选一个不让你出戏的 AI 角色声音

你可以写一张完美的角色卡，然后在角色第一次开口的那一秒钟全盘崩掉——TTS 比文字残忍，它对错误零容忍。一句"我想你"如果语气比该有的开朗一点点，这句话就再也严肃不起来了。音调高半度，角色一下子比设定年轻 20 岁。

Reverie 在声音上给了你很多控制权。下面讲怎么用好它——选哪个引擎、选哪个声音、什么时候该动 emotion。

三个引擎：Edge、MiMo 和 MiniMax

Reverie 自带三个 TTS 提供商：

Microsoft Edge TTS（免费，默认）。 主力。17+ 种语言、每种语言多个声音、按性别提供默认值、生成快。代价：它是一个"稳定播报员"。它能把台词念清楚，但不会演。绝大多数场景够用；高情绪场景就吃力。

MiMo（目前免费）。 Voice Studio 的默认引擎，当前促销期间免费。和 MiniMax 一样，它能带出情感色彩，而不是平着念——所以它是最该先试的那个。今天不花钱，而且它是在演这句台词，不是在报这句台词。

MiniMax（付费）。 保真度更高、每种语言有多个 voice ID、最重要的一个功能：情感支持。合成可以带情感色彩——温柔、愤怒、犹豫——Edge 做不到。它需要有效订阅，并按文本字符计费，所以要盯的是长度：一段长独白比一句短台词贵。

正确的心智模型不是"免费 vs 付费"。是：日常台词用 Edge 或 MiMo，你希望被记住的瞬间用 MiniMax。

如果你跑一段长剧情、角色大部分时间在斗嘴，免费引擎撑得住。一旦到了角色终于说出那句憋了很久的话——切到 MiniMax。这是音频版本的"重头戏升级到更贵的模型"——给值得的台词买便宜的保险。

声音是怎么被选出来的

Reverie 按这个优先级给角色挑声音：

1. 你的偏好（如果你对这个角色专门设过覆盖）。
2. 角色默认——创作者选的那个。
3. 按语言 + 性别兜底——根据角色所用语言和性别，挑对应的 Edge 默认声音。

实际意义：

• 如果一个角色"听起来不对"，你设的覆盖会盖掉创作者的选择。你不用等创作者更新角色卡。
• 如果你什么都没设，你听到的就是"语言+性别"那一档兜底的声音。它几乎肯定不是这个角色最合适的声音，只是最不会出错的。
• 兜底机制存在是为了保证角色永远不会没有声音。它是下限，不是目标。

选一个适合角色的声音

最常见的错误是按人口学匹配来选（角色是 30 岁女性，选一个 30 岁女声）。人口学匹配只能给你一个普通的声音。角色匹配才能给你一个让人记住的声音。

30 岁的战地医生和 30 岁的瑜伽老师听起来完全不一样。同年龄、同性别，完全不同的声音。要听的是：