# 声音与验收清单

## 先锁人，再锁声，再做全片

1. 先生成两段 H3 样片：S03 质问、S19 机制说明。参数、音色、中文自然度与口型未过关，不批量烧积分。
2. 优先 H3 原生音画。音频参考是否能稳定复用同一声线必须实际验收，不能把可上传参考等同于克隆成功。标准 H3 多参考默认 2K；增强版的原生音频选项在当前 schema 为只读，不能伪造可写参数。
3. 使用同一虚构主播声线，不模仿真实公众人物。若原生方案无法稳定，暂停批量并报告；经确认后才采用独立配音加口型方案，不直接拿新音轨盖在旧嘴形上。
4. 表演保留原速。中段术语与长句留气口；不得整片2倍速或局部变调抢时长。当前时间表仅估时。

## 读音与气口

普通话成年男性中低音，有锋芒但无翻译腔。AXON、AEX、USDT、OKX、OKB、Bitget、BGB、BNB 的读法在样片中录制成读音表，经确认后全片锁定；不要在不同片段改读法。数字0.15与4000及原稿3处笔误先确认，不能让模型自行猜。

情绪轨迹：S01–05 质问/讽刺 → S06–09 低压提醒/替观众发问 → S10–17 冷静拆解 → S18–22 条理说明 → S23–26 反问再收束 → S27 邀请。句子间自然接气，不能每个逗号都硬停；标出的停顿是导演参考，听感优先。

## 素材生产与剪辑

- 27个编辑镜头；包含27个有声表演母段规划，以及9个可选5秒补充插镜。不是仅27次请求必定能做完；重试及补镜需单独记录。
- 每个 H3 请求5–15秒，语音前后预留自然表情。长台词宁可拆语义单位，禁止尾字挤压或裁掉。
- 插镜保留表演母段完整人声，不能在每个切镜点重做配音；过桥人声连贯。J/L cut不截辅音，环境声交叠约80ms，字音不得交叠。
- 每次切换有独立动机：视线、动作、纸张/建筑形状、自然门框遮挡、前后景移焦或语义硬切。不得把同一过场反复复制，不对人脸做交叉溶解。
- 没有任何无意义的窗外pan、速度坡道、白闪或虚焦遮掩。走动镜保持人物完整且等距。
- 白色字幕加细深描边，最多两行，每行约12–15汉字，基于最终实际音频逐句对齐；不铺绿色/黑色实心大色块。1080x1920安全区上180px下280px左右80px。
- 品牌标识后期叠加，用真实官方资产；AI生成内容标识按发布要求保留，不以品牌logo伪装成真实拍摄。
- 音频目标约-16 LUFS，true peak不高于-1 dBTP；音乐说话时比人声低约18–24dB，开头先让声音抓人。没有试听结果前不得填PASS。

## 必过验收

[ ] 每镜人脸、发型、衣服、左腕表一致，地理/光线连续。
[ ] 手和腕每帧检查：无第三只手、无左右手互换、握笔和落物不穿模。
[ ] 每个清晰口型镜逐字听看：发音起止、闭口和停顿同步，目标偏差不超过2帧；超过则重做/重对齐，不靠加速糊弄。
[ ] 不漏字、不增字，读音表统一，跨段没有突然换人感。
[ ] 近景只有S05/S23；不存在从远至近连续推脸模板。
[ ] 插镜有明确对应，不能为了补时长随机放建筑风景。
[ ] 所有收益/数量/权益描述核验或获得经审核的替换稿后，才进入对外成片。
[ ] 手机实际尺寸检查字幕、1080x1920全片播放、完整解码、逐段音频听审。

## 成本记录

本轮未提交任何 H3 付费视频任务。概念图由生图工具制作；工具未返回人民币账单，不虚报为0元。最终成本以每个任务运行前报价和运行后积分为准，台账字段：jobId / model / 秒数 / 开始积分 / 结束积分 / 实扣 / 重试原因 / 是否采用。不预估为包月必定够用。
