先了解 AI Studio 的语音生成
Google AI Studio 是在浏览器中试用 Gemini 模型的工作区。语音生成模式可选择预设声音，做单人或多人朗读，也能用日常语言要求疲惫的低声、逐渐兴奋的语气等表现。
双人配音适合对白片段：给句子标上说话人名字，再把名字对应到声音。本文撰写时，每次请求支持两位说话人。Gemini TTS 支持多种语言，开发者也可以通过 Gemini API 调用同类模型。
单章配音试验，按片段完成
- 1
打开语音生成
在 AI Studio 选择语音生成模式，再选一个 TTS 模型。
- 2
选择说话人与声音
只有旁白时用单人模式；对白场景可选多人模式，为两个说话人名字分别指定声音。
- 3
粘贴一段并写提示
放入章节的一部分，标清谁说哪句，并在前面写简短风格要求。
- 4
生成、回听、下载
听完整段后下载，有错读的部分重新生成。
- 5
依次处理剩余段落
做完本章后，在音频编辑器里按顺序连接各片段。
从配音试验走到整本书，会遇到什么限制
这些限制主要来自模型试验界面与成品制作之间的差别，不只取决于声音质量。具体数字会变化，使用前查 Google 当前文档。
- 每次两个说话人。 旁白加三个角色的场景需要分多次处理，或让同一声音兼任。
- 输入与输出有上限。 一次可输入的文本和输出音频都有限，一章通常要分多次生成。
- 免费使用有速率限制。 额度可能调整，付费 API 有自己的限制与按用量计费方式。
- 先核对数据条款。 免费使用的输入和输出可能被用于改进产品，粘贴未发表稿件前应读清条款。
- 角色阵容要自己记。 跨会话不会自动绑定人物与声音，需要保存列表并重新设置。
- 输出是片段。 拼接、响度处理、章节标记和封面仍需另外完成。
双人配音怎样处理多人场景
常见办法是成对生成：旁白与一个角色做一次，再与另一个角色做一次，最后按原顺序连接。也可以把旁白单独生成，对白才用双人模式。每次分割都可能带来节奏、音量或情绪变化，要回听衔接。
一部 20 章小说可能变成数百个片段，还要用表格记录角色声音。短篇或样音适合这样试，整本书会花更多时间在整理工作上。
手动片段拼接与完整制作流程的区别
| 工作 | Google AI Studio | AI Audiobooks 工作室 |
|---|---|---|
| 声音来源 | Gemini 预设声音 | Gemini Flash TTS 系列的 70 种标准声音，加 67 种高级 ElevenLabs 声音 |
| 场景角色 | 每次请求两个说话人 | 旁白、最多 10 个具名角色和“其他声音” |
| 章节 | 自己拆分文本 | 从 EPUB 目录、Word 标题样式、Markdown 标题或英文章节行分章 |
| 选角 | 每次会话自行指定 | 可识别英文对白说话人并分配声音 |
| 演绎提示 | 日常语言的风格指令 | [whisper] 等方括号提示与行内音效标签 |
| 修改一句 | 重做对应片段，再重新拼接 | 只编辑并生成对应句子 |
| 输出 | 多个独立音频片段 | 分章 MP3、ZIP，或带章节与封面的 M4B |
| 费用 | 额度内试用，更多用量按 API 计费 | 标准声音每成品小时约 9 至 12 美元 |
平台功能、额度和价格会更新，比较前请看 AI Studio 与 Gemini API 当前文档。
配音试验完成后，先核对发布条件
销售前核对两类规则：Google 当前条款是否允许你的用途，包括商用；目标平台是否接收 AI 配音。本文撰写时，ACX 不接受作者上传的 AI 音频，所以不能直接照着“Gemini 配音后传 Audible”的教程操作。
Google Play Books、Kobo 等平台按各自规则接收已披露的 AI 配音，也可以考虑自己的网站。无论在哪发布，都应如实说明声音来源，渠道比较见AI 有声书销售渠道。
