第 5 篇 · CH10

从听觉注意、声源空间与表演出发，为一部AI微电影建立可听懂、可剪辑、可混音、可追溯且具备发布条件的声音系统。

当前状态

完整章

预计学习时间

13 小时

关键概念

声音视点 · 画内声 · 画外声 · 非叙事音乐 · 声音透视 · 房间底噪 · 拟音 · 声桥 · 干声 · 可懂度 · 响度 · 真峰值 · 动态范围 · 数字声音替身 · 权利链

案例文件

`demo/echo-cabin/creative/screenplay.md`、`demo/echo-cabin/production/sound_cue_sheet.md`、`demo/echo-cabin/production/edit_plan.md`、`demo/echo-cabin/licenses/license_report.md`

本章产出

读懂画内声画外声和非叙事声的关系、完成对白录制编辑与角色声音方案

最后核验

2026-09-09

第10章　对白、配音、音乐、音效和声音版权

写作状态

本章为完整章节。正文讲跨工具稳定的声音叙事、表演、编辑、混音与权利判断；平台参数和法律状态可能变化，正式发布前必须重新查阅项目所在地、发行地和所用服务的当前规则。本章不是法律意见。《回声舱》声音表是教学参考，仓库中没有把待录、待生成声音伪装成成品。

导读

初学者常把声音理解为画面完成后的装饰：有台词就配音，空处放音乐，按钮加一声“滴”，最后把总音量拉大。这样做也许能让时间线“有声音”，却不能让观众相信影片中的空间、人物与因果。真正的声音设计，是在观众看不到全部世界时，决定他们听见什么、从哪个方向听见、先听见还是后听见，以及这次听觉信息怎样改变下一次观看。

人眼只能看到画框以内，耳朵却会自然地把世界延伸到画框以外。一个持续的通风低频可以让八个不连续生成的画面属于同一舱室；一声来自画外的锁止声可以迫使人物回头；对白结束后的半秒呼吸，比再加一句解释更能让观众感到迟疑。反过来，房间底噪在切点突然消失、声音方向与画面相反、每句台词都像不同房间录制，会迅速暴露镜头拼接。

AI微电影还有额外难题。视频模型可能同时生成画面、口型和声音，但创作者未必能单独控制每一层；语音模型可以改变音色，却不能替你取得说话人的同意；音乐服务能快速给出完整曲目，却不保证授权适合你的发布地区、商业用途和二次剪辑。技术上“生成成功”与创作上“可用”、法律上“可发布”是三件事。

本章从零建立一套可执行方法。你不需要先成为录音师，也不需要购买昂贵设备。你需要学会把声音拆成对白、环境、动作、画外信息和音乐五种职责；先做声音地图与临时轨，再录制或生成可替换的独立声部；通过听觉、仪表与多设备复核完成基础混音；最后让每一条声音都能回到来源、同意、许可、修改和发布范围。目标不是“听起来很满”，而是让观众听懂、相信、期待，并让作品在发布时经得起追问。

开始前，你只需要理解第2章的剧本行动、对白与主题，以及第3章的镜头 ID、时长和状态；不需要先完成第9章的八镜头视频生产，也不需要拥有录音设备、声音克隆服务或最终视频。第2–3章已经要求为动作、停顿和画外信息预留声音位置；本章在此基础上完整制作与管理声音。读到第9章时，可再把本章的声音地图带入批次、接点和粗剪判断。完成后，声音分轨、许可记录和混音说明会成为第11章剪辑与交付的输入。

知识地图

学习目标

完成本章后，你应该能够：

1. 区分画内声、画外声、主观声和非叙事音乐，并说明它们各自给观众什么信息。
2. 从剧本和镜头表建立声音地图，给每个声音分配声源、时间、空间、叙事职责与优先级。
3. 把对白从文学句子转写成能呼吸、能停顿、能与动作配合的表演任务。
4. 用安静环境、合理距离和基础编辑得到可用干声，识别削波、喷麦、混响、噪声与过度降噪。
5. 用房间底噪、环境、拟音、设计音效和静默建立空间连续与动作因果。
6. 判断音乐何时进入、退出、让位或完全不用，并避免让音乐替代尚未成立的剧情。
7. 理解峰值、真峰值、响度与动态范围的区别，在明确交付平台前不迷信单一数值。
8. 为真人录音、声音克隆、音乐、音效和生成服务建立可核查的同意与许可记录。
9. 用静音观看、闭眼聆听、小音量、耳机、扬声器和手机外放完成分层复核。
10. 为《回声舱》和原创短片交付声音提示表、对白时间线、混音说明与许可报告。

核心概念

• 声源：影片世界中被观众认为发出声音的人、物体或空间。即使声源没有出现在画面中，也要能推断其位置与原因。
• 画内声：故事中的人物理论上可以听见的声音，包括画面内可见声源与画外不可见声源。
• 非叙事声：主要提供给观众、通常不属于人物所处世界的声音，例如多数配乐。
• 声音视点：观众仿佛站在哪里听，离声源多远，是否隔着门、头盔、无线电或人物主观状态。
• 声音透视：距离、方向、遮挡、反射与频率共同造成的远近和空间感，不只是调小音量。
• 房间底噪：一个空间在“没有主要事件”时仍存在的连续声底，用于维持切点与空间连续。
• 拟音（Foley）：为了配合画面动作重新表演和录制的脚步、衣料、触碰等声音。
• 干声：尽量不带音乐、环境和明显空间混响的独立人声，便于剪辑、同步和后期处理。
• 可懂度：观众能否在目标播放条件下准确听清语言，不等于人声越响越好。
• 响度：对一段声音主观强弱的量化近似；与瞬时峰值不同，需结合节目长度与发布规范理解。
• 数字声音替身：用技术生成、模仿或转换出可被识别为某个真人的声音表现。
• 权利链：从创作者、表演者、录音、作品、模型或服务到当前使用方式的许可与证据链。

本章理论命题

电影声音不是给画面配说明，而是以时间、空间、注意与权利为材料，建立一个可被观众相信并可被创作者负责的听觉世界。

画面告诉观众此刻可以看见什么，声音同时告诉观众画外还存在什么、事件正在靠近还是远离、角色注意到什么、时间是否连续，以及何时应该期待变化。声音的意义来自关系：与画面同一时刻的同步关系、跨切点的先后关系、与人物主观状态的距离关系、与沉默的对比关系。AI只改变取得素材的方式，不取消这些电影关系，也不转移创作者对表演同意和素材使用的责任。¹

理论模块一：声音先建立不可见空间，再补充可见动作

提出创作问题

《回声舱》的画面只有通信舱、控制台、气闸和岑遥。怎样让观众相信舱外是真空、站内还有复杂机械，而且危险可能从画外逼近？如果每条信息都变成屏幕文字或人物自言自语，影片会变成说明书。声音可以让不可见空间先存在：远处继电器在固定方向间歇动作，通风声持续包围人物，气闸锁止声从画外靠近，观众便会在有限画框之外补全环境。

理论解释与适用边界

电影声音常被按“声源是否属于故事世界”和“声源是否在画面内”分类。人物能听见的无线电属于画内世界；扬声器不在画框中时，它又是画外声。观众专属配乐通常属于非叙事声。分类的目的不是背术语，而是决定声音能否影响人物、是否需要空间化、能否在切换机位后保持位置。

声音还能改变同一画面的意义。空走廊配均匀通风时像正常设施；先出现断续金属摩擦，再保持画面不变，走廊会变成潜在威胁。这里的声音没有重复画面，而是改变观众对画外空间的假设。声音理论家米歇尔·希翁把声画结合后的新增意义概括为“附加价值”；关键不在声轨单独多精彩，而在它怎样重新组织画面。²

