Kokoro TTS 声线与提示词技巧：让中文语气更自然的 12 个方法

先看结论：中文 TTS 不要只改一个词

很多人第一次做中文旁白时，会把注意力放在“要不要加一个亲切”之类的提示词上，但真正影响结果的通常不是单个词，而是脚本结构、停顿密度、术语一致性和导出方式。你要做的是给模型一个稳定的输入环境，让它每次都“有东西可以读”，而不是“猜着读”。

因此，这篇文章按实际制作流程组织：先定调性，再改脚本，然后分段生成，最后做轻度后期。只要这四步做对，中文语气通常会比单纯堆提示词稳定得多。

1. 先定调性，再写脚本

在开工之前先问自己：这段音频是产品介绍、教程开场、播客片头，还是客服说明？不同场景对应的语速、语气和停顿都不同。比如教程类内容适合“清晰、耐心、节奏均匀”，品牌片头适合“简洁、稳定、略带存在感”，而播客片尾则可以更柔和一些。

定调性之后，最好在脚本顶部写一行备注，例如：

调性：亲切、清晰、略慢
目标：适合中文播客片头，突出节目名
禁用：过多语气词、过快语速、夸张停顿

这行备注不会直接被模型读到，但它会帮助你后续统一脚本写法，不会一会儿像解说、一会儿像广告、一会儿又像新闻播报。

2. 中文短句比长句更稳定

中文合成最常见的失败方式之一，是把整段内容写成一大段长句。长句的问题不只是难听，还会让模型在重音和停顿上更容易漂移。更好的做法是把信息拆成多个短句，每个短句只表达一个动作或一个判断。

例如，把“我们将通过浏览器内推理、分段导出和轻度后期，快速得到适合发布的中文语音”拆成三句：

• 我们先在浏览器内完成推理。
• 然后按意群分段导出。
• 最后做轻度后期，得到适合发布的语音。

这类改写对中文尤其有效，因为中文没有空格分词，模型会更依赖标点和上下文边界。你给得越清楚，它越不容易乱跑。

3. 标点是最便宜的“提示词”

如果只能改一个地方，优先改标点。逗号决定呼吸点，句号决定收尾，顿号适合并列列表，冒号适合引出解释。很多时候，中文语气不自然不是因为模型不行，而是因为脚本里没有足够的停顿结构。

实操上可以这样写：

• 口播开头使用短句，建立清晰的起点。
• 长段落中每 15 到 20 个字插入一个逗号或句号。
• 列表型内容尽量一项一行，减少连续堆叠。

如果某一句过于生硬，可以在括号里加一个轻量提示，例如“（停顿 150ms）”或“（略强调）”。这类提示不要滥用，只用于需要突出节奏的地方。

4. 专有名词与术语要统一

低质量中文旁白经常出现在专有名词上：英文产品名、缩写、技术词、数字单位。如果你在一篇文章里一会儿写“WebGPU”，一会儿写“GPU 加速”，一会儿又写“显卡模式”，模型很可能会把它们读成不同的节奏。

正确做法是统一术语并在首次出现时写清楚读法。例如：

WebGPU（读作“Web G P U”）
Kokoro TTS（读作“Kokoro T-T-S”）
SOP（读作“S O P”）

对于中文播客或教程，建议维护一个术语表。表里只要记录三类信息就够了：标准写法、读音提示、是否需要在后文保持原样。

5. 数字、单位和英文缩写要提前处理

数字的读法很容易让合成结果变得突兀。比如“150MB”“48 kHz”“−16 LUFS”这类内容，如果不提前处理，模型可能会读得不连贯。更稳妥的方式是把数字按听感重写：把“150MB”写成“约一百五十兆”，把“48 kHz”写成“48 千赫兹”。

对于时间和范围也一样，尽量写成口语化但准确的形式，比如“二到三分钟”“十五到二十秒”“大约一百五十兆”。中文旁白最怕数字密集却没有口头化处理，这会让整句的节奏突然变硬。

6. 分段生成，别把整篇一次性压进去

建议把脚本分成一个个可独立听的片段。单段 10 到 20 秒最合适，超过这个长度，出错后回滚成本会明显增加。分段的另一个好处是，你可以对同一段反复试听，直到句子的停顿、重音和尾音都满意再进入下一段。

