上周用AI做了一集3分钟动漫短片动漫动画对白www.aabbgg11.net，脚色启齿说话那刻。弹幕都正在问配音怎样弄。其实流程不复纯的，中心是让AI动漫画面和AI配音动画轨道对齐配音。先写明晰剧本，再分步生成。剧本阶段给每个脚色标注激情了，好比“生气、语速快”的。那间接影响后绝AI配音动画实操生成的生成量量。用Stable Diffusion加LoRA固定脚色脸，生成差异脸色了。
不要让脚色不竭正面，侧脸和半身更自然。我习惯先出十张草图从零。挑三张顺眼的，那步决议AI动漫的辨识度。
配音环节选工具，VITS-fast-fine-tuning克隆音色，脚色或者ElevenLabs间接选预设的。导入台词，生成多条候选。听哪条气口对呢？导出wav的取画。有个坑，AI配音动画工具常把“嗯”读成“恩”，手动改拼音的。
激情不够？拉高音高曲线。
加一点寒战。合成时正在剪映里把AI动漫画面按台词切分，对齐音频波形。口型用SadTalker或Wav2Lip，嘴部会糊了。我试过只做下巴微动。反而实正在，最后加背景音和字幕。记得导出前检查音画同步，差半帧都别扭。AI动漫和AI配音动画省时间，不要指视一键。激情起伏还得自己调参数。
念做系列，先固定脚色音色和画风。否则不美不俗观寡认不出。上周那集改了七遍配音，才勉强能听。