边界是：不可见不等于可以含混。若同一警报一会儿像在人物左侧，一会儿像在远处，一会儿又完全干燥无空间，观众不会把它理解成神秘，只会感到拼接错误。除非故事明确改变声源或主观视点，声源位置和空间特征应保持可解释。

经典案例：《对话》的听觉距离

《对话》围绕一段被反复聆听的录音展开。同一段声音在不同技术处理与叙事情境中暴露不同重点，观众的注意也随之改变。影片并不是用“更清晰”等于“更真实”的简单逻辑，而是让录音、监听者和解释之间产生不确定。³ 对AI创作者的启示是：过滤、噪声和带宽不是随手添加的“电影感”，它们应该说明传播介质、监听距离或人物认识的变化。

《回声舱》映射与AI方法

SND-001的低速通风与远处继电器承担空间基底；SND-002的窄带静电说明讯号经过通信设备；SND-006的锁电机与卡榫把气闸危险从画外推入当前行动。三者不能使用同一响度与同一混响：通风近似连续包围，继电器有方向和间隔，锁机更近、更硬、更能触发岑遥回头。

先写声音地图，不先搜素材。每个声音填写“声源—人物能否听见—画面内外—距离/遮挡—起止—叙事作用—连续性—取得方式”。生成模型提示也要写可听事实，例如“窄带无线电静电在讯号接入时出现，人声开始后退到其下”，不要只写“紧张科幻音效”。如果模型把多层声轨混成一个文件，仍应保留原本职责表，便于后期重做。

成功、失败与边界（一）

成功：声音让画框外的舱站机械存在，声源位置和材质稳定。失败：每个镜头随机换一种“太空氛围”，切点处底噪跳变；或所有设备都用同一个电子“滴”。边界：短片可以有象征性、非写实声音，但变化必须与人物主观或叙事阶段对应，而不是素材库随机性。

理论模块二：听觉注意由出现、变化和对比驱动

提出创作问题

为什么一条一直很响的警报反而会被观众忽略？人会逐渐适应持续不变的刺激，而对突然出现、消失、变近、变窄或改变节奏的声音重新分配注意。声音设计不是不断增加层数，而是安排哪些变化值得被听见。

理论解释与边界

注意通常被声级变化、频谱变化、空间移动、节奏断裂和语义重要性吸引。对白天然带有语义优先，但若背景占据相同频率、瞬态密集或动态过强，可懂度仍会下降。好的层级会在关键子音、动作点和静默前后腾出空间。所谓“腾出”可以是降低其他层、减少频率重叠、改变进入时间，也可以是根本不放某一层。

静默并非绝对数字零。电影中的静默常是把无关层拿走，只留下呼吸、房间音或远处纹理，使观众突然意识到此前被覆盖的信息。绝对静音会像播放器故障；有设计的低密度则会把注意聚焦到等待。

经典案例：《老无所依》的低音乐策略

《老无所依》的许多紧张段落并不依赖持续配乐，而让脚步、门、武器、呼吸和环境承担节奏。观众无法靠音乐提前获得安全提示，只能追踪具体声源与动作。⁴ 这不是“所有惊悚片都不要音乐”，而是说明当画内声音已经能建立威胁时，音乐并非必需。

《回声舱》映射、练习与答案

全片若从第一秒就铺满合成器脉冲，讯号接入和锁止中断会失去对比。更有效的方案是让开场主要由通风和校准动作组成；异常讯号改变频谱；黄灯出现后，MUS-001才以极低脉冲进入；三个音和半次锁止前后再降低其他层。观众不是因为音乐“更史诗”而紧张，而是因为声音秩序被逐步破坏。

拿自己的一个30秒场景，为每5秒写“观众此刻最该听见的一项”。若同一秒有三项都被标为最重要，删除或延后其中两项。再写一次无音乐版本，检查因果是否仍能听懂。

判断过程

先保留决定人物反应和观众理解的声源，再保留空间连续所需底噪；装饰性纹理最后进入。若去掉音乐后故事完全不懂，应先修剧情、动作或声音因果，不应立即把音乐加大。

理论模块三：对白首先是行动，其次才是文字

提出创作问题

同一句“你怎么证明你是我”，可以是审问、拖延、求救或自我确认。只把文本交给配音模型，并要求“有感情地说”，模型可能给出情绪标签，却没有人物在这一刻想从对方那里得到什么。对白表演必须绑定行动目标、对手、阻力和动作时机。

从剧本到表演任务

第一步是确认信息职责：这句台词是否提供观众无法从画面得到的信息？第二步是写潜台词与行动动词，例如“逼对方给出只有自己知道的证据”，比“疑惑地”更可表演。第三步是安排呼吸和停顿：人物先看气闸还是先吸气？按键前是否犹豫？第四步是把语句放进身体：手在用力时，声线、速度和气息会改变。第五步才是音色、年龄、口音和技术参数。

对白应允许口语的不完整，但不能用含混掩盖剧作问题。删掉重复画面的解释句，保留能改变关系和下一动作的语言。对1—3分钟短片，每句对白都占据稀缺时间；计时朗读比估算字数可靠。表演中的停顿不是空白，而是角色处理新信息的可见、可听过程。表演研究强调行动与当下反应，而非仅从抽象情绪出发。⁵

对白时间线

把一条对白写成“准备—发声—反应”三段。例如 SH-005：0.0—0.5 秒，岑遥看向警告灯并吸气；0.5—2.3 秒，按住通讯键说出问题；2.3—3.1 秒，松键、闭口并把注意力留给气闸方向。实际秒数应按最终干声测量，不得照抄示范。这样做能防止角色一进镜头就机械开口，也给剪辑留下反应把手。

可懂度不是音量竞赛

语言可懂度受录音距离、房间反射、噪声、发音、动态、频率遮蔽和播放设备共同影响。把人声简单推大可能造成削波、齿音刺耳或与画面距离不符。更好的顺序是：先保证录音干净和表演清楚，再减少竞争声部，处理明显低频噪声与动态，最后调整相对电平。听不清时先问“被什么遮住”，不要先问“能不能再大6分贝”。

成功、失败与边界（二）

成功：台词前有看、吸气或按键等准备，台词改变下一动作，结束后留反应。失败：模型一开镜就匀速朗读；每句都用同一强烈情绪；为了口型完整而塞进过长文本。边界：刻意平板的表演可以成立，但应来自人物策略或世界设定，而非默认合成腔。

理论模块四：录音与生成的第一原则是保留可替换性

最小可用录音环境

昂贵麦克风不能挽救空旷房间。初学者先选择安静、软质材料较多、远离风扇和窗户的位置；关闭不必要设备，录十秒环境底噪并戴耳机检查。麦克风与嘴保持稳定距离并略偏离正前方，减少爆破音；每句录多个完整版本，而不是只录零碎词。开始和结束都留余量，避免第一字被切掉。

录制格式以编辑软件和工作流兼容为前提，优先保留未压缩或无损母版，再导出代理。不要把音乐、混响和降噪烙进唯一文件。文件名至少含角色、镜头/句号、take和版本，例如SPK-CHR-001_SH005_L01_take03_v001.wav。真实路径、采样规格、录音者、日期和同意状态写入资产记录。

