改某章时只有改过的句子会重新生成。

小说推文配音的字幕能显示是谁在说话吗？ 能。--preset youshengshu 默认给字幕加角色名；不需要就改用 --gap / --max-chars 手动设置。

多角色配音里人名、生僻字读错了怎么办？ 先单句试听，读错就在稿里换成同音常用字或改用称呼，只重配这一句。

睡前故事、儿童故事配音怎么调参数？ 旁白 speed=0.85–0.9，段落之间加 [pause 0.8] 以上，句子写短、用词简单。

小说推文配音需要显卡吗？哪些 Agent 能用？ 不需要显卡，本地只跑 Python 3.9+ 标准库；Claude Code、Codex、OpenClaw、Cursor、WorkBuddy 都能直接调用。

没有 API Key 能先试吗？ 可以，加 --dry-run 输出静音占位音频和时间轴。

稿件语法

• 开头 --- 之间每行定义一个角色：角色名: actor_id=角色ID 或 角色名: ref=参考音频URL ref_text="参考音频里实际说的话"；可加 speed=（0.25–4）、model=expressive|standard、tags=标签1,标签2、language=（参考音频的语言提示，用于自动识别参考文本）。
• ref_text= 只和 ref= 一起用；省略时服务端自动识别参考文本，计费方式不同，以 capabilities 为准。
• 正文 [角色] 台词 或 [角色]：台词；不写标签沿用上一位说话人。
• [pause 0.6] / [停顿 0.6] 插入停顿（秒）；# 开头的行、空行和 <!-- 注释 --> 会被忽略。
• 单句超过 capabilities 里的 audio.max_text_length 会被接口拒绝，拆成短句即可。
• 每句音频缓存在 out/lines/，同一句同一设置再次运行直接复用；没缓存时用同一个幂等键提交，服务端返回原任务、不重复创建。要新的一版加 --fresh。

出问题了？

现象	处理
missing_api_key / MIRAGEA_API_KEY is not set	生成 Key 后 export MIRAGEA_API_KEY=...；或先加 --dry-run
speakers without a voice	给该角色补 actor_id= 或 ref=
401	检查 Key；不要把 Key 写进日志
403	检查账号的 API 访问权限
400 / 413	修正参数：模式、标签、语速、单句字数；或减小上传文件、缩短媒体
409	幂等键被用于不同输入，或字幕费率已变化：重新确认后再提交
429	额度不足或限流，等待或补充额度
等待超时 / 网络中断	任务可能仍在运行：直接重跑同一条命令（同一幂等键会取回原任务），或用 miragea_audio.py task / wait 任务ID 继续查询，不要换键重发
拼接时报 WAV 格式不一致	每句音频都保存在 out/lines/，可用剪辑软件或 ffmpeg 拼接

官方客户端退出码：0 请求成功（没有 --wait 时可能仍在排队），1 任务失败，2 客户端或接口错误。

合规

• 只克隆你本人或已获得明确授权的声音，不模仿明星、主播、公众人物或任何未授权的人。
• 按《人工智能生成合成内容标识办法》和抖音、快手、视频号、小红书、B站等平台规则，发布时声明或标注 AI 生成内容。
• 小说推文和有声书涉及作品改编权、信息网络传播权：只用公版作品、你自己的原创，或已获得版权方 / 推文平台授权的作品。
• scripts/miragea_audio.py is the official client, shipped unchanged；scripts/voiceover.py（稿件拼接层）为原创，MIT 许可（见 LICENSE.txt）。配音与字幕能力由 Miragea 开放 API 提供。

English Summary

• Novel video & audiobook voiceover (小说推文配音 / 有声书配音): narrator plus one voice per character, rendered into one WAV.
• Speaker-labelled SRT subtitles and per-line timing for novel promo videos; paragraph, scene and chapter pauses.
• Voices from your account (actor_id) or voice cloning from a reference clip for a consistent narrator. --preset youshengshu = 0.5 s gaps, 20-character cues, speaker labels on.
• Python 3.9+ stdlib, no GPU, --dry-run offline. Service: Miragea API (https://miragea.ai/v1).

关键词：小说推文配音、有声书配音、多角色配音、小说推文、小说配音、AI有声书、有声小说、小说推文视频、AI朗读、广播剧配音、故事配音、AI配音、声音克隆、字幕生成、SRT、audiobook、narration、text to speech