AI配音情绪标签：用 [方括号] 指挥有声书朗读

声音标签：[laugh]、[sigh]、[breathe]

FullCastBook 支持三个声音标签：[laugh]、[sigh] 和 [breathe]。把它们放在声音发生的准确位置：“我就说会下雨吧。[sigh] 算了，拿我的外套。”放在句首，会给后面整句定调；放在句中，就是一个反应。

只在人真的会发出这个声音的地方用，而且要让文字撑得住。一句并不好笑的话后面跟着 [laugh]，听起来像故障，不像角色。和所有提示一样，声音标签是请求，不是保证，所以每个加了标签的句子都要听一遍。

语气提示：简短、具体、说人话

语气提示描述的是这一句听起来该是什么样，而不是它的意思。好的提示短而具体，最好是“情绪 + 方式”：[hurt, trying not to show it]（受了伤，却不想表现出来）或 [whispering, like sharing a secret]（像说悄悄话一样低语）。像 [emotional] 这样含糊的提示，声音无从下手；太长的提示则可能被截断。

在工作室里，每一句的说话人旁边都有一个“语气”栏。FullCastBook 给一章选角时，会在原文语气很明确的地方自动填上几个词，比如台词后面写着“她低声说”。检查这些建议，删掉不需要的，再在转折处加上你自己的。本页示例用英文提示并附中文意思；如果中文提示效果不稳定，可以换成简短的英文再试。

哪些声音会照做：高级表现力模型和标准声音

不同声音接受指挥的方式不同。FullCastBook 的标准声音运行在 Google 的 Gemini TTS 上，你的提示会作为这一句的风格指令发送；[sigh]、[laugh] 这类声音标签同样有效，FullCastBook 会按 Google 为 Gemini TTS 规定的尖括号写法（<sigh>、<laugh>）发送。高级的表现力模型 ElevenLabs v3，会把简短提示作为音频标签放在句子前面，而且只传递 40 个字符以内的提示，所以要写得精炼。速度更快的高级模型 ElevenLabs Turbo 2.5 不接收语气提示和声音标签（标签会被略去，不会被念出来），适合平稳的旁白，遇到需要大量演绎的场景就换模型。

这也是为什么一家公司的标签列表，不能照搬到所有模型上。截至 2026 年 10 月，ElevenLabs 帮助中心写明音频标签由 Eleven v4 和 Eleven v3 支持，所以网上那些 ElevenLabs 标签大全并不适用于它的旧模型，其他公司也各有自己的写法。即使在支持标签的模型上，结果也取决于声音本身：ElevenLabs 提到，严肃、专业的声音可能不太响应俏皮的标签。

按题材看标签：三段小示例

悬疑。旁白：脚步声在门外停住了。林晚：[whispering, terrified]（害怕地低声）“别动。[breathe] 他们听得见。”

言情。顾川：[warm, teasing]（温柔地逗她）“那张电影票根，你还留着？”苏念：[laugh]“闭嘴。”[sigh]“……留着呢。”

恐怖。旁白：[slow, hushed dread]（缓慢、压低、带着恐惧）地下室的灯已经很多年没亮过了。有人把它打开了。注意哪些地方没加标签：悬疑片段里旁白的第一句，恐怖片段里揭晓之后的一切。正是这些没标的句子，让标了的句子立得住。

用过头：标签什么时候会拖累朗读

使用 AI配音情绪标签最常见的错误，就是每句都标。一章里每句话都带提示，听起来像在表演情绪，而不是在讲故事；笑声和叹气一多，就变成口癖。大多数句子照原文读就很好，只标一场戏的转折点，其余放着别动。

旁白少加提示。听众大部分时间都和旁白在一起，平稳温和的旁白，才能衬托出角色那几句有演绎的台词。也要留意矛盾：原文写着“她苦涩地说”，提示却是 [cheerful]（愉快），听众听到的就是一个错误。角色声音本身怎么定，见有声书配音技巧。

只重新生成一句，直到它对为止

AI配音情绪标签很少第一次就句句到位。某句没演对时，一次只改一处：把提示改短、换一个情绪词、挪动声音标签，或者在该停顿的地方加个逗号或省略号。然后只重新生成这一句，章节里其他句子保持原样。

每次重新生成都会把这一句再配一遍，也会再次消耗积分，所以先在一章样章上定好演绎风格，再生成整本书。积分按配音的字符数计算，一个标签只多几个字符，详见价格。如果你在搭一整套角色演绎，多声音文字转语音讲了这些声音怎么配合。