AI文字转语音：把脚本制作成MP3旁白

AI文字转语音可以把写好的文字变成讲话音频，无需提供原始录音。在Pipe2.ai中，Audio Generator接收脚本，返回一个可下载的MP3。选择语音模型和声音，描述朗读方式，再试听并调整，确认后用作旁白。

五步把脚本转成语音

1. 打开Audio Generator，选择模型。 Gemini 3.8 Flash TTS是默认模型，可用130多种语言生成录音棚品质的旁白。Gemini 3.8 Flash-Lite TTS是更快、更经济的Gemini试稿选项。表现力最强的是Eleven v4，也可以选择MiniMax Speech 2.8 Turbo或HD。
2. 文字栏只填需要朗读的内容。 用希望听到的语言写脚本。将表演要求放在声音指令栏，避免把它们写进旁白正文。
3. 选择兼容的声音。 Gemini支持Auto或具名预设声音。MiniMax需要明确选择一个可用的预设声音；语音合成不支持Auto。
4. 描述朗读方式。 对Gemini，可以写“温暖的教程旁白，节奏平稳，轻柔地强调重点”。对MiniMax，先试“slow, calm”：它支持的指令控制是语速和情绪。
5. 生成并检查MP3。 听一听是否漏字，发音、停顿和语气是否合适。每次只改一个要素，必要时再生成一版。

当前输出规格，2026年10月6日核对： Audio Generator将文字生成为讲话音频，格式为MP3。可用声音和朗读控制取决于所选模型。

先试一小段，再生成完整脚本

第一次用Gemini试音时，选择Gemini 3.8 Flash TTS和Kore声音，分别填写以下两个输入：

• 文字： “欢迎来到工作坊。今天，我们要把一个简单的想法变成可以分享的作品。让我们开始吧。”
• 声音指令： “平静的教程旁白。语气温暖，节奏平稳，句子之间有清晰的停顿。”

如果希望在生成前优化Gemini的朗读指令，就保留提示词增强；如果希望原样使用自己的指令，就关闭它。Gemini选择Auto且关闭增强时，会使用Kore，不会自动挑选声音。MiniMax直接应用它所支持的语速和情绪指令。

这是一份练习脚本，并非已经测试过的生成结果，也不保证固定时长。先用它判断声音和节奏是否适合项目，再提交更长的文字。

根据朗读需求选择模型

Gemini提供30种具名预设声音、简短的风格指令，以及可放进文本的声音，例如<laugh>或<short pause>。Flash-Lite TTS适合快速试稿；Flash TTS面向录音棚品质的旁白。Eleven v4可通过[whispers]等标签实现最丰富的情绪表现。Pipe2中的MiniMax Speech 2.8提供五种预设声音：Turbo侧重更快的合成，HD面向最终旁白。不同模型系列的声音不能互换使用。

MiniMax会识别英文指令词slow、fast或quick，以及一种支持的情绪：happy、sad、angry、fearful、disgusted、surprised或calm。自由描述口音或场景，并不能获得与Gemini相同的控制能力。指定口音的实现不受保证。

运行前查看当前的积分费用预估。Gemini按实际生成的音频计费，MiniMax和Eleven v4按字符计费。Eleven v4还会计入随文本发送的音频标签，开启提示词增强时也会加收这一步骤的费用。先用短片段评估朗读效果，可以避免在尚未确定声音时就为长篇朗读花费积分。

为角色选择声音和说话方式

如果要让角色讲述开场或故事，先用目标语言的同一句短台词试听两种预设声音。先按音色选定声音，再通过Gemini的声音指令调整情绪和语速。Audio Generator不提供声音克隆，也不提供特定演员的声音。

可以用“我们找到钥匙了。现在可以开门了。”搭配“克制的兴奋，节奏平稳”来试音。第二次保留声音和台词，只把指令改为“担忧，语速较快”。这些是输入建议，并非经过验证的录音。试听时留意情绪是否变化，以及每个字是否仍然清楚。

制作对话时，为每个角色明确选定声音，分别生成各自的台词。将模型、声音、脚本和指令与每个MP3一起保存，修改台词时就能沿用原来的设置。确定采用前，把前后相邻的片段连起来听一遍；相同设置也不能保证表演完全一致。

准备适合朗读的文字

用短句和标点提示停顿，再以实际音频为准。人名、缩写、日期和价格需要单独试听。某一句读得不对时，可以展开缩写，或调整难读词语的写法来帮助发音。

这里没有时长滑块：文字长度和语速共同决定旁白时长。要配合固定的视频片段，先测量样音，再修改脚本。长篇旁白按内容分段生成，便于只替换一个段落，而不用重做全文。每一段都应符合所选模型的输入限制。

制作另一种语言版本时，先翻译并编辑脚本。Audio Generator根据输入文字识别语言；朗读指令不是翻译请求。

将MP3用作独立旁白轨道

下载选定的版本，并与脚本一起保存。需要配合视频片段时，将它作为旁白音频提供给Video Reel。需要背景音乐时，用Music Generator另外制作一条音轨，并检查最终混音中的讲话是否清楚。

组合视频片段与旁白时，可参考用AI制作Reel短片。准备配乐时，可参考用AI生成音乐。将人声和音乐分开保存，后续修改会更方便。