五类常见录音问题

削波表现为波形顶端被截平和刺耳失真，降低后期音量不能恢复。喷麦是“p、b”等气流冲击，通常需要改变角度、距离或使用防喷，而非只靠滤波。房间混响让声音像在浴室，强行去混响会带来水声伪影。底噪过大时，先找风扇、空调、电源或增益设置。距离漂移会让同一人物在一句话里忽近忽远，应以稳定姿势和麦位解决。

生成与声音转换

生成配音也要保留干声、提示、模型/服务版本、说话人ID、速度、输出日期和许可证据。不要把角色身份写成某位真实演员的名字来追求模仿；改写为年龄范围、共鸣位置、语速、气息、清晰度和表演目标。若采用真人参考或声音转换，必须在上传前确认本人知情同意、数据处理范围、保存期限和输出用途。

自动降噪、自动配音和视频内生声音可以用于草稿，但不得失去回退能力。若一个模型输出同时包含对白、环境和音乐，至少把它视为临时混合参考；正式版优先使用可独立编辑的层，或明确接受无法分离的限制。

《回声舱》深度推演一：同一角色的两种时间身份

未来岑遥与当前岑遥“声音相同”是剧情线索，但两者不应靠随机两个音色碰运气。建立同一SPK-CHR-001身份锚点，再为未来通讯版本增加介质层：窄带、轻微失真、噪声与更急促的行动节奏。当前岑遥保持近距离、舱室反射和克制发问。身份来自基底表演与音色连续，时间差来自传播介质和行动状态。

更安全的执行顺序是先由同一位获得授权的表演者录两条干声；分别选择表演版本；复制未来声线做通信处理；最后才与静电混合。不要先把当前声线做成“像另一个人”，再依靠后期勉强统一。仓库只保存文字时间线和许可状态，不提交私人原始人声。

理论模块五：环境、拟音和设计音效各自回答不同问题

三种职责

环境声回答“这是哪里、空间是否持续”；拟音回答“身体和物体怎样接触”；设计音效回答“系统、威胁或主题以怎样的听觉规则出现”。同一素材可以承担多种职责，但混用时要知道主任务。通风声若每次按钮动作都突然变大，就不再是稳定环境；按钮音若拖着长混响遮住对白，就失去动作确认功能。

房间底噪与切点

每个画面看起来安静时，也应考虑空间声底。剪接两段不同录音，底噪的频率和响度差异会形成“洞”。解决方法不是给全片加同一白噪声，而是为场景建立可循环、无明显节奏接缝的房间音，按镜头视点微调。对白剪掉一段时，用相邻房间音填补，避免绝对静音暴露剪口。

拟音的表演性

拟音不是寻找“最像”的按钮声，而是用声音表现动作重量、速度和意图。岑遥犹豫触碰通讯键，音效应晚于手接近并在接触点出现；若声音提前，观众会觉得动作漂浮。衣料声不应每次眨眼都响，只在身体重心或手臂明显变化时提供触感。脚步的节奏、材质和力度同样是人物表演的一部分。⁶

设计音效与母题

反复出现的声音可以成为母题：观众先学习其规则，之后只听见变化就知道世界发生了什么。母题必须有稳定核心和有意义的变体。《回声舱》的继电器可以先规律、讯号后错拍、锁止前停止；若每次都换完全不同素材，观众无法学习。

成功、失败与边界（三）

成功：环境保持空间，拟音与接触同步，设计声有可学习规则。失败：所有动作都用夸张电影音效；房间音直接复制到所有地点；为“丰富”不断叠加频谱相同的嗡鸣。边界：写实程度由作品风格决定，但即使高度风格化，也应保持因果、层级和重复规则。

理论模块六：声音可以跨越剪辑，重写时间关系

声桥、先行声与延续声

声音可以在画面切换前先进入下一时空，也可以在画面切走后延续上一时空。前者让观众先听后看，产生预期或平滑转场；后者保留上一动作的影响，使画面虽变、因果不断。普通切点上的房间音延续也属于声音连续的一部分。

经典连续剪辑常依靠视觉动作接点，声音则能让接点更宽容。例如先听见气闸锁转动，再切到机械特写，观众会主动把两镜连接；若特写生成不够长，声音可在前后镜头延续，减少对完整机械动画的依赖。但声音不能修复所有视觉错误：左右方向、人物身份或因果顺序完全相反时，声桥只会让矛盾更明显。

经典案例：《现代启示录》的声画转化

《现代启示录》开场把旋翼声、室内风扇、音乐和战争记忆交叠，使客观空间与人物主观经验互相渗透。⁷ 它的价值不在某个音效素材，而在声源意义逐步转换。AI短片可以借鉴这种结构：一个机械节奏从真实设备开始，后来进入人物记忆或音乐层；但必须给观众足够线索理解转换。

《回声舱》接点设计

SH-001末尾先出现异常静电，画面切到信号指示；SH-002中静电继续但在人声前降低；SH-003未来岑遥说完后，短暂保留通讯噪声，切到气闸灯；SH-006三个音结束后留一秒房间音；SH-007的锁声跨入SH-008，并在半次锁止处中断。每个跨切声音都应写“从哪镜开始、跨越哪个切点、在哪镜结束”，不能只在两边各写一次“锁声”。

理论模块七：音乐组织结构，不替人物替观众下结论

提出创作问题

生成音乐很容易，决定不用却很难。创作者常担心画面“不够有情绪”，于是从头到尾铺一条悲伤或紧张音乐。结果人物还没发现异常，音乐已经告诉观众危险；真正转折发生时没有更大的对比，只能继续加音量和鼓点。

音乐的四种功能

音乐可以划分段落，让观众感到新的阶段开始；可以连接视觉不连续的镜头；可以建立人物或概念母题；也可以与画面形成距离、讽刺或主观状态。每次使用前写清主功能。若只是“让它更电影”，说明决策仍未完成。

音乐进入点、退出点、强弱、密度和频率位置比风格标签更可执行。对白期间减少中频密度和强节奏；关键动作前可提前退掉音乐，让具体声源获得重量；结尾不一定需要完整收束，声音戛然而止本身可以成为结构。电影音乐研究长期提醒我们关注音乐怎样在叙事中被观众感知或被自然化，而不只是旋律本身。⁸

经典案例：《西部往事》的声音等待

《西部往事》开场长时间使用风、车站机械、昆虫和人物动作组织等待，音乐并未立即替场景命名情绪。⁹ 声音的重复、间隔和微小变化本身形成节奏。对短片的迁移不是照搬慢节奏，而是理解：如果画内声已经能精确建立期待，音乐可以延后。

原创音乐与生成音乐

写音乐提示时描述功能和结构：开始位置、结束位置、速度感、密度、音色范围、是否有旋律、对白下如何退让、结尾是否悬而未决。不要要求模仿在世音乐人的独特风格，也不要把“原创”当作授权已清晰的同义词。模型输出仍需记录服务、账户方案、生成日期、条款版本、是否允许商业使用、是否允许修改与再分发，以及是否含需要另行处理的声音或采样。

《回声舱》音乐决策

MUS-001只在SH-004黄灯出现后进入，以极低合成脉冲标记系统状态升级；SH-005对白时进一步退让；SH-006三个音出现时不与之争夺旋律注意；SH-008切黑与半次锁止同时停止。无鼓点、无明显主旋律不是审美口号，而是因为全片已经有继电器、静电、三个音和机械锁四组节奏/音高信息。

成功、失败与边界（四）

成功：能说清每段音乐为何此刻进入、替谁让位、何时退出。失败：用一首完整曲目覆盖全片；音乐每次转折都提前“剧透”；自动闪避压得忽大忽小。边界：类型片可以使用明确音乐提示，但它仍应配合叙事阶段，不应遮盖对白和关键因果声。