推荐的工作方式是：先把全篇拆成 5 到 8 段，生成第一轮试听版；然后在每段上只改一个问题，比如某个专有名词、某个停顿或某个句尾语气。不要每轮都改很多东西，否则你很难知道是什么改动真正起作用。

7. 什么时候要加“情绪提示”

中文 TTS 可以适度使用“亲切”“沉稳”“轻快”这类提示，但要把它们当作辅助手段，而不是主手段。提示词最有价值的地方，是在同一段里控制大方向：例如“开场更稳”“列表更清晰”“结尾更柔和”。

提示词最好放在段首或者段落说明里，保持结构统一。不要每句话都塞一堆修饰词，模型会变得不稳定，输出听起来像是多个风格在互相打架。

8. 轻度后期比重度修音更重要

真正生产可用的中文旁白，通常不需要太重的修音。目标是自然、清晰、可听，不是广播级炫技。一般建议只做三件事：控制响度、稍微去掉齿音、必要时做轻度限幅。

• 响度目标：立体声约 −16 LUFS。
• 真峰值：控制在 −1 dBTP 以下。
• 后期原则：只修明显问题，不要把声音磨得太平。

9. 一套可复制的模板

如果你经常要做中文旁白，可以把脚本模板固化下来。一个简单模板如下：

[调性：清晰、亲切、略慢]
开场：今天我们讲一个很实用的流程。
中段：先做什么，再做什么，最后怎么检查。
结尾：如果你要复用这套方法，可以直接按这个顺序执行。

模板的价值不在于华丽，而在于减少每次从零开始写作的时间，并且让不同期的内容有一致的节奏。

10. 提示词库怎么整理

如果团队里不止一个人要写脚本，最好把常用提示词做成一个小词库。这个词库不需要复杂，只要记录“用在什么场景”和“不要怎么用”即可。比如：

• 亲切：用于播客开头、教程导语、品牌介绍。
• 沉稳：用于技术说明、公告、企业流程。
• 轻快：用于片头和短促 CTA，不适合长段说明。

提示词库的关键不是多，而是稳定。只要你们在同一套词表里协作，音色和语气就更容易统一。

11. 实际示例：把一段生硬中文改顺

原句：

今天我们将介绍如何通过浏览器内推理和后期处理来获得更好的中文 TTS 效果同时减少上传和隐私风险

更适合合成的版本：

今天，我们来介绍一套更实用的中文 TTS 工作流。
它包括浏览器内推理、分段生成和轻度后期。
同时，也能减少上传带来的隐私风险。

改写之后，不但句子更清楚，停顿也更自然。对模型来说，这种结构更容易生成稳定语音。

12. 一个完整的工作流

1. 先写出完整中文脚本，不要先急着进 TTS。
2. 把长句拆成短句，把数字改成适合朗读的形式。
3. 统一专有名词和术语读法。
4. 分段试听，记录每一段的失败点。
5. 修正标点、停顿和提示词。
6. 导出后做轻度后期，最后整体复听一遍。

这套流程看起来朴素，但它比“多塞几个形容词”更能解决中文合成问题。

13. 常见错误

• 把一句很长的话当成一个段落直接生成。
• 同一篇文章中专有名词写法不统一。
• 提示词过多，导致语气风格飘忽。
• 一口气导出整篇，不留回滚空间。
• 后期处理过重，把本来清晰的发音压平了。

14. 复听时重点看什么

复听不要只听“像不像真人”，要听三个更具体的问题：停顿是不是合理、术语是不是一致、句尾是不是自然收住。如果这三点能过关，中文旁白通常就已经足够可用。

最后再提醒一次：中文 TTS 的核心不是“魔法提示词”，而是脚本、停顿、术语和后期的组合。把这四件事做好，效果会比盲目堆形容词稳定得多。

15. 排错对照表

16. 一个最小可用的提示词流程

1) 定调性：亲切/专业/轻快
2) 改句子：短句化、术语统一、数字口语化
3) 插提示：只在重点处加入（停顿）（强调）
4) 试听：先听开头与结尾，再听中间
5) 导出：每段单独保存并记录问题

