耐测视频配音五要素生成

【音色】
1. 男声，三十岁上下，中低音域，略带沙哑的颗粒感，不用明亮少年音。
2. 吐字偏干，不用播音腔，咬字像长期拍评测的人对着镜头说话。
3. 气息保持稳定，长句中间不出现明显换气声，尾音自然下沉不往上挑。
4. 全片音色统一，测试段与结论段不换人，避免同一支片子听感跳变。

【情绪】
1. 整体冷静克制，前半段带一点疑惑，像自己也没想到进沙会这么严重。
2. 讲到转轴卡沙时转成凝重，语气压下来但不靠抬高音量制造紧张。
3. 结论段回到平稳，不煽动情绪，也不刻意制造恐慌。
4. 句间情绪落差控制在两成，避免前一句平静、后一句突然激动。

【语速】
1. 基准语速每分钟约 260 字，按 90 秒成片时长反推每段口播字数。
2. 测试过程段落放慢到每分钟 220 字，给开合动作与摩擦声留出空间。
3. 关键结论前加速半句再急停，用这半句形成节奏反差。
4. 全片语速波动不超过 40 字，不出现忽快忽慢的跳变。

【停顿】
1. 在「沙子已经进到转轴里」之后停 0.8 秒，把这句话留在空气里再往下说。
2. 在「内屏出现折痕」前停 0.5 秒，先给观众一个预期再抛结果。
3. 结尾「这就是长期进沙的代价」后停 1.2 秒再收，不抢最后一个画面。
4. 所有停顿按秒数标在脚本上，录制时照标注执行，不顺口就改标注不回删重录。

【场景】
1. 用于 90 秒竖屏评测视频的旁白，手机外放与耳机两种听感都要清楚。
2. 录制用 48kHz 采样，人声单独一轨，方便后期只调人声不动机效。
3. 室内做吸音处理，避免墙面反射把中低频糊成一片。
4. 底噪控制在负 60 分贝以下，不留明显齿音，喷麦处重录不靠降噪硬压。