配音怎么做？文本朗读与真人录音

[TOC] 配音是短视频的第二张脸。画面再好看，如果声音含混、旁白干瘪，观众划走的概率会高一大截。剪映把配音这件事拆成了两条路：一条是「文本朗读」，输入文字就能生成语音，适合不想开口或者嗓子不方便的人；另一条是「真人录音」，自己对着手机说，情绪和节奏最自然。这一篇就把这两条路都走一遍，从按钮位置到参数调节，全部说清楚。

一、先想清楚：这条视频需要什么样的声音

动手之前先花一分钟判断配音类型，能省掉后面大量返工。

• 解说类视频（测评、教程、科普）：需要清晰、平稳、信息密度高的旁白，文本朗读完全够用。
• 情绪类视频（vlog、旅行、情感）：真人原声更有温度，机器音容易出戏。
• 搞笑段子、方言内容：必须真人录制，或者用剪映里的方言音色。
• 产品带货：推荐真人录音加一点文本朗读做补充（比如价格优惠信息用机器音强调）。

判断标准很简单：这段声音是要传递信息，还是传递情绪。传递信息用机器音省事，传递情绪用自己的声音。

二、文本朗读：输入文字就能出声音

剪映的文本朗读功能藏在字幕编辑里，操作路径是：选中时间线上的文本素材（或者先新建文本），在底部工具栏找到「文本朗读」按钮，点进去就能看到音色列表。

具体步骤（手机版）：

1. 打开剪映，点「开始创作」导入你的视频。
2. 点底部「文字」-「新建文本」，输入旁白文字，比如「这支镜头拍于下午四点的江边」。
3. 文本素材出现在时间线后，点一下它，底部工具栏向右滑，找到「文本朗读」。
4. 进入音色选择页，左右滑动试听，选中一个音色后点右上角「√」。
5. 剪映会自动生成一段配音素材，放在时间线原文本下方。
6. 生成后点「导出」就可以了，配音会跟随视频一起导出。

电脑版路径类似：在时间线选中字幕，右上角面板里能看到「文本朗读」入口，音色列表和手机版基本同步。电脑版的好处是文本长的时候改字方便，不用在手机小键盘上憋。

音色选择是文本朗读的关键。剪映的音色分几大类，我把常用的几个列出来对比：

选音色的时候别只看名字，一定要点进去听两三句。同样一句「这支镜头拍于下午四点的江边」，不同音色的断句和重音完全不一样。有些音色是剪映会员专属，非会员能用的有十几个，日常够用。

生成配音之后还有一个常用操作：文本朗读生成的语音经常和画面长度对不上。这时候点生成的音频素材，用「分割」把多余的部分切掉，或者选中后拖动两端手柄调整长度。如果文字改了，删掉旧配音重新生成即可，剪映不会自动同步。

还有个小技巧：长篇旁白建议分段做。一次输入几百字，生成的语音一旦不满意就要整段重来；按 3 到 5 句一段分批生成，调整方便，还能给不同段落换不同音色（比如对话场景里两个人物用两种声音）。

三、真人录音：自己说才有那股劲儿

真人录音的核心不是设备，是环境和状态。很多人用手机录出来不好听，第一反应是买麦克风，其实先解决环境问题更有效。

录音环境的三条要求：

1. 安静。关掉空调风扇、电视，挑家人不看电视的时间段。冰箱嗡嗡声、窗外车流声都会被手机麦克风放大。
2. 有软物。纯硬墙面的房间声音会发空、带回声。在被子旁边、衣柜旁、或者拉上厚窗帘录，声音立刻实起来。衣柜里挂满衣服，是穷人版录音棚。
3. 别空旷。卫生间、厨房这类瓷砖房间回声最重，尽量避开。

设备方面，手机自带麦克风就能录出及格的声音。想进一步，可以买一个几十块钱到两三百的领夹麦克风，插手机充电口直接用，剪映能直接识别。 更进一步的选择是 USB 电容麦接电脑，但那是做播客级别的投入，短视频没必要。

录音的实操步骤：

1. 打开剪映导入视频后，点底部「音频」-「录音」。
2. 按住录音键说话（部分版本是点一下开始、再点一下结束），说完松手。
3. 音频素材自动落在时间线，可以拖动、分割、复制。