理论模块八：混音是层级、距离与动态的决策

从平衡开始，不从母带开始

初学混音先做五件事：整理并命名轨道；把对白、环境、动作、画外信息和音乐分组；仅用音量建立大致层级；修复最明显的问题；在多种播放条件下复核。不要一开始就在总线上堆压缩、限制和“电影感”预设。插件越多，越难判断问题来自素材还是处理。

峰值、真峰值、响度与动态范围

数字峰值表示采样点接近满刻度的程度，但编码或重建过程中还可能产生采样间峰值，因此交付会关注真峰值。响度用于近似人耳对一段节目的总体强弱感，常以LUFS表达。动态范围则描述安静与响亮部分的变化。三者不相互替代：没有削波不等于整体不响，响度达标不等于对白可懂，动态大也不等于叙事更高级。

ITU-R BS.1770给出节目响度与真峰值测量算法；EBU R 128给出面向广播的响度归一化建议。它们是理解测量的权威基础，但不是所有网络平台和电影节的统一交付数值。¹⁰¹¹ 在不知道目的地时，保留有余量的母版、避免削波、保持对白清楚，并在交付前读取平台当前规范。不要把某个平台今日的归一化行为写成全片唯一混音目标。

基础处理顺序

先用剪辑和增益让各句对白大致一致，再处理低频轰鸣、明显共振、齿音和动态；压缩只减少过大差异，不负责把糟糕表演变好。空间效果应根据声源距离和场景统一设计：同一舱室中的当前岑遥与按钮声应共享空间线索，未来通信声则经过设备介质。环境与音乐围绕对白腾出位置，不是把对白压成贴脸旁白。

三遍聆听

第一遍闭眼听：能否仅凭声音理解谁在何处、什么先发生、人物何时反应。第二遍小音量听：对白和关键动作是否仍清楚，层级是否靠暴力音量维持。第三遍看画面听：口型、接触、视线、切点和声源是否同步。之后再用耳机、普通扬声器和手机外放复核；耳机能暴露底噪与剪口，手机会暴露低频依赖和对白遮蔽。

成功、失败与边界（五）

成功：响度变化服务叙事，关键对白和动作在目标设备清楚，总线无明显削波。失败：看到仪表达标就停止听；把每条轨都压得一样响；只在昂贵耳机上判断。边界：风格化失真和极端动态可以成立，但应制作安全交付版，并确认观众和平台条件。

理论模块九：声音版权不是一张链接，而是一条可追溯责任链

五类对象不要混为一谈

对白可能同时涉及文本、表演、录音和人物声音权益；音乐涉及作品和录音两个层面；音效涉及原录音、素材库条款和你的编辑；生成声音还涉及服务条款、输入权利、输出使用条件与真人模仿；字体、片尾署名和发布平台又有各自要求。拿到一个下载链接只证明曾经能访问，不证明当前项目拥有所需权利。

Creative Commons也要逐项阅读

Creative Commons提供六种主要许可组合，BY要求署名，SA要求改编采用相同条款，NC限制商业使用，ND不允许传播改编版本；CC0是另一种公共领域贡献工具。许可应以具体作品页面和对应法律文本为准，而不是看到“免费”二字就使用。CC官方也说明许可一经授予通常不可撤销，且只有拥有或控制相关权利者才能为作品授予许可。¹²

对音乐和音效尤其要确认：你下载的是作品、录音还是两者；剪短、循环、变速、降调和与画面同步是否属于允许的修改；署名格式和链接要求是什么；NC是否与赞助、平台分成、客户项目或作品集用途冲突；ND是否允许你为了影片进行剪辑。无法判断时，不把素材放入发布母版。

真人声音与数字替身

“我有一段公开视频”不等于“我获准训练或克隆此人的声音”。应取得具体、知情、可证明的同意，写明用于哪个角色、哪些模型或服务、是否上传云端、可生成哪些内容、可否商用、保存多久、能否撤回未来使用、如何处理衍生文件。未成年人、同事、客户和公众人物都不能因素材容易获得而跳过同意。

美国版权局关于数字复制品的报告把逼真复制个人声音或形象视为独立的重要政策问题，并指出现有保护存在差异。¹³ 这份报告不是对所有地区的统一法律答案，却足以说明：声音克隆风险不能只用“是否侵犯歌曲版权”判断。正式发行必须结合所在地和发行地咨询适用规则。

最小权利记录

每项资产至少记录：资产ID与版本、标题、作者/表演者/录音者、精确来源页、取得日期、许可名称与版本、许可文本或证据快照位置、允许的用途、署名要求、修改限制、地域/期限、模型或服务版本、同意文件、项目内使用位置、当前结论和复核日期。结论应使用“已核对可用于本次范围”“待复核”“不采用”，不要写含混的“应该没问题”。

发布前决策树

先问“是否确实需要这项资产”；再问“谁拥有作品、表演和录音的相关权利”；然后检查“本次是否改编、商用、公开、跨平台或为客户制作”；确认署名和限制能否执行；保存证据；最后由项目负责人批准。任何关键环节未知，就用自录、自制、明确授权的替代品，或保持待发布状态。

理论模块十：声音视点决定观众站在哪里，而不是决定音效有多响

提出创作问题

同一个气闸锁，在全景里、人物近景里、隔着舱门时和通过通信监听时，为什么不能简单复制同一个文件并只调音量？因为观众与声源的关系同时包含距离、方向、遮挡、反射和叙事视点。响度只是其中一个结果。一个远处声源通常不只是更小，还会失去部分高频细节、拥有更多空间反射；隔着金属门会被遮挡；人物戴着头盔或陷入主观惊慌时，声音世界又可能按心理注意重新组织。

客观视点、人物视点和设备视点

客观视点让观众像站在摄影机附近听，适合建立空间关系。人物视点让声轨接近某个角色此刻的听觉与注意，可能把其他声音压远、强调呼吸或耳鸣。设备视点让声音经过电话、无线电、监控或头盔等媒介，带宽、噪声和动态会改变。三者可以在场景中转换，但转换要有触发：镜头切入头盔、角色被爆响冲击、通信线路接通，都是可理解的原因。

初学者容易把“主观声”理解为加一层耳鸣。真正的主观化是选择：哪些声源被人物注意，哪些退到边缘，时间感觉是否拉长，空间方向是否仍可靠。耳鸣只是可能的表面效果。若每次紧张都使用同一高频音，效果会迅速失去意义，也可能给耳机观众造成不适。

透视的五项检查

第一，直接声与反射声比例：近距离更容易听到清晰直接声，远处与大空间更突出反射。第二，频率与遮挡：墙、门、衣物和设备会改变频谱，但不应套用同一低通预设。第三，方向：声源在画面左侧、右侧、身后还是头顶；移动端可能以单声道播放，因此方向还要由音色、时差和画面支持。第四，动态：通信设备可能压缩动态，近距离呼吸则保留细小变化。第五，背景关系：离声源更近时，目标声相对环境更突出，而不是所有层一起放大。

《回声舱》的四个听音位置

SH-001可采用舱室客观视点：通风包围，继电器偏远，触控靠近人物。SH-003在未来岑遥发声时仍以当前岑遥为听音主体，通信声来自扬声器，不应像贴耳旁白；她的近处呼吸能说明观众仍站在当前舱室。SH-004切到气闸插入时，锁与继电器相对更明确，房间底噪保持同一世界。SH-008可以逐步收窄到岑遥主观注意：通风退后，手的衣料和半次锁止变得突出，但切黑后是否保留房间音要由结尾意义决定。

