space-video-audio · 配音与配乐

给视频补上声音：旁白(TTS) + 背景音乐(BGM) + 混音。三块可单用，也能一次做完。

一、配音（TTS 旁白）

把口播稿变成旁白音频。按可用后端分档，优先质量高的：

档	后端	说明
高	IndexTTS2 / 克隆音色	有本地模型/配置时用，最像真人、可定制音色
中（默认）	edge-tts	免费、自然，中文音色好。uvx edge-tts 直接跑
兜底	macOS say	无网络/无依赖时用，机械感强

edge-tts 生成（推荐中文音色 zh-CN-XiaoxiaoNeural / zh-CN-YunxiNeural）：

uvx edge-tts --voice zh-CN-YunxiNeural --rate=+8% \
  --text "$(cat 02_脚本/口播.txt)" --write-media 05_音频/voice.mp3

• 长稿按句/段分段生成再拼接，避免一句错整条重来
• 生成后走 space-video-subtitle 用旁白音频重转写做字幕对齐（TTS 段时长只是规划元数据，不能当字幕时间轴）
• 语速：口播偏快更精神，中文 +8%~+15% 常用

二、配乐（找 BGM 并下载）

选曲：先定情绪，再找曲

根据视频内容和节奏定 BGM 的情绪与 BPM：

视频类型	BGM 方向
干货/教程	轻快 lo-fi / 简约电子，低存在感，不抢话
产品/科技	干净的合成器 pad / 节奏感电子
生活/小红书	明亮 ukulele / 轻流行 / 暖钢琴
观点/严肃	极简钢琴 / 环境氛围
快节奏盘点	有鼓点的 upbeat，卡点用

免版权来源（务必看授权）

见 references/music-sources.md。核心几个：

• Pixabay Music：免费、多数免署名（需网页/API）
• YouTube Audio Library：免费，部分需署名（需登录）
• Free Music Archive / ccMixter：CC 授权，多数需署名
• Incompetech（Kevin MacLeod）：CC-BY，需署名

下载

• 有直链的 → curl -L -o 05_音频/bgm.mp3 "<直链>"
• YouTube/B站 的免版权曲目 → yt-dlp -x --audio-format mp3 -o 05_音频/bgm.mp3 "<URL>"

红线：只用有权使用的曲目；需署名的记下来放视频简介；不搬运受版权保护的流行音乐；不确定授权就不用。选曲/授权是用户的决定，拿不准先问。

三、混音（合成到视频）

用 scripts/mix.sh，一条命令把 BGM(+旁白) 压进视频：

bash scripts/mix.sh --video in.mp4 --bgm bgm.mp3 [--voice voice.mp3] \
  --out out.mp4 [--bgm-db -20] [--fade 1.0] [--duck]

管线做的事（见 references/mixing-recipes.md 全套 ffmpeg）：

1. 对齐长度：BGM 太短自动循环，太长裁切到视频时长
2. 响度归一：loudnorm 把整体拉到 -14 LUFS 左右（平台友好）
3. 压音 ducking：有旁白时用 sidechaincompress，人声一响 BGM 自动下沉，人声停 BGM 回来
4. 淡入淡出：首尾 afade，别硬切
5. BGM 音量：无旁白约 -12~-16dB，有旁白垫底约 -20~-26dB
6. 封装：-c:v copy 不重编码画面，只替换/混合音轨

交接

• 上游：space-video-script 的口播稿（→旁白）、space-video-edit 的成片、space-video-broll 的 B-roll
• 下游：带声音的成片 → 发布，或回 space-video-edit 做最终封装

依赖

ffmpeg（需带 loudnorm/sidechaincompress，本机已支持）、yt-dlp、uvx（跑 edge-tts）；克隆音色档需 IndexTTS2 环境。

核心原则

• BGM 垫底不抢话：有旁白必开 ducking，BGM 只做氛围
• 响度归一：别让视频忽大忽小，统一到 -14 LUFS
• 授权优先：只用免版权/有权曲目，需署名的记下来
• 不重编码画面：混音只动音轨，-c:v copy 保画质