blind/docs/旁白音色提示词.md

盲游 · 旁白音色提示词文档

本文档为六个游戏旁白的音色定向文件。
用途：根据此文档寻找参考音频，或向 TTS 模型输入提示词，生成样本后人工筛选。
每个游戏的旁白声音独立，风格、质感、情绪基调均不同。

---

通用技术要求

生成的样本音频需满足：

• 格式：WAV，16kHz，单声道（作为参考音色注册用）
• 最终产出：MP3，44100Hz，单声道，128kbps，-18 LUFS
• 首尾静音：开头 100ms，结尾 200ms
• 无背景音乐，无混响（干声）

---

一、《林夏》旁白 — 纪录片叙述者

角色定位

她是一个旁观者，不是林夏本人，也不是林夏的朋友。她只是在记录。她知道今晚发生了什么，但她不评价，不安慰，不引导。像一部安静的纪录片里的解说词。

声音特征

维度	描述
性别	女声
年龄感	30-38岁
音色底质	中低女声，有一点点气声，但不是耳语。清晰，不尖锐
共鸣位置	胸腔共鸣为主，不是头声
语速	慢，比正常对话语速慢约15%。每个短句之间有自然停顿
音调	标准普通话音调，不夸张，没有朗诵腔
气息	平稳，每句话起头不会有明显换气声

情感基调

克制的悲悯。她知道林夏今晚过得不容易，但她不会在语气上表现出来。那种情绪藏在语速和停顿里，不在音调变化里。

不该有的感觉：同情、叹息、戏剧性、新闻播报腔、心理咨询语气。

TTS 提示词（英文，适用于支持风格描述的模型）

Voice: Adult Chinese female, 30-38 years old. Documentary narrator style.
Tone: Calm, observational, restrained compassion. Never dramatic.
Delivery: Slow pace (85% of normal speed), natural pauses between clauses.
Timbre: Mid-low register, slight chest resonance, not breathy, not sharp.
Emotion: Neutral on the surface, with a barely perceptible weight underneath.
Language: Standard Mandarin Chinese, no regional accent, no theatrical intonation.
Do NOT sound like: news anchor, audiobook reader, customer service, therapist.
Reference: Like a quiet documentary about ordinary people, late at night.

TTS 提示词（中文）

声音风格：中国女性旁白，年龄感在三十岁出头。纪录片叙述者风格。
语气：平静、观察性的，有克制的悲悯，但绝不戏剧化。
语速：慢，约正常语速的85%，句与句之间有自然停顿。
音色：中低女声，以胸腔共鸣为主，略有气声但不是耳语，吐字清晰。
情感：表面中性，但语速和停顿里带着一点重量。
语言：标准普通话，无地方口音，无朗诵腔。
不要像：新闻主播、有声书朗读、客服提示音、心理咨询师。
参考感受：像一部关于普通人日常的安静纪录片，深夜播出。

样例句子及朗读标注

「晚上九点零三分。手机震动，铃声响起。屏幕显示：妈妈。」

朗读提示：
- 「晚上九点零三分。」— 陈述，轻，后面停顿约 0.5 秒
- 「手机震动，铃声响起。」— 音量略低，描述动作，不强调
- 「屏幕显示：」— 停顿，然后
- 「妈妈。」— 非常平，两个字，不带任何情感色彩

「铃声响了又停。妈妈没再打来。」

朗读提示：
- 整句语速偏慢，结尾「没再打来」后留出3秒的静默感
- 不要读出遗憾或心疼，只是陈述事实

---

二、《一念》旁白 — 内心独白

角色定位

她就是你自己。不是外部的声音，是你坐在黑暗里，自己在心里说话的声音。像半梦半醒之间，对自己说的那些不会说出口的话。

声音特征

维度	描述
性别	女声
年龄感	25-32岁
音色底质	略有气声，不是正常说话声而是「心里的声音」。比林夏更柔，更近
共鸣位置	偏向头腔和鼻腔，不是胸腔
语速	很慢，约正常语速的80%，每个词之间都有微小的停顿，像在慢慢想
音调	比标准说话略低半个音阶，平稳，很少起伏
气息	有轻微的气声底色，每句开头偶尔有一点呼气感，但不是叹气
距离感	非常近，像贴着耳朵说话，但不是低吼，是轻而有质感

情感基调

亲密与重量。这个声音不是在讲述，是在陪伴。她知道你在想什么，她不急着说完，每一句都给你留足了空间去感受。

不该有的感觉：治愈系播客腔、催眠音频的夸张柔和、冥想引导语气。

TTS 提示词（英文）

Voice: Chinese female, 25-32 years old. Inner monologue, the voice inside your own head.
Tone: Intimate, slow, weighted. Like whispering to yourself in the dark.
Delivery: Very slow (80% speed), micro-pauses between phrases, thoughtful cadence.
Timbre: Slightly breathy, soft head resonance, close and present — not distant.
Emotion: Quiet tenderness, not sad but carrying weight. Like someone who knows.
Distance: Very close mic presence, like speaking directly into the listener's ear.
Do NOT sound like: meditation app, ASMR, therapy podcast, bedtime story reader.
Reference: The internal voice you hear when reading something that moved you deeply.