单声道兼容与小白判断

不要用极端左右声道作为唯一叙事线索。许多手机外放、社交平台或无障碍设备会折叠声道；相位相反的宽化效果在单声道可能变弱甚至消失。每完成一版立体声，就临时切成单声道听：对白是否仍清楚，关键警告是否消失，音乐是否突然变薄。如果关键声依靠空间位置才能理解，画面、时间和音色还应提供第二条线索。

成功、失败与边界（六）

成功：复制同一素材后，根据每镜听音位置调整直接声、反射、遮挡和环境关系；视点变化有剧情触发。失败：远处声只降低音量，隔门声只加混响，主观声只加耳鸣。边界：梦境或实验影像可故意让透视不可能，但不一致本身必须成为表达，而不是没有管理素材。

理论模块十一：角色声音连续性由身份锚点与情境变体共同构成

提出创作问题

生成视频中，观众会敏感地发现人物换脸；声音“换人”同样会破坏角色连续。问题不只来自音色完全不同。语速、口音、共鸣、气息、句尾习惯、响度距离和表演策略突然改变，都可能让同一角色像另一个人。反过来，若所有场景声音完全相同，又会失去疲惫、空间、年龄和行动阶段的变化。

身份锚点包含什么

声音身份至少分四层。生理印象层包括大致音高、共鸣位置、气息与年龄感；语言习惯层包括语速、停顿、重音、口音和句尾处理；表演策略层包括人物在压力下是压住、加速、回避还是攻击；记录层包括说话人ID、表演者/模型、版本、样本来源和同意。身份锚点不是一串“温柔、磁性、电影感”形容词，而是一组可对照的可听特征。

角色声音圣经可以很短，却要可执行。例如岑遥：中低区稳定，咬字清楚但不播音腔；平时语速克制，收到异常信息后先停顿再加速；句尾不习惯上扬；用气偏省，只有机械锁启动时出现短促吸气。未来岑遥继承这些身份特征，但因时间紧迫缩短停顿、增加呼吸压力，并经过窄带通信。这样既是同一人，又属于不同情境。

一句一模型为何容易失败

如果每句独立请求生成，模型可能随机改变情绪强度、年龄感、语速和录音空间。即使标注同一音色ID，句间节奏仍可能不连续。解决方式包括：一次生成完整意群而非逐词；锁定版本和参数；保留同一参考职责；用同一场景房间和处理链；在句间使用真实停顿而非硬拼；必要时重新生成整句，不用十几个碎片修出“正确字”。

对白、旁白和通信声的身份关系

旁白不必与画内对白使用同一距离和表演，因为它可能来自另一个叙事时间；但如果故事要求观众认出同一人物，就应保留若干稳定特征。通信声可以改变带宽和噪声，却不应把身份信息全部滤掉。越强的效果越需要旁路比较：关掉处理后是否确为同一表演者？打开后关键子音和语义是否仍清楚？

声音状态连续表

对每个镜头记录角色状态：体力、呼吸、情绪策略、与麦克风/声源距离、介质、上句出点和下句入点。SH-003未来声线的出点是急促警告后线路空白；SH-005当前岑遥的入点是已经听见警告并看到黄灯，因此不能恢复到开场的完全放松。声音表演要继承剧情，而不是每镜从默认音色开始。

原创迁移练习

为主角选三句台词，分别来自开场、转折和结尾。写五项必须保持的身份锚点、三项随情境允许变化的特征、两项绝不能出现的偏差。请另一位听者在不知道镜头顺序时判断是否像同一人，再询问他依据的是音色、语言习惯还是表演状态。

判断过程

若听者只靠完全相同的滤镜认人，身份锚点可能过弱；若三句像同一个录音复制，情境变化不足。优先固定说话习惯和表演策略，再允许速度、气息与空间随剧情改变。

理论模块十二：故障诊断从最早可解释原因开始，不从重做全部开始

为什么“听起来不对”不能直接修

声音问题常连锁发生。对白听不清，可能是表演含糊、录音太远、音乐遮蔽、降噪破坏子音、编码失真或手机扬声器无法重放低频；若直接加响对白，也许只会制造削波。诊断要把症状写成可观察事实，找到最早发生的一层，再做最小变量修订。

对白故障树

先单听干声。若干声已丢字、喷麦或房间太响，回录音/生成；若干声清楚，加入对白处理后变差，逐个旁路降噪、均衡、压缩和空间效果；若对白总线清楚，加入环境后变差，检查频率和瞬态竞争；加入音乐后变差，先改编配与电平；只有最终编码变差，才检查导出规格。这个顺序能避免为了修最后一层，破坏最前面的好素材。

同步故障树

先确认画面事件帧，再确认声音文件起音点，而不是只看波形最高峰。按钮声音的物理起音可能早于峰值；衣料声可能需要在动作发展中出现；对白口型则先对齐语句中的清晰辅音和嘴型变化，再检查整句速度。若开头准、结尾漂，问题可能是速度或镜头时长，不是整体平移。若每个版本都在同一位置失败，重新设计镜头或改画外声，比无止境微调更合理。

空间故障树

先单听各层，确认是否自带不可去除的混响；再比较同一场景各镜头的房间音；检查直接声/反射关系；最后检查左右、前后和遮挡。不要为了统一，把所有声音送进一个巨大混响。空间一致来自共享的场景特征，同时保留声源距离差异。

音乐故障树

音乐“太抢”不只等于电平太高。可能是进入太早、节奏与对白争夺、旋律落在语言频段、段落变化与剧情不同步，或音乐给出了错误情绪。依次尝试延后进入、减少配器、移开节奏事件、缩短段落、降低电平，最后才考虑换曲。每次只改一种主要因素，保留A/B版本并以相近感知响度比较，避免“更响版本更好”的偏差。

噪声与修复边界

底噪稳定但轻微时，可能比激进降噪后的水声更自然；短暂点击可局部修复，不必处理整轨；严重削波、强混响和不可逆混合通常应重录。修复的停止条件是：问题在目标播放环境不再妨碍对白、表演或空间，而非波形看起来绝对干净。保留原始文件，处理版使用新版本号。

诊断记录示范

不要写“SH-005声音很AI”。改写为：“第二个字开始气息突然消失；每个停顿长度相同；句尾音高上扬，与角色声音圣经不符；干声已有问题，关闭混响后仍存在。下一版只修改表演提示与停顿，不改音色。”也不要写“锁声没冲击”。改为：“完整锁止尾音在画面卡榫到位前0.4秒出现，提前结束了威胁；下一版将尾音拆层并延后，不增加响度。”

何时停止修、改用替代方案

预先设定候选次数、时间和发布门槛。若同一句口型连续多次失败，可改为扬声器特写、当前人物反应或画外通信；若音乐许可无法确认，换自制简单纹理或不用；若噪声只能靠破坏语音清晰度去除，重录；若一个设计音效没有分层且遮住全部对白，重建关键层。替代不是降低艺术标准，而是让叙事功能以可控方式完成。

成功、失败与边界（七）

成功：先分离素材、处理、混合和编码，修改最早失败层，并保留可比较版本。失败：在总线反复加插件；同一轮同时换表演、音色、音乐和环境；没有停止条件。边界：时间紧迫时可以接受小瑕疵，但必须确认它不损害叙事、身份、舒适和发布权利，并在交付说明中记录。

