产品视频的文字转语音，最好让画面决定哪里需要旁白。从已经写死的段落出发，常常会得到重复那些一眼就懂的点击、盖住界面、又不给观众消化变化的音频。
这份核对清单用在已经有一条粗剪画面之后。把每一次屏幕变化变成配音决策，再把生成音频切成产品改版时能单独替换的段落。
要点
- 先无旁白看粗剪，再写配音。
- 字数只花在画面自己讲不清的语境上。
- 用时间余量最紧的那句来试听。
- 分段导出，让一次界面修改停在局部。
标出静音里的证据
把视频静音播放，给每个节拍贴上：自明、含糊、或看不见。光标打开菜单，可能不用解说。为什么选这个菜单，可能只要一句短的。画外后果，可能要在点击前给一句提醒。
做一张三列笔记：可见动作、缺失含义、最长可说话窗口。这样沉默是刻意选择，不是等着被填上的空洞。
给每个节拍一份字数预算
按可用镜头写，不要按你喜欢的段落长度写。用不赶的语速出声读，并在前后留气口。若说明只有加速才塞得下，就缩短句子，或拉长画面节拍。
产品标签保持原样。把标签贴近它标识的动作，删掉拖住名词出场的铺垫。数字和警示值得拥有自己的收听空间。
试听最不灵活的那句
选窗口最短、名字最难、或后果最要紧的一句。用这些原词，比较 公开音色库 里的候选演绎。通用样例里出彩的音色，还没证明扛得住这条剪辑。
把入围音色送进 文字转语音。检查关键词是否听得清、演绎是否不用加速也卡得住、最后一个字是否在画面转场前结束。先改文案，不要试图靠演绎指导掩盖结构问题。
按剪辑边界生成
一场、一条指令、或一个稳定的编辑单元，对应一个文件。不要在一个意思中间随意切开。好的边界让剪辑在控件改名时，只换那一行，不动前面的解释和后面的收益。
在文件名和脚本里都带上段落标识。留一条已通过的参照版本，维持连贯。生成记录 方便找回上一版，配对脚本则记录用词和审批状态。
用可感知的对比来指导演绎
“再暖一点”“再有劲一点”对每个审听的人含义都不同。改成绑在镜头上的对比：警示比转场更慢，按钮文案比周围从句更清楚，或收束最后一句时不要促销上扬。
生成后，先不看字幕、不放音乐听一遍，抓文案和卡点。再连上音乐、字幕和画面听完整体验。第二遍回答的是：在成片环境里，旁白是否仍扛着必要信息。
为下一次界面改版做准备
把终稿脚本、段落图、通过的文件和发音决定放在一起。标出引用了界面文案的句子。界面一变，先查这份档案，只重做受影响的段落。
做本地化时，复制画面节拍图，而不是把译文硬塞进英文时码。一门语言可以要不同的字数预算或镜头时长，只要使用者得到的结果不变。
发布卡片
- 每一句口播标签都对得上可见界面。
- 旁白补充含义，而不是描述每一个动作。
- 数字、警示和产品名，听一遍还能站住。
- 每个文件都指向通过脚本里的一段。
- 完整混音给字幕和视觉注意留出空间。
- 替换说明和参照版本找得到。
常见问题
旁白必须描述每一次点击吗？
不必。讲目的、后果或看不见的语境；让显而易见的指针运动自己说话。
多少静音可以接受？
观众消化一次有意义的画面变化需要多少，就留多少。静音是节奏的一部分，不是缺稿。
一个音色能撑住一整套视频吗？
可以，只要每一集新内容仍通过难句试听和连贯性审听。
按钮改名之后要动什么？
更新脚本档案，并重做所有读出旧标签的段落。其余已通过段落可以留下。
本地化规划该何时开始？
在节拍图阶段，赶在英文旁白把每场时长焊死之前。
让剪辑来要词
静音看完前三十秒，找出一处缺失的含义，只写补上它的那一句。这比从上到下解说界面，更适合作为产品视频文字转语音的起点。