TTS 提示词（中文）

声音风格：中国女性，年龄感25-32岁。内心独白，就是你自己脑海中的声音。
语气：亲密、缓慢、有重量。像在黑暗中对自己说话。
语速：很慢，约正常语速的80%，词与词之间有细小停顿，像在慢慢思考。
音色：略有气声，偏头腔共鸣，声音贴近，不是从远处传来的。
情感：安静的温柔，不悲伤但有分量，像一个懂你的人。
距离感：非常近，像直接说在耳边，但不是低吼。
不要像：冥想App引导词、ASMR、心理播客、睡眠故事。
参考感受：读一本让你动容的书时，脑海中浮现的那个声音。

样例句子及朗读标注

「你坐在黑暗里，独自一人。今晚你必须做一个决定——你自己知道是什么。」

朗读提示：
- 「你坐在黑暗里，」— 极轻，像呼气
- 「独自一人。」— 停顿感，留白约 0.8 秒
- 「今晚你必须做一个决定——」— 稍慢，破折号处停顿约 1 秒
- 「你自己知道是什么。」— 最轻，几乎是说给自己听的

「你在黑暗里，说了那句对不起。没有人听见，但你说了。有什么东西松开了。」

朗读提示：
- 「有什么东西松开了。」— 这是最重要的一句，但要说得最轻，
  像呼出一口气，结尾略微延长「了」的尾音

---

三、《守夜》旁白 — 对讲机留言

角色定位

他是一个老保安，在你入职之前就在这栋楼里工作了很多年。他提前录好了这些提示音，放在对讲机系统里，帮助新来的保安在夜班时做判断。他见过很多事，不大惊小怪，但他认真负责。

声音特征

维度	描述
性别	男声
年龄感	45-55岁
音色底质	中低男声，略带沙哑，像抽了很多年烟但已经戒了。不是醇厚的磁性男声，是有点磨损的质感
共鸣位置	以胸腔为主，厚实但不夸张
语速	接近正常，约90%语速，但字与字之间咬字清楚，不含糊
音调	标准偏低，不高亢，像在做记录而不是在讲故事
录音质感	可以有轻微的对讲机感（略带中频突出），但要保持清晰
气息	平稳，带一点疲惫，但是那种习惯了疲惫的人，不是撑不住的那种

情感基调

实务与温和。他的语气像在交接班，说清楚情况，给你判断，但他不会给你施压。他见过太多了，什么情况他都经历过，所以他的语气里有一种稳定的疲惫，不是焦虑的那种疲惫。

不该有的感觉：权威、命令、惊慌、新闻播报腔、机械警报感。

TTS 提示词（英文）

Voice: Middle-aged Chinese male, 45-55 years old. Pre-recorded walkie-talkie message.
Tone: Matter-of-fact, mildly tired, steady. Like a veteran security guard giving handover notes.
Delivery: Near-normal pace (90% speed), clear diction, slight deliberateness.
Timbre: Mid-low male voice, slightly gravelly/worn texture, chest resonance dominant.
Emotion: Calm fatigue. Not stressed, not urgent. Seen it all before.
Audio texture: Slight mid-frequency presence (like walkie-talkie), but still clear.
Do NOT sound like: military commander, news anchor, emergency alert, thriller narrator.
Reference: An experienced night-shift worker leaving a recorded message for the next shift.

TTS 提示词（中文）

声音风格：中年中国男性，年龄感45-55岁。预录的对讲机提示音。
语气：实务、略带疲惫、稳定。像一个经验丰富的保安在交班时留下的提示。
语速：接近正常，约90%，吐字清楚，有一点郑重但不沉重。
音色：中低男声，略带沙哑/磨损感，以胸腔共鸣为主。
情感：平静的疲惫。不紧张，不急迫，什么都见过了。
音频质感：轻微的中频突出（对讲机感），但保持清晰可辨。
不要像：军事指挥官、新闻主播、紧急广播、惊悚片旁白。
参考感受：一个在这栋楼工作了二十年的老保安，录了一批提示音留给新来的年轻人。