理论模块十三：声音信息还要能被字幕、转写和不同听觉条件接住

提出创作问题

如果观众在地铁里静音观看、听力不同、设备外放很差，影片最关键的信息是否立刻消失？这不是要求字幕替代声音设计，而是承认微电影会在多种现实条件下被观看。声音、字幕和画面应形成互相支持的冗余：关键事实至少有两条可理解路径，同时保留只属于听觉的艺术价值。

对白字幕不等于逐字抄录波形

字幕首先要准确对应意义与说话人，其次要在可读时间内出现。口头语中的重复、明显结巴和无意义填充是否保留，要根据表演和无障碍目标决定；删改不能改变人物态度和剧情事实。字幕入点通常接近发声，但不能提前泄露悬念；出点要给阅读留时间，也不能遮盖下一镜重要画面。最终以实际画面、字号和目标屏幕人工观看。

《回声舱》中未来岑遥从扬声器发声，字幕应让观众知道是通信声，而不是当前岑遥开口。可以用规范化说话人标签或版式区分，但不要用只对部分观众可见的颜色作为唯一线索。SH-006的三个音没有语言文本，若它承担关键身份信息，可在无障碍版本中写简洁、不中断悬念的声音描述，例如“熟悉的三音哼唱”，同时避免解释成“她童年的秘密旋律”而提前替观众下结论。

声音描述写可识别事件，不写主观评价

字幕中的非对白声音描述应优先保留剧情相关声源、性质和变化。“[可怕的声音]”把解释强加给观众；“[气闸锁开始转动]”说明可听事件。“[音乐响起]”信息不足；若音乐变化影响叙事，可写“[低沉脉冲渐入]”。描述不必覆盖每次衣料摩擦，只覆盖改变理解、节奏和人物反应的声音。

自动转写的边界

自动转写可以生成初稿和时间码，但通信失真、专有名词、重叠对白和合成声会提高错误率。逐句核对原始批准文本与实际成片，特别检查否定词、数字、角色名和句子归属。不要把自动转写文件当成剧本真源；如果实际表演合理改变了台词，应由创作者决定更新字幕、剧本版本还是重录。

多版本交付

至少区分：完整混音版、无音乐或对白/音乐/效果分轨、带字幕版、字幕文件和必要的无障碍说明。项目很小时也可以只保留少量stem，但不要只留下一个不可拆的最终视频。若平台重新压缩、自动归一化或改变声道，上传后再次抽查，不把本地导出成功等同于线上播放正确。

舒适与安全

尖锐高频、突然巨响、长时间高声级和强烈左右摆动可能造成不适。恐怖、实验或动作作品仍可使用强对比，但应控制持续时间、保留预警空间并在目标设备上检查。不要为了“电影院冲击”让手机耳机版持续逼近极限，也不要让警报覆盖对白后再把两者同时放大。

原创迁移练习与答案

把原创片最关键的五条声音信息列出来，为每条写第二理解路径：画面动作、字幕、光色变化或下一动作结果。再让一位测试者分别在静音和仅听声音两种条件下复述剧情，记录缺失的因果，不要求他评价“好不好看”。

判断过程

静音版本不必传递全部音乐感受，但应保住关键人物、行动与转折；仅听版本不必还原所有构图，却应能听出主要声源和因果。两边都缺失的关键信息是剧作缺口；只有一边缺失时，判断它是有意的媒介专属体验还是需要冗余。

成功、失败与边界（八）

成功：字幕核对实际成片，声音描述记录可听事件，关键因果有第二路径，上传后复核。失败：直接发布自动转写；用颜色作为唯一说话人标识；字幕提前显示未来台词；为每个细小声音塞入描述。边界：作品可以故意让某些信息只通过声音获得，但创作者应知道这会排除哪些观看条件，并决定是否制作替代版本。

从零认识一条声音轨：给第一次打开剪辑软件的读者

时间线上的一条横向色块通常代表一个声音片段，波形只显示振幅随时间的形状，不直接告诉你“质量好坏”。高波峰可能是辅音、碰撞或噪声，低波形也可能包含清楚对白。播放头所在位置决定当前听见哪一刻；片段左右边缘决定它何时开始和结束；淡入淡出改变边缘电平；片段增益改变该素材自身强弱；轨道推子调整整条轨的平衡。不同软件名称略有差异，但这五种关系稳定。

第一次编辑时，复制工程并保留原始文件。把对白放一组，环境、拟音、音效、音乐各放一组；颜色和轨道名只为降低误操作。关闭其他组的按钮通常叫静音，单独听一组通常叫独奏。先用这两种按钮完成“只听对白”“只听环境”“对白加环境”“全部打开”四次对照，比一上来学习十个插件更重要。

剪切对白前放大时间线，寻找实际发声起点，但保留自然吸气；片尾保留足够反应和房间音。移动片段后从前一镜开始播放，因为孤立对齐可能破坏整体节奏。淡化能消除硬边点击，却不能修复错误房间、错误演员或错误台词。每次重要修改另存版本，记下“为何改”和“听出了什么”，而不是只写“最终版2”。

如果你完全没有录音设备，可以用现有手机做受控测试：开启勿扰，选择软装较多的安静空间，把手机固定在稳定位置，先录十秒房间音，再以一致距离录三条完整take。不要手持边走边录，也不要把手机自动美化结果当唯一母版。测试的目的不是证明手机等于专业录音棚，而是让你学会识别距离、房间和表演如何改变声音。

完成第一次粗混时，不追求某个“标准插件链”。先让对白在低音量下听清；关闭音乐检查动作因果；打开音乐后确认它没有吞掉字头；切到单声道；再用手机外放。记下具体问题及所在时间，例如“00:18.4未来岑遥的‘别’被静电遮住”，这样下一次修订才有对象。

最后建立一个最朴素的监听习惯：每调整十到十五分钟就暂停片刻，再以较低音量从场景开头连续播放。长时间循环同一句会让耳朵适应噪声、失真和失衡，也会让你只修局部、不再感受叙事。比较两个版本时尽量让感知响度接近，并随机切换顺序；否则更响或刚听过的版本容易被误认为更好。把第一次直觉写下来，再用声源、时间、层级、空间和权利五个问题解释它，训练的目标便从“会点按钮”转为“能说明声音为何成立”。

案例推演

《回声舱》全场声音案例

《回声舱》深度推演二：从八镜画面变成一条听觉因果链

以下推演基于仓库中实际存在的剧本（私有案例资料，公开版不提供下载）与sound_cue_sheet.md（私有案例资料，公开版不提供下载）。声音表状态是“教学参考 / 未实机验证”，所以它证明计划存在，不证明录音、生成或混音已经完成。请把下列内容理解为可执行设计，而不是已经听过真实素材后的质量结论。

SH-001：正常秩序。 低速通风连续，远处继电器以可预测间隔动作；岑遥校准控制台时只有轻微衣料与触控反馈。不开音乐。观众先学会舱室的“正常声音”，后续异常才有参照。

SH-002：异常接入。 静电不是突然占满声场，而是先以窄带、不稳定的纹理打破环境；控制台提示声与视觉灯同步。继电器节奏可以略有偏移，但通风不应消失。切到下一镜前，人声的首个呼吸或传输噪声可以先行。

SH-003：未来警告。 未来岑遥使用与当前岑遥相同的声音身份，但更急促；通过通信带宽和轻微失真显示媒介距离。当前岑遥不对口型，她的呼吸和微小衣料声属于近处反应。台词结束后保留短暂线路噪声，让观众等待回应。