录音状态的小经验：站着说比坐着说气息更顺；声音比平时说话大一档、情绪比平时高一分，录出来才像「节目」而不是「自言自语」。很多人听自己的声音觉得别扭，习惯就好，多录三五条就好了。

录音前的准备清单：把文案出声念两遍（默念发现不了拗口的地方），标出停顿和强调的位置，念错就整句重念不要在中间接——剪辑时接上的痕迹很难听。

四、把配音和画面贴到一起

无论是文本朗读还是真人录音，放到时间线之后都要做对位。剪映没有 Premiere 那种波形对齐的精细功能，但手机上有个好用的办法：放大时间线。用双指在时间线上撑开，把轨道放大到能看清每一帧，然后拖动音频，让配音的起始位置对准对应画面的起点。

配音比画面长时，有两个处理方式：一是给画面加「变速」（选中视频素材-变速-常规变速，调到 1.2 倍左右），压缩画面长度配齐声音；二是补镜头，从素材库里再挑一个空镜头垫上去。第一种快，第二种画面更丰富，看你素材够不够。

配音和背景音乐叠在一起时一定要做音量平衡，这是新手最容易忽略的一步。具体做法见音乐篇 ，核心原则就一句：有人说话时音乐压小，没说话时音乐托底。在剪映里点音频素材，底部有「音量」滑块，配音保持 100，背景音乐拉到 20 到 40 之间，出来的层次感完全不同。

如果录的是同期声（一边拍一边说话），可以看一下 音效篇 学降噪处理，同期声和后期配音的混用方法那篇里讲得细。

五、配音文案的写法：好配音七分靠稿子

配音不好听，很多时候不是声音的问题，是稿子的问题。口语稿子和写文章是两套体系，写文章讲究简洁完整，写配音稿子讲究「说人话」。

三条改稿法则：

把书面词换成嘴里会说的词。 「此外」改成「还有一个」「位于」改成「就在」「即可」改成「就行」。你写完稿子念一遍，哪里拗口改哪里。一个快速检验标准：把稿子念给家人听，他们听懂了就合格。

把长句拆成短句。 一口气念不完的句子必须拆。配音稿一句话别超过 15 个字，超过就拆成两句。短句还有个好处：节奏快，信息密度高，观众不容易走神。

给声音留呼吸的位置。 稿子里重要的话前面留个停顿（写稿子的时候画条竖线提醒自己），效果就像说话时的「你听我说」。停顿是配音里的高级技巧，比一直叭叭说更有力量。

不同类型视频的语速参考：

按这个表倒推：一条 30 秒的口播视频，教程类写 100 到 115 个字的稿子，情感类写 75 到 90 个字。稿子写长了就读快点或者删内容，宁可少说也别像念课文一样赶。

还有一个实操建议：录之前出声念三遍。第一遍找拗口词，第二遍找断句位置（用斜杠标在稿子上），第三遍计时看时长够不够。这三遍花不了三分钟，成片质量提升一档。

六、配音进阶：情绪和节奏的处理

解决了清楚的问题，下一步是「好听」。配音好听的核心是情绪有起伏、节奏有变化，这两样都不需要专业训练，靠意识就能改。

重音。 一句话里把最关键的词念重一点。「今天下班去吃了火锅」——如果视频讲的是下班，重音在「下班」；如果讲美食，重音在「火锅」。重音不是靠喊，是靠稍微放慢加重点。文本朗读功能里改变重音的方法是加标点：在关键词前面加逗号，音色会在那里停顿一下，自然就强调了。

语调起伏。 平铺直叙的旁白像催眠。处理方法：问句真的像在问（语调上扬），感叹句带情绪（声音放开一点），转折点（但是、不过）之前压一下声音。哪怕只是微小的起伏，听觉上也会有明显差别。

节奏变化。 三分钟的解说视频如果一直同一个语速，观众会疲劳。做法：铺垫部分正常说，说到重点放慢（甚至停半秒），总结回顾部分可以加快收尾。快慢交替是听觉的呼吸感。

笑出来的声音。 真人录音里偶尔笑一下、带个「嗯」「啊」的自然反应，比字正腔圆更亲切。配音不是播音，一点不完美反而真实。这是真人录音永远优于机器音的地方：机器音没有失误，也没有人情味。

