multi-voice-dubbing · 多角色对话配音
多角色对话配音 skill：按选角表（cast）与逐行对白（lines），为每个角色分配独立音色与情绪，合成多声线音轨与带角色名的字幕。
情绪标注自动喂进配音引擎的真情感通道驱动演绎；旁白/主讲单列，与所有角色声线区分。要成品级的"像人"效果需配云配音 provider，免费引擎只适合草稿。
调用示例：在聊天框中说"给这段双人访谈配音，主讲用沉稳男声，提问者用活泼女声"。
产品详解
定位
multi-voice-dubbing 把"多人对话 / 多角色脚本"合成为多声线音轨：每个角色一个符合其人设的声音，而不是全程一个声音。产出的 voice.mp3 可直接喂给视频合成，voice.srt 是带角色名的对齐字幕。
核心能力
- 选角管理：cast.json 为每个说话人定音色（性别/年龄/气质/身份），旁白/主讲单列；
cast check校验音色有效、旁白独立、无撞音色。 - 逐行情绪驱动：lines.json 每行的 emotion（愤怒/冷笑/温柔等）自动喂进 provider 的情感通道，情绪标注越具体演绎越贴戏。
- 多声线合成：逐行按角色音色合成，ffmpeg 拼成一轨；
dub会打印用了几种声线，多人对话不该只有一个声音。 - 说话人字幕：按逐行实测时长对齐的带角色名字幕。
- 配音质量分层：edge 免费引擎仅供草稿（无情感引擎，只能变速变调）；要成品效果用云 provider（SiliconFlow CosyVoice2 中文最稳、Gemini 免费层、MiniMax 等），无需 GPU。
- 自动降级：缺 key / 失败时该角色自动回退免费音色并告警，不阻断整体。
工作流程
- 选角（cast.json）：为每个说话人定音色，校验无撞音色
- 逐行对白（lines.json）：拆成有序逐行，标注每行情绪
- 合成（
multivoice.py dub）：输出 voice.mp3 + voice.srt - 入视频：作 narration 喂视频合成器，或与 BGM 混音
输入与输出
| 输入 | 说明 |
|---|---|
| cast.json | 必填，选角表：每个说话人 → 音色与引擎配置 |
| lines.json | 必填，逐行对白 [{speaker, text, emotion}] |
| 输出路径 | 选填，默认 voice.mp3 + 同名 srt |
输出：多声线音轨 voice.mp3、带角色名的对齐字幕 voice.srt。
与相邻 skill 的区别
- tts-voiceover：单人整段口播的单一公共音色；多人对话用本 skill。
- voice-clone：克隆本人音色；本 skill 为虚构角色分配合适音色。
- short-drama：整部短剧的编排层，短剧对白已在内部委派给本 skill。
适用场景
- 短剧/有声剧的多角色对白配音
- 论文双人问答讲解（主讲 + 提问者）
- 访谈/播客脚本的多声线版本
- 任何"多个说话人"的口播内容
使用前准备
- 要成品级的"像人"效果，需自备云配音 provider 的 API key 并配置于项目
.env（推荐 SiliconFlow，中/英文文档均有配置示例）。 - 免费 edge 引擎只能变速变调、没有情感通道，适合草稿试听；缺外网时 edge 也无法合成。
- 缺 key 的角色自动回退免费音色并告警，不会中断；逐行 emotion 写得越具体，演绎越贴戏。
multi-voice-dubbing 隶属于 Aiglade Skill 库。在 Aiglade 聊天框中用自然语言描述需求即可调用。