SH-004：系统证明。 绿色安全灯变黄时，声音不必再加一层巨大警报。一个更近的继电器动作或状态切换音即可证明系统变化。极低音乐脉冲从这里进入，因为叙事从“不明讯号”转为“讯号所说正在发生”。

SH-005：主动质问。 岑遥吸气、按键、发问、松键后看向气闸。音乐在子音密集处退让，通风继续，按钮反馈只在接触与松开瞬间出现。不要让未来声线提前回答，也不要把角色说完后的安静把手删掉，除非后续实际镜头设计明确改变。

SH-006：私人证据。 三个音是原创母题，不借用现有旋律。它应足够清楚以成为身份验证，却不被音乐和静电吞没。三个音结束后保留一秒房间音，让岑遥和观众共同处理意义；这段停顿比新增解释对白更重要。

SH-007：威胁成为机械行动。 锁电机从画外启动，卡榫逐步接近锁止；岑遥伸手时出现有限衣料声，不夸张手臂挥动。机械声音的阶段要匹配画面运动，不能一个完整“咔嗒”先宣告锁定，再让画面继续旋转。

SH-008：未完成的选择。 锁声与上一镜连续，岑遥的手在拉杆前悬停。最后一次锁止只发生一半便与切黑同时或按导演选择先后中断。音乐也在切黑停止，不补结尾和弦。结尾留下的是行动未决，而不是音效库文件自然播放完毕。

成功版、失败版与边界版比较

决策	成功版	失败版	边界版
空间	通风连续，继电器有稳定远近	每镜换底噪，切点像换房间	主观惊慌时空间可收窄，但需有触发与恢复
对白	同一声音身份，两种行动状态	两句各用随机音色，只靠滤波统一	可故意失真到难辨，但关键语义需另有路径
音乐	黄灯后进入，对白和三音时退让	从开场铺满并预告全部转折	类型化强音乐可用，但要留具体声源位置
动作音	按键、锁机与画面接触点同步	音效先后随机，只求“有冲击”	非同步可表达主观错乱，但不能意外漂移
结尾	半次锁止与切黑构成未完成句	播完完整尾音再切黑，悬念被关闭	声音可先停或后停，两者需分别试听意义

三种制作路线

路线A：真人自录。 适合角色少、对白短、能取得安静环境的个人项目。优势是行动与停顿可由导演直接调整，权利关系相对清楚；难点是录音环境、表演稳定和自导自演。保留书面同意与原始干声，不因“是朋友帮忙”而省略。

路线B：合成声音。 适合原型、明确授权音色或不指向具体真人的角色声音。优势是版本和速度易调整；难点是合成腔、跨句身份变化、条款与数据风险。以声音特征和行动目标描述，不以模仿真实演员为捷径。

路线C：混合路线。 真人表演作为节奏与情感基底，授权工具用于清洁、转换或介质效果；环境、拟音和音乐独立制作。控制力最高，但权利链也最长。每一处理环节都要能回到输入来源和允许范围。

对《回声舱》，教材建议优先A或取得明确同意的C：同一表演者录当前与未来岑遥，未来版本只增加通信介质和行动差异。建议不等于批准；实际演员、服务和条款尚未记录前，license_report.md继续保持“未批准”。

制作方法

第一步：从剧本做声音通读

读第一遍只标对白和明确声音；第二遍遮住画面描述，问观众必须靠听觉理解什么；第三遍标人物听见后做出的动作；第四遍标可能跨切点的声音；第五遍删掉只重复画面的声音。输出不是素材清单，而是一张叙事职责表。

第二步：建立声音地图与命名

为对白使用DIA，环境使用AMB，拟音使用FOL，设计音效使用SFX，音乐使用MUS，再附场次、镜头、序号和版本。命名只是建议，关键是稳定。声音表至少写：ID、镜头、层、声源、画内/画外、角色能否听见、起止、相对强弱、空间、同步点、前后连续、来源、许可和状态。

第三步：先做临时轨和无音乐粗剪

使用自己录制或明确可用于草稿的声音搭出临时时间线。先不追求音色精美，只验证信息顺序、对白时长、停顿和跨切。静音检查画面是否成立，再开临时声检查它是否补充而非掩盖；最后完全移除音乐一次，确认故事骨架仍然清楚。

第四步：锁定对白文本与表演任务

每句写说话人ID、目标、对象、阻力、潜台词、准备动作、台词、结束反应和允许时长。计时试读后再决定镜头是否需要延长、拆分或改为画外声。不要在精片口型生成后才频繁改词。

第五步：录制或生成可替换干声

录制前获取同意并记录用途；先录房间音，再录正常、克制与强度变化版本。生成前确认输入权利和服务条款；保存提示、版本与输出记录。每条干声单独导出，不与音乐和环境焊死。用耳机检查削波、喷麦、噪声、混响、丢字和不自然拼接。

第六步：编辑对白并匹配画面

先选择完整表演，不先逐字拼接。清理首尾、调整句间停顿、用房间音填剪口；必要时做轻量增益、均衡、降噪和动态处理。口型若无法可靠同步，优先改为画外通讯、过肩、反应、设备特写或更短句，而不是让复杂全身动作与长对白同时成为模型目标。

第七步：建立空间底层

为每个场景建立环境母版，再按机位距离做变化。近景不意味着房间音必须更响，关键是声源相对关系；隔门、头盔、通信设备要改变频谱和反射。循环环境时寻找无明显事件的区段并交叉淡化，避免周期性接缝。

第八步：表演拟音与设计关键声

按画面速度和力度表演衣料、按钮、脚步、接触；把关键动作点放标记。设计音效从功能出发，先确定起音、发展、停止与材质，再选择或合成素材。每个复杂声音保留分层版本，方便在对白下减少某一层。

第九步：决定音乐的进入与退出

先写音乐功能，再写风格。把进入、变化、退让、退出标在时间线上，并至少制作无音乐对照。音乐若来自外部或生成服务，正式纳入前完成许可初审；不确定就继续使用明确标注的临时轨，禁止发布。

第十步：做基础平衡与空间

按对白、关键动作、环境、音乐的优先次序建立电平。先修素材和剪辑，再使用处理器；每次旁路比较，避免“更响所以更好”的错觉。相邻镜头的空间、噪声和声源方向连续，同时允许剧情触发的变化。

第十一步：测量但不被仪表替代

检查样本峰值、真峰值、节目响度和明显动态问题；记录使用的测量标准与软件。交付数值来自目标平台当前规范，而不是本章替你指定。测量前后都要听，尤其检查对白、切点、静默和编码后失真。

第十二步：完成权利与发布复核

逐项打开原始来源和许可文本，核对版本、商用、修改、同步、署名、地域与期限。真人声音检查同意范围，生成服务检查输入和输出条件。把证据保存到仓库外的安全位置，在许可报告中记录位置与哈希；隐私文件和原始人声不进Git。

第十三步：导出和多设备复核

保留无损声音母版、分轨或stem、最终混合、字幕/对白文本和许可报告。导出视频后重新听编码文件，而不是只听编辑软件时间线。至少用耳机、普通扬声器和手机外放复核；若有明确影院或平台，按其环境再测。

第十四步：记录批准与待办

把“文件存在”“技术检查通过”“内容被选择”“权利已核对”“人工批准发布”分开记录。自动脚本可以检查格式和缺失字段，不能听出表演是否真实，也不能替权利人授权。任何待生成、待同意或待复核项目保持真实状态。

