一、规划故事与拆解章节（2–3 分钟）
明确视频的单一承诺，如“教会观众用快捷键快速整理桌面”。将 5 分钟内容拆成 4–6 个小节，每节 30–60 秒。这样做的好处是，旁白生成时更容易控制语气，也更容易在剪辑阶段替换单个章节。
一个好用的原则是：每一节都只回答一个问题。第一节负责“为什么要做”，第二节负责“怎么做”，第三节负责“会遇到什么问题”，最后一节负责“结果是什么”。这样，整条视频会比把所有信息塞进一大段更稳定。
- 开场负责建立期待，不要太长。
- 中段负责讲方法，句子尽量短。
- 结尾负责收束，给出下一步行动。
二、写作与切分脚本（5–8 分钟）
句子要短；每段不超过 20 秒。加入提示词与停顿，帮助 Kokoro 把握语气与节奏。相比“写得像文章”，更重要的是“读起来能一口气说完”。
例如，如果一段里同时出现背景、步骤和总结，建议拆成三段。这样即使其中一段要重录，也不会影响其他部分。
[亲切] 欢迎回来！(停顿 300ms)
今天我们一起整理 Mac 桌面。(微笑)
先从三个文件夹开始：工作、个人、临时。
如果某个专有名词读音不稳定，可以在括号里给出拼读提示，但不要每一句都加。提示词应该只出现在需要强调的地方。
三、选择声线与语速（2 分钟）
从 2–3 个声线中对比预览；根据目标受众选择更亲切或更专业的音色。通过标点与短句控制语速，保证清晰度。这里不要只听“像不像真人”，而要听“是不是适合这个视频”。
如果你做的是教程类内容，通常更适合清晰、稳定、略慢的声线；如果是轻松的创作者内容，可以用更活泼一点的音色。但无论哪种，第一原则都是不要影响理解。
| 场景 | 建议 |
|---|---|
| 教程开场 | 语气亲和，语速稍慢。 |
| 步骤说明 | 句子短，停顿明确。 |
| 结尾总结 | 收束自然，避免拖尾。 |
四、生成与导出 WAV（5–10 分钟）
- 在 Kokoro Web 粘贴第一段文本，点击预览。
- 若节奏不自然，补充逗号或（短暂停顿）。
- 导出 WAV 并按顺序命名：
001-开场.wav、002-步骤1.wav等。 - 对所有段落重复以上流程。
导出时建议直接把文件名写成“章节名 + 顺序号”，这样以后重做时能一眼知道是哪一段。千万别只留“final.wav”或“new.wav”，那样很快就会混乱。
五、响度与清晰度（3 分钟）
目标 −16 LUFS（立体声）；轻微高频搁架均衡与软限幅可让声音更通透。若“s”音突出，可轻度去齿音。对于 5 分钟视频来说，清晰度通常比“特别大声”更重要。
如果你还要加背景音乐，建议先把旁白本身处理好，再单独调整 BGM。这样你可以更清楚地听出是旁白的问题，还是音乐盖住了人声。
六、拼接与与视频对齐（5 分钟）
# 用 ffmpeg 按顺序拼接旁白
ffmpeg -i 001-开场.wav -i 002-步骤1.wav -i 003-步骤2.wav -i 004-总结.wav \
-filter_complex "[0:a][1:a][2:a][3:a]concat=n=4:v=0:a=1[out]" \
-map "[out]" 旁白.wav
在剪辑软件中将“旁白.wav”拖到时间线下方；先对齐章节分割，再补充 B‑roll。若有 BGM，将其响度控制在 −26 到 −28 LUFS，避免压住人声。这里的核心不是“把音频放上去”，而是“让旁白和画面节奏一致”。
如果你发现视频和语音节奏不合，先不要急着重录。很多时候只要把章节开头和结尾各补一两秒留白，就能明显改善观感。
六、检查清单
- 每段传达一个核心点，无长难句。
- 语速与受众匹配；吐字清楚。
- 最终响度靠近 −16 LUFS；无削波。
- 素材命名规范、可回溯；保留 WAV 母带。
这份检查清单的目的，是让你在发布前少返工。如果每次都能按同一份清单检查，后面的制作速度会越来越快。
常见问题
Q：离线可用吗？
A：首轮下载模型后即可离线生成。
Q：遇到节奏生硬？
A：增加逗号与（短暂停顿），或拆成两段生成。
Q：第一次做 5 分钟视频要注意什么？
A：先把脚本拆细，再开始生成。脚本越清楚，后面越省时间。
一个更实用的制作卡
- 主题：一句话写清楚，不要泛化。
- 段落：4–6 段，每段职责明确。
- 导出：WAV 母带 + 交付版。