你可以把这个流程直接贴到自己的笔记里，再回到 主工作流指南 找更完整的制作上下文。

17. 一段完整的样例脚本

[调性：亲切、稳定]
今天，我们用三分钟讲清楚一个小技巧。
先把句子拆短，再把专有名词写统一。
最后，轻度后期后再复听一遍。
这样做，中文语气通常会更自然。

这种样例的意义在于，它足够短，适合直接拿去测试；同时又足够完整，能暴露出“停顿是否自然”“词表是否统一”“结束是否收得住”这几个关键问题。

18. 什么时候要重写而不是微调

如果你已经调了好几轮，声音还是别扭，那么通常不是“再加一个提示词”就能修好的。此时应该重写句子，把复杂从句拆开，或者把某些英文词改成更口语化的中文表达。很多时候，重写一句比反复调整参数更省时间。

这也是为什么我们一直建议先回到 Kokoro Web 首页 和 Workflow Playbook 看整体流程：一旦把位置放对，提示词就只是辅助，不会变成主角。

19. 记录表怎么写

如果你经常要做中文 TTS，建议把“调性、提示词、术语、失败点”写进一个简单的记录表。最少只要四列就够：场景、用到的提示词、哪里有效、哪里没用。这样下次再遇到相似内容，你就不会从零开始试错。

这类记录表有一个额外好处：它能帮你识别哪些问题根本不是提示词能解决的。比如有些段落只是句子过长，有些则是术语表没统一。分清这两类问题，会比多试几轮更有效。

20. 最后一条实战建议

如果你是第一次把这套方法用在正式项目里，建议先选一段最容易听出问题的内容，比如开场或者术语较多的一段。只要这部分顺了，后面的段落通常就会轻松很多。反过来，如果开头都没调好，后面只会越修越乱。

你也可以把这篇文章当作提示词小抄，配合 Workflow Playbook 一起用。前者解决“怎么说”，后者解决“怎么做”。

21. 适合打印出来的清单

• 先定场景，再定调性。
• 先拆长句，再调提示词。
• 先统一术语，再做试听。
• 先做分段，再做后期。
• 每次都记录哪里有效、哪里无效。

如果把这些步骤都做完，中文提示词就不再是“碰碰运气”，而会变成一个可复制、可迭代的小流程。

22. 给团队协作的最后建议

如果不止一个人参与中文脚本制作，最好在开始前就约定一套最基本的写法：标点怎么用、术语怎么写、提示词加在哪一层。只要这一层统一了，后面的声线和后期就会更容易保持一致。

你也可以把这篇文章和 Workflow Playbook 配套使用，一个负责“怎么写”，一个负责“怎么做”。如果你需要先回到站点入口确认整体结构，也可以先看 Kokoro Web 的内容首页，再回到这篇文章按步骤操作。

23. 最后做一次公开前检查

在正式发布前，建议再做一次三分钟检查：标题是否一眼能看出主题，示例是否真的能用，结尾是否给出了可执行的下一步。对于 AdSense 审核来说，这种检查的意义很大，因为它能避免页面看起来像“写完就结束”，而会更像一个能帮助读者完成任务的教程页。

如果你愿意再加一层稳妥性，可以把最重要的提示词做成一段可复制模板，然后把它链接回 主工作流指南。这样读者既能看到具体写法，也能知道它在整套流程里的位置。

24. 提示词页为什么也要有结尾

很多提示词文章的问题是，写到“怎么写”就结束了，但没有告诉读者下一步该怎么验证。真正有用的页面应该在结尾补上一层动作：试读、记录、重写、再试读。只有这样，读者才会把这页内容从“收藏夹里的资料”变成“真的会用的流程”。

把这篇文章和 Kokoro Web 的内容首页 以及 Workflow Playbook 放在一起看，也能更清楚站点的价值不是单个技巧，而是一套连续的方法。

如果以后你要把中文提示词扩展到更多声线，也可以沿用同样的思路：先统一写法，再做小范围测试，最后把有效的表达沉淀成团队模板。这样每次改动都不会从零开始。

Prompt handoff checklist

tone lock
pause markers
term list
sample read
revision log
pronunciation note
short sentence
long sentence
stress marker
checklist owner
version stamp
audio target
review loop
fallback phrasing
team notes
publish gate
QA pass
context link
workflow link
archive copy

作者：Kokoro Web 团队 • 最后更新 2025‑01‑15