常见误区

1. 认为声音越多越丰富。 层数增加也增加遮蔽和混乱；每层先写职责。
2. 全片铺音乐。 持续音乐消耗对比，常掩盖剧作与剪辑问题。
3. 把对白推大就算可懂。 先解决录音、频率竞争、动态和表演。
4. 忽略房间底噪。 对白剪口和镜头切换会像突然换空间。
5. 一键降噪开到底。 可能留下水声、金属声和丢失子音；先修环境与录制。
6. 让所有声音都在正中。 声源方向与画面不一致会破坏空间。
7. 用完整音效库尾音控制剪辑。 应按叙事需要编辑起止，而非服从素材长度。
8. 把生成音乐等同于无版权。 必须查服务、作品和本次用途的实际条件。
9. 看到“免费”就下载。 免费价格不说明商用、改编和署名权利。
10. 用公开采访克隆声音。 可访问不等于已同意用于数字替身。
11. 只保存网页链接。 页面可能改变；同时记录标题、作者、条款版本、日期和证据。
12. 把LUFS当成质量分。 响度符合数字并不证明对白、空间和叙事正确。
13. 只在一副耳机上混音。 低频、立体声宽度和对白在手机上可能完全不同。
14. 让自动工具批准。 工具可报告峰值、缺项和格式，人工必须判断表演、意义与发布责任。

正文练习

练习一：闭眼重建空间

选一个20—40秒场景，不看画面，只写你根据声音推断出的房间大小、人物位置、画外设备、动作顺序和情绪变化。再与画面比较：哪些声音提供了新信息，哪些只是重复，哪些产生矛盾？

参考方向

至少把事实与感受分开。例如“左侧出现两次金属撞击”是听觉事实，“危险接近”是推断。若无法说出声源位置或因果，检查声音是否只有气氛标签而没有事件。

练习二：一句台词的三种行动

把“你怎么证明你是我”分别写成审问、拖延和求救三种版本。不得改文字，只能改台词前动作、呼吸、重音、速度、停顿和台词后反应。录下三版并说明哪一版最适合镜头。

参考方向

审问可在按键前稳定呼吸、重读“证明”；拖延可先看气闸并拉长中段；求救可能起音更快、尾部失去控制。不要只写“愤怒/悲伤/害怕”，要写可听、可见行为。

练习三：无音乐诊断

复制粗剪，关闭全部音乐。标出三类位置：故事仍清楚、因果缺失、只是不习惯。前两类用动作、环境或对白修正；第三类至少等待一次完整观看后再决定是否恢复音乐。

参考方向

“没有音乐显得空”不是充分理由。若空白使等待更强，它可能正是正确设计；若观众不知道人物为何回头，才需要补充有来源的画外声。

练习四：权利链逆向追问

任选一条音乐或音效，从时间线向后追问：文件从哪来，谁创作、谁表演、谁录制，许可允许什么，本片做了哪些修改，发布在哪，如何署名，证据在哪里。任一答案为空就标为待复核。

参考方向

不要用“网上找的”“免版权”“AI生成”作结论。这些词没有说明具体主体、条款和用途。未知项不等于侵权结论，但应阻止它进入发布母版。

章节小结

声音设计从“观众需要听懂什么”开始，而不是从素材库开始。画内与画外声扩展空间；出现、消失和对比控制注意；对白通过行动、呼吸与停顿成为表演；环境和房间音维持世界；拟音让身体与物体获得重量；设计声建立可学习的系统规则；声桥跨切组织时间；音乐划分结构并在必要处让位。

生产上，先做声音地图和临时轨，再锁对白、录制或生成可替换干声，建立环境、拟音、设计音与音乐，最后进行层级、空间、动态、测量和多设备复核。任何一次模型成功、文件导出或响度达标都不等于人工批准。

权利上，文本、表演、录音、音乐作品、音乐录音、音效和生成服务是不同对象。真人声音需要具体同意，开放许可需要逐项遵守，生成素材需要保存服务和条款证据。真正可交付的声音，不只在耳朵里成立，也能在文件、版本和责任链上被解释。

对小白而言，最重要的不是一次掌握所有声音术语，而是养成固定顺序：先听故事需要，再定位具体声源；先检查原始素材，再处理和混合；先做无音乐与多设备对照，再相信仪表；先确认同意与许可，再进入发布母版。这个顺序会把模糊的“听起来不对”逐步转成可观察、可修改、可停止的制作问题。

章末工作簿

打开第10章工作簿。工作簿包含声音地图、对白行动卡、录音检查、音乐功能表、混音复核和权利链模板，可直接复制到原创片项目。练习均为可选，不阻塞阅读。

本章最小产出

若要进入正式混音或发布，请依据项目规模选择逐镜声音地图、真实计时的对白时间线、无音乐对照、多设备复核和逐资产许可记录。任一尚未录制或生成的项目都写planned/pending，不要填写虚构路径、响度或批准；这些练习不会限制你继续阅读或先做纸面设计。

延伸阅读

先阅读《回声舱》声音提示表（私有案例资料，公开版不提供下载），再对照剧本（私有案例资料，公开版不提供下载）逐行标出“声音出现—人物反应—下一动作”。技术测量参考ITU与EBU当前正式文件；开放许可参考Creative Commons官方说明。理论书目见下节。

注释与书目

---

1. 本章关于“职责—关系—可替换性—权利链”的组织框架为教材原创总结，用于1—3分钟AI微电影的单人制片工作。 ↩

2. Michel Chion, Audio-Vision: Sound on Screen, trans. Claudia Gorbman, Columbia University Press, 1994，参见“Added Value”与声画关系相关章节。 ↩

3. Walter Murch（声音与画面剪辑）及Francis Ford Coppola导演的《对话》（The Conversation, 1974）。本章只对录音反复聆听及其叙事作用作原创概述，不复制对白或画面。 ↩

4. Joel Coen、Ethan Coen导演，《老无所依》（No Country for Old Men, 2007）。案例仅概述其以具体环境和动作声组织紧张感的做法。 ↩

5. Judith Weston, Directing Actors: Creating Memorable Performances for Film & Television, Michael Wiese Productions, 1996，参见可表演行动、倾听与导演沟通相关章节。 ↩

6. David Sonnenschein, Sound Design: The Expressive Power of Music, Voice and Sound Effects in Cinema, Michael Wiese Productions, 2001，参见声音元素、意义与戏剧结构相关章节。 ↩

7. Francis Ford Coppola导演，《现代启示录》（Apocalypse Now, 1979）。案例仅概述开场声画与主观经验的组织。 ↩

8. Claudia Gorbman, Unheard Melodies: Narrative Film Music, Indiana University Press, 1987，参见叙事电影音乐的功能与观众感知。 ↩

9. Sergio Leone导演，《西部往事》（Once Upon a Time in the West, 1968）。案例仅概述开场环境、机械与等待节奏。 ↩

10. International Telecommunication Union, Recommendation ITU-R BS.1770-5: Algorithms to measure audio programme loudness and true-peak audio level, 2023-11，当前状态与下载见官方建议页面。 ↩

11. European Broadcasting Union, EBU R 128-2023: Audio loudness normalisation & permitted maximum level, Version 5.0, 2023-11。它面向广播响度归一化；具体发行仍以目标平台规范为准。 ↩

12. Creative Commons, “About CC Licenses”，核验于2026-09-09。六种许可及BY、SA、NC、ND条件应以具体作品所附许可为准。 ↩

13. U.S. Copyright Office, Copyright and Artificial Intelligence, Part 1: Digital Replicas, July 2024。报告讨论逼真复制个人声音或形象的法律与政策问题；本章不把其结论扩张为其他法域的现行法律。 ↩