- 文件：按段落名称和顺序编号。
- 复听：先听开头和结尾，再听中间。
这张卡放在脚本旁边，会帮助你在制作过程中保持节奏，不至于因为信息太多而来回切换注意力。它也能和 主工作流指南 对应起来，看清脚本、生成和导出的关系。
13) 什么时候该换成更长的结构
如果你发现 5 分钟根本讲不完主题，不要硬压。把结构拉长到 7 到 8 分钟，反而会更自然。TTS 最怕“信息过满”，因为它会逼你把很多重要内容塞进同一句里。与其这样，不如把视频拆成更明确的章节。
5 分钟适合做“一个问题的完整回答”。如果你要讲三个问题，那就应该拆成三个视频，或者把它们放进系列里。这样做的结果是，你每一集都更容易写、更容易录，也更容易复用同一套流程。
14) 一个最后的提醒
旁白不是为了证明模型有多强，而是为了把内容讲清楚。只要你在脚本上多花一点时间，后面的导出、混音和剪辑都会顺很多。这个顺序跟 Workflow Playbook 的思路是一致的：先把流程理清，再谈细节优化。
15) 如果你要批量做很多期
当你开始批量制作类似视频时，最有用的不是更多技巧，而是一套固定模板。把开场、正文、结尾固定下来，再把每期的“主题句”替换掉，就能显著减少反复修改的次数。这样做的效果，是你越做越快，而不是越做越乱。
如果想把这篇文章当成一种工作法，你可以把它和 Kokoro Web 首页、Workflow Playbook 一起当作参考框架：前者是入口，后者是流程，这篇则是具体的 5 分钟案例。
16) 最后一个实用建议
如果你第一次做就觉得细节很多，不用担心。把这篇文章里的步骤先照着跑一遍，下一次再调整节奏和风格，会比一开始就追求完美更快出结果。对 5 分钟视频来说，完整地做完一版，比纠结每个字更重要。
等你做熟之后，这份流程还可以直接迁移到更长或更短的视频里，只需要重新调整章节长度而已。
给新手的排错顺序
- 先检查脚本是否太长、太密。
- 再检查是否有专有名词没统一写法。
- 然后检查分段是否过长，是否有一句里塞了太多信息。
- 最后才看后期是否需要轻微响度修正。
这个顺序很重要，因为很多人会反过来：先调插件，后改脚本。实际上，绝大部分问题都来自脚本组织，而不是最后那一步处理。
一个可复用的 5 分钟结构图
开场（15–20 秒） → 问题引入（40–60 秒） → 方法讲解（2 分钟） → 示例演示（1 分钟） → 收尾总结（30 秒）如果你之后要写更多类似内容，可以把这份结构直接复制到新的脚本里，再根据主题替换每个段落的核心信息。这样你的制作流程会越来越稳，也更容易和 主工作流指南 对上。
什么时候该重写脚本
如果你发现一段音频总是“差一点”，先别急着继续调后期。很多时候真正的问题是脚本太满、句子太长、信息层级太乱。此时最有效的做法是回到原文，把一段长句拆成两句，或者把不重要的修饰词删掉。
这一步看起来慢，但实际上会让整体制作时间更短。因为你不会在错误的结构上反复修修补补。
最后的发布前检查
- 标题是否明确说明这是 5 分钟案例。
- 正文是否至少给出一个可复制模板。
- 结尾是否链接到更完整的流程文档。
如果这三项都满足，这篇文章就不只是“介绍一下”，而是能直接拿来做项目参考的页面。你也可以先回到 Kokoro Web 的教程首页，再结合 Workflow Playbook 看整体思路。这样读者就能从首页、指南到案例形成完整路径。
这类页面最有用的地方，是它既能当案例，也能当模板。你以后再做类似视频时，只需要替换主题句和示例内容，剩下的章节结构基本可以直接复用。
Video handoff checklist
hook line
timing check
chapter split
term list
readback pass
export name
thumbnail note
final review
publish slot
workflow link
home link
revision note
backup audio
script copy
QA owner
sound check
caption note
title lock
description link
archive copy作者：Kokoro Web 团队 • 最后更新 2025‑01‑15