一个AI配音单子的完整过程，从需求到交付

说了这么多零散的经验，这篇干脆拿一个真实走过的单子，从头到尾拆一遍。这个单子是一个本地健身房找我做的，要在他们新场地开业前出一条一分钟的开业宣传片旁白，发朋友圈和本地抖音。我把每一步怎么做、花了多久、中间出了什么岔子都写出来，你照着这个流程走，接第一单就不会慌。

第一步：把需求问清楚再报价

对方一开始就一句话："帮我们录个开业视频的配音。"这种模糊需求最危险，做着做着就变味。我没有急着报价，而是回了一串问题：视频多长？旁白念多少字？什么风格——是热情激昂的促销感，还是沉稳高级的品牌感？男声女声？要不要现在试一段？最终交付什么格式？

对方回过来：视频六十秒左右，文案他们那边还在写，风格要"有活力但不土"，男声，交付MP3就行。根据这些信息我报了价：基础费包一段成品加两轮修改，加急不加钱因为他们给了一周时间。报价前我心里盘算了一下：六十秒的旁白大概一百八十个字，生成加后期加修改，正常两三个小时能做完，这个报价覆盖了我的时间还有富余。预估收益仅供参考，以实际结算为准。

第二步：文案到了，先别着急生成

两天后客户发来文案，我通读了一遍，发现几个问题：里面夹着三个健身房品牌名和一个英文器械名，还有两个生僻字。我没有直接开生成，而是先做文本预处理——把英文器械名"Rowing Machine"改成"划船机"，把品牌名的英文拼写标注上读音，生僻字换成同音字或者直接在旁边用括号备注读法。这一步省得我生成完了再返工。

然后我拿文案开头的两句话去剪映里试了三个音色，挑了一个中气足、咬字利落的男声，发给客户确认。客户听完说"就是这个感觉"。这一步花了我二十分钟，但把后续所有关于"音色不对"的返工都堵死了。

第三步：生成、分句、对情绪

正式生成时我没整段丢进去，而是按句号把文案拆成十一句，逐句生成。中间有一句"这一次，我们准备了很久"，需要带点情感，我单独把这句在ElevenLabs里又做了一版，情绪强度拉高，导出来在剪映里替换了剪映的那一版。

全部生成完，我在剪映里把十一段音频按顺序排好，逐段调整停顿：逗号后面让句子之间留半拍，每段结尾留一拍。然后配上客户提供的宣传片画面，把音频和画面对齐——旁白说到"开业当天"的时候，画面正好切到开业的招牌。这一步对齐最花时间，大概一个半小时。

第四步：后期、交付、留后手

音频在Audacity里做了音量标准化，压到合适响度，导出MP3发给客户。客户听了提了一个修改意见：把中间一句的语速放慢一点。我重新生成那一句替换进去，十分钟搞定，第二轮修改交付，对方就确认收货了。

交付完我做了两件事：把工程文件和最终音频在硬盘里归档，文件夹按"客户名加日期"命名；把这次生成用的音色配置、修改过程记在备忘录里，下次这个客户再来单子，直接复用。一个单子从头到尾，前后花了大概三个小时。流程跑顺之后，这种六十秒的小单子就是我的日常——不暴利，但稳定、不累心，适合当副业长期做下去。

本文链接：https://fuyehezi.com/fuyehezi/209.html 转载需授权！