Appearance
解说风格、音色与声音工程规范
在短视频内容生态中，解说风格决定受众定位，声音工程决定视频质感与完播留存。
MagicCore 视频工厂拒绝让用户在无穷无尽的无序参数中迷失，而是将行业资深短视频编导的经验沉淀为经过数据验证的黄金工程常量。
1. 冻结的 5 大核心解说风格预设
根据短视频平台各垂类最高完播率与转化率模型，VF 预设并冻结了 5 大专属解说风格：
| 风格名称 | 叙事基调与语言节奏 | 镜头剪辑密度 | 适用内容题材 |
|---|---|---|---|
| 幽默调侃 (Humorous) | 诙谐风趣、热梗频出、反讽吐槽、亲和力强 | 中高频切换、高光特写放大 | 喜剧电影、烂片吐槽、日常趣事、情景剧 |
| 悬疑反转 (Suspenseful) | 压抑铺垫、情绪递进、设伏引疑、高潮揭秘 | 节奏由缓入急、特写与暗调慢镜 | 悬疑惊悚、刑侦破案、密室逃脱、烧脑片 |
| 深度剖析 (Analytical) | 客观冷静、逻辑严密、背景渊源、思想内涵 | 中频镜头、平稳全景、长镜头适度保留 | 深度高分影评、经典文学改编、历史大片 |
| 高能快反 (Fast-Paced) | 语速飞快、短句为主、紧迫感强、步步紧逼 | 极高频切镜、动感跳剪、视觉冲击 | 动作枪战、科幻特效、特工谍战、冒险竞技 |
| 温情纪实 (Documentary) | 娓娓道来、情感细腻、留白从容、治愈共鸣 | 抒情慢镜、空镜穿插、重视环境音保留 | 人物传记、纪录片、治愈剧情、亲情励志 |
🔒 风格设计约束
为保证短视频成品的专业质感与算法匹配度，视频工厂不开放无约束的自定义 Prompt 输入。所有的风格调教均在底层由专业编导经过数千条样本对齐，确保大模型生成的解说词字字有戏、句句抓人。
2. 音色与语言强绑定规范
音色是视频解说的灵魂。VF 在声音层建立了严谨的物理契约：
- 音色绑死语言：中文音色仅允许生成中文解说，英文音色仅允许生成英文解说，禁止跨语言音色串用导致蹩脚生硬的发音；
- 音色绑死物理语速：每个专业音色都有其最佳共鸣区与自然语速。系统不允许用户随意暴力拉伸音频语速（如把自然语速强行调快 2 倍），而是在文案字数上进行动态控制，保持发音的圆润自然与情绪饱满；
- 气口时间戳提取：TTS 生成后自动输出毫秒级音素级别的时间戳，供花字字幕做绝对精准的动态染色与跳动动画。
3. 声音工程三大黄金法则
法则一：智能声压回避 (Audio Ducking)
当解说旁白响起时，系统自动将原片音轨与背景音乐（BGM）音量瞬间压低至背景电平（默认下潜 -16dB ~ -20dB），使人声旁白清晰突出；当旁白间歇超过 0.5 秒时，原声与 BGM 平滑淡入（Fade In），将现场氛围还给观众。
法则二：BGM 响度归一化 (Loudness Normalization)
所有的背景配乐在混音前，均经过严格的 EBU R128 标准响度归一化处理（通常锁定在 -14 LUFS ~ -16 LUFS），彻底避免观众在刷视频时“忽大忽小、爆音刺耳”的不良体验。
法则三：原声关键高光智能保留
系统默认保留原素材中约 20% 的精彩原声对白或环境特效音，在剧情关键转折点给予原片原声特写展示，实现真正的“解说 + 原汁原味”完美融合。