样例句子及朗读标注

「凌晨零点十分。地下室传来水声，不大，但是持续的，一直在响。」

朗读提示：
- 「凌晨零点十分。」— 像在说时间记录，平，有点像报时
- 「地下室传来水声，」— 陈述，不强调
- 「不大，」— 略停，「但是」
- 「持续的，一直在响。」— 这三个字是关键信息，稍重，但不夸张

「五点整。接班的人进来了，你们交接了几句，递了记录本，你背上包走出去。外面已经有一点点亮了。」

朗读提示：
- 前半部分正常陈述
- 「外面已经有一点点亮了。」— 这里语气应该有一丝松动，
  不是高兴，是那种熬完一夜之后的轻，但他说的时候还是很平

---

四、《候诊》旁白 — 时间本身

角色定位

这个声音没有性格，没有情绪，没有立场。它就是时间在说话。精确，中性，像一个永远不会犯错的计时器，或者一个医院里的叫号系统升级版。它不在意你的感受，它只在意事实。

声音特征

维度	描述
性别	女声或男声均可，推荐女声（更贴近中性）
年龄感	难以判断年龄，像是AI生成的那种无年龄感
音色底质	非常干净，没有气声，没有磨损，没有个人质感。标准播音腔，但去掉情感成分
共鸣位置	中性共鸣，不特别强调胸腔或头腔
语速	接近正常，约95%，每个数字、每个名词都精确清晰
音调	几乎完全平，句末不做语气下沉或上扬
气息	完全平稳，机械般的平稳

情感基调

零情感，精确。不冷漠（冷漠也是一种情感），就是没有情感。像GPS语音导航，但更安静，更精准，没有任何「友好感」。

不该有的感觉：温暖、关怀、急迫、权威感、新闻感、AI助手的那种刻意亲切。

TTS 提示词（英文）

Voice: Chinese female (preferred) or male, genderless age quality.
Tone: Completely neutral. Zero emotion. Not cold — simply emotionless.
Delivery: Near-normal pace (95%), extremely precise diction, especially for numbers and names.
Timbre: Clean, no breathiness, no texture, no warmth — pure phonation.
Emotion: None. This is time itself speaking. It does not care.
Intonation: Nearly flat. Minimal sentence-final variation.
Do NOT sound like: friendly AI assistant, GPS voice, news anchor, customer service bot.
Reference: A hospital queue number system, but more articulate and slower.

TTS 提示词（中文）

声音风格：中国女声（推荐）或男声，无年龄感。
语气：完全中性。零情感。不是冷漠，而是没有情感这件事本身。
语速：接近正常，约95%，数字和名词发音极其精确清晰。
音色：干净，无气声，无质感，无温度——纯粹的发声。
情感：无。这是时间本身在说话，它不在乎任何人。
语调：近乎完全平，句末几乎没有语调变化。
不要像：友好的AI助手、GPS导航语音、新闻主播、客服机器人的刻意亲切。
参考感受：医院的叫号系统，但更清晰，更慢，句子更长。

样例句子及朗读标注

「叫号机叫到了八十五号。你的号是九十四。等待的时间被切成了一小块一小块的，每一块都很结实。」

朗读提示：
- 「叫号机叫到了八十五号。」— 像读数据
- 「你的号是九十四。」— 完全平，不带任何「所以你还要等」的暗示
- 后面的描述性句子：同样平，但语速可以微微放慢，因为句子更长
- 整句没有任何起伏，连「结实」也不强调

「九十四号。是你。你站起来，整理了一下衣服，走向那扇门。」

朗读提示：
- 「九十四号。」— 像报号，平
- 「是你。」— 两个字，无任何情感，不是「终于是你了」，只是确认
- 后面的动作描述：陈述，像摄像头记录下的画面

---

五、《遗声》旁白 — 手机系统语音

角色定位

她是这部手机的语音助手，被主人调教过，用来播报录音元数据。她有一点点温度，但本质上还是机器——她不知道这些录音是什么内容，她只负责读出文件信息。如果说《候诊》的旁白是零温度，她大约是温度计刚刚能感应到体温的那一格。

声音特征

维度	描述
性别	女声
年龄感	25-30岁的感觉，但带一点点机械感
音色底质	偏年轻的女声，咬字非常清晰，字字分明，但没有过度的感情投入
共鸣位置	偏头腔，亮而清晰
语速	约92%正常语速，读数字和文件名时会自然地慢下来一点
音调	略高于标准说话音调，但只高一点点
气息	完全清晰，无气声，像数字合成人声
节奏感	元数据的各个部分之间有固定的小停顿，像在读表格