七、配音设备的进阶选择

用手机录了十来条之后，你会开始琢磨是不是该买设备。这里给个分级的参考，按花钱先后排：

买设备的决策原则：先解决环境（安静、有软物吸音），再解决设备。一个三百块的麦克风在空旷的客厅里录，不如手机麦克风在衣柜旁录。先穷尽环境优化，再花钱买设备。

领夹麦的佩戴细节：夹在胸口正中、离嘴巴一拳到两拳的距离，线从衣服里穿过去藏好。太远了声音发空，太近了喷麦克风。录之前拍一下衣服检查线没有摩擦的沙沙声——很多新人录完才发现衣服摩擦麦线的声音从头到尾都在。

无线麦适合边走边拍的场景：户外探店、街头采访、运动跟拍。但注意续航问题，无线麦一般撑 4 到 8 小时，出门前充满电。

再强调一遍环境的价值：麦克风是放大器，它把你的声音和环境噪音一起放大。环境不安静的时候，设备越好噪音越清楚。一百块的麦克风在有窗帘的卧室录，效果完胜两千块的麦克风在空旷客厅录。投资顺序永远是环境大于设备。

配音前的暖嗓。 声音和身体状态有关：刚起床嗓子是哑的，下午嗓子是闷的。录之前做几个简单的发声准备：发「啊」音从低到高滑几次，念几段绕口令（「八百标兵奔北坡」这种），嘴巴张大幅度读两段稿子。三分钟的准备能让声音亮一个档次。嗓子不舒服就别硬录，改用文本朗读出片，声音的事不能硬来。

配音和字幕的同步方案。 最佳实践是先有配音再有字幕：配音确定后用「识别字幕」功能自动生成（识别已经完成的配音比识别现场同期声准确得多）。因为配音的语速稳定、环境安静，识别率通常能到九成以上。配音、字幕的完整工作流可以参考 字幕篇 。

八、配音的最终自查清单

配音做完，发布前过一遍：

1. 每句话都能听清，没有含混和吞音。
2. 音量统一，没有忽大忽小。
3. 配音和画面内容对得上，没有画面走了配音还在说无关话题。
4. 情绪和内容气质一致（搞笑视频别用播音腔）。
5. 无明显背噪、喷麦、回音。
6. 文本朗读的配音断句自然，没有机械的顿挫。
7. 配音结尾收得干净，没有拖尾巴或者突然断掉。
8. 全片配音总时长和画面匹配，该快该慢的地方处理过。

常见问题

文本朗读生成的语音能不能在剪映里变速？

可以。选中生成的配音素材，底部工具栏找「变速」，常规变速 0.5 到 2 倍可选，变速后音调也会跟着变（慢速会变低沉，快速会变尖锐）。想只改速度不改音调，剪映手机版暂时做不到，需要把音频导出后用电脑音频软件处理。变声功能在「变声」入口里，有萝莉、大叔、机器人等预设，比直接变速好玩。

录音有回声和底噪怎么办？

先确认是不是环境问题：换到有窗帘、地毯或衣柜的小房间再录一次对比。如果噪音是持续的低频嗡嗡声，用剪映的「降噪」功能（选中音频-降噪-打开开关），它对持续性背景噪有效，但对突然的喇叭声、敲门声无效，那种只能把对应片段剪掉。回声问题降噪救不了，只能靠环境解决。

一个视频里能不能用两种配音方式？

完全可以，而且很常见。比如旅行视频里叙述部分用文本朗读保持稳定，结尾感叹部分用真人原声推情绪，两个人对话的部分用两个不同音色。只要分别在时间线上摆好位置，各自调好音量，剪映不做任何限制。注意整体音量别忽大忽小，统一把每段配音的音量峰值控制在相近水平。

文本朗读的字数有限制吗？

单条文本建议控制在 200 字以内，太长的文本生成慢、出错率高，而且一旦想改一个词就要整段重来。长文案拆成多条文本分别生成，不仅稳，还能在不同段落之间插画面。我自己的习惯是一句话一条文本，虽然素材多了点，但改起来自由。

延伸阅读

• 蒙版与画中画怎么玩？复合效果
• 背景音乐怎么选？卡点与音量平衡
• 字幕怎么加？识别字幕与样式调节