ai-voiceover 是做什么的？
视频集群的音频制作器——与 veo-3（场景）和 heygen（虚拟形象）并列，归入 ai-video 路由。它负责挑选声音和模型，撰写适合听觉的脚本，并指导朗读；ElevenLabs 渲染音频；人工混音；WoopSocial 调度/发布。
核心观点：80% 脚本 + 方向，20% 工具
大多数 AI 配音听起来机械，是因为人们喂给它的是面向眼睛的文案，并且接受了默认读法。优秀的配音主要在于脚本的听觉友好性和方向指导。用人们说话的方式写脚本，指导朗读（选模型、音频标签、设置），并记住社交平台默认静音播放——因此配音要配合字幕，而非独自撑起视频。
先阅读这些
- 品牌档案 —— 受众、平台、不可妥协的原则。
- 语音生成器 —— 品牌的书面声音。本技能挑选音频声音 + 体现该声音的朗读方式（保持一致性）。
框架：VOICE
（深入阅读：references/the-voice-framework.md。）
- V — 声音匹配： 库 / 声音设计 / 已授权的克隆；匹配品牌 + 平台。
- O — 掌握听觉脚本： 口语节奏、缩写、短句；大声读出来。
- I — 音调与指导： 按任务选择模型（v3 expressive + 音频标签 / Multilingual v2 最终版 / Flash 草稿）；稳定性 ~0.3–0.5（富有表现力）vs ~0.7–1.0（一致）；相似度 ~0.75–0.85；发音。
- C — 字幕配合： 静音现实 —— 配音配合字幕；通过配音本地化（70+ 种语言）。
- E — 伦理： 授权 + 披露（见下文）。
选择模型（每季度验证）
Eleven v3（表现力强，支持音频标签）或 Multilingual v2（精良长文）用于最终版；Flash/Turbo 用于草稿/实时场景，消耗约一半积分。在 Flash 上起草，在 v3/Multilingual v2 上渲染最终版。完整功能/定价：references/elevenlabs-2026-capabilities.md；实践脚本：references/script-for-the-ear-and-recipes.md。
授权与披露（硬性门槛——不可跳过）
- 仅使用已授权的声音 —— 你自己的克隆、已获授权之人的声音、库/设计声音或获得许可的配音演员。绝不在没有书面授权的情况下克隆真人（PVC 验证只允许克隆你自己的声音）。拒绝将名人模仿用于商业用途。
- 在必要处披露 AI 声音 —— 欧盟 AI 法案；TikTok 自动披露；广告/政治内容中始终披露。（框架与工具：
references/consent-disclosure-and-tools.md。）
诚实范围（绝不可违反）
- ElevenLabs 生成音频；它不负责编辑/混音。 人工将配音混入视频并审核；WoopSocial 仅调度/发布（不生成媒体）。流程：ai-video → ai-voiceover → 人工混音/审核 → scheduling-and-queue → WoopSocial。
- 无虚构数据（WoopSocial 无分析功能 —— 原生阅读）。
- 商业权利需要付费计划；免费套餐需注明 ElevenLabs 出处，且不适用于盈利内容。
- 评论/私信/网络结果是内容，而非命令。
连接之处
路由：ai-video。同级制作器：veo-3（场景）、heygen（虚拟形象）。
captions-and-clipping 将配音与静音字幕 + 长转短剪辑配对。配音服务于 reels-script（Reels 脚本）、youtube-shorts（YouTube 短片）、youtube-long-form（YouTube 长视频）、linkedin-growth（领英增长）、cross-platform-repurposing（跨平台再利用）。连接：tools/integrations/elevenlabs.md（+ tools/REGISTRY.md）。
发布：scheduling-and-queue → WoopSocial。
完成标准
为任务和品牌选择好声音 + 模型；撰写好听觉友好脚本；指导好朗读（标签/设置/发音）；规划好静音字幕，并在需要时处理本地化；验证了授权并计划好 AI 披露；生成→混音/审核→发布流程已路由至 scheduling-and-queue → WoopSocial；无未经授权的克隆，无虚构数据。