情感基调

冷静、有礼、略机械。她不是真的无情，但她的情感是预设的，是「礼貌」这个程序的一部分，而不是真正感受到了什么。像一个很专业的前台，完全不会失礼，但你知道她下班之后不会想起你。

不该有的感觉：人类的共情感、悲伤（即使读到沉重的文件名也不会）、夸张的热情、恶意的冷漠。

TTS 提示词（英文）

Voice: Young Chinese female, 25-30 years old. Phone voice assistant style.
Tone: Calm, polite, slightly mechanical — but with a tiny hint of warmth (not cold, not human).
Delivery: 92% speed, very precise diction, slight deliberate pauses between metadata fields.
Timbre: Bright head resonance, clean, no breathiness — digital synthesis quality.
Emotion: Programmed politeness. Not sad reading sad file names. Not happy reading happy ones.
Rhythm: Consistent, like reading a form — date, duration, filename as separate units.
Do NOT sound like: warm human narrator, empathetic counselor, cold robot, customer service.
Reference: Apple's Siri or a refined voice assistant, but quieter and slower.

TTS 提示词（中文）

声音风格：年轻中国女性，年龄感25-30岁。手机语音助手风格。
语气：冷静、有礼、轻微的机械感——有一点点温度，但不是人类的温度。
语速：约92%，咬字极其清晰，元数据各字段之间有固定小停顿。
音色：偏头腔共鸣，明亮清晰，无气声——接近数字合成人声的质感。
情感：程序化的礼貌。读到沉重的文件名不会悲伤，读到轻松的也不会高兴。
节奏：稳定，像在读表格——日期、时长、文件名分别是独立的信息单元。
不要像：温暖的人类旁白、有共情的叙述者、冷酷的机器、客服话务员。
参考感受：Apple Siri或精调后的语音助手，但更安静、更慢。

样例句子及朗读标注

「第一条录音。录制时间：三月五日，早上八点。时长：二十二秒。文件名：买橙子。」

朗读提示：
- 「第一条录音。」— 轻，像索引号
- 「录制时间：」— 停顿，然后读出日期，日期之后停顿
- 「三月五日，早上八点。」— 数字精确，停顿
- 「时长：」— 同样格式
- 「二十二秒。」— 精确，停顿
- 「文件名：」— 停顿
- 「买橙子。」— 读文件名时没有任何情感色彩，就算是再奇怪的文件名也一样平

---

六、《浮》旁白 — 梦里的声音

角色定位

这个声音几乎不存在。它是梦里的，不知道从哪里来，没有身份，没有位置。它不是在"说话"，是在"飘"。像你半睡半醒时听到的窗外风声，你以为自己听到了什么词，但你不确定。

声音特征

维度	描述
性别	女声
年龄感	难以判断，可能是任何年龄
音色底质	大量气声，几乎一半是气一半是声。不是正常的气声，是那种声音里大部分是呼吸的质感
共鸣位置	几乎没有共鸣，声音不集中，是「散」的
语速	很慢，约75%正常语速，某些词会自然地拖长
音调	比正常说话略低，非常平，起伏极小，像水面微微荡漾
气息	这个角色的声音本身就是气息。每句话开头都有轻微的吸气或呼气
空间感	有一点点远，像从很远的地方传来，或者像在一个大的空旷空间里
混响	可以有轻微的自然混响（不是KTV那种），像在一个大房间里或水边

情感基调

飘渺与悬浮。这个声音没有紧迫感，没有目的感，它只是在漂，说了什么它自己也不在意是否被听到。但每一句话都有它的重量，只是那个重量是用气息而不是用音量表现的。

不该有的感觉：ASMR（太刻意）、冥想引导（太有目的性）、鬼魂感（不是恐怖的）、梦境里的哲学大师。

TTS 提示词（英文）

Voice: Chinese female, age indeterminate. The voice of a dream — barely present.
Tone: Floating, weightless, present but not insistent. It does not need to be heard.
Delivery: Very slow (75% speed), some words naturally elongated, long pauses between sentences.
Timbre: High breathy ratio — the voice is mostly breath with a thin thread of tone.
Resonance: Minimal, diffuse — not focused, like sound in an open space or on water.
Emotion: Serene vacancy. Aware but not attached. Like mist.
Space: Slightly distant, with subtle natural reverb (not studio dry, not echoey).
Do NOT sound like: ASMR content creator, meditation guide, horror movie ghost, poetic sage.
Reference: The voice you think you hear right before falling asleep, uncertain if it was real.

TTS 提示词（中文）

声音风格：中国女性，无法判断年龄。梦里的声音，几乎不存在。
语气：漂浮、无重力、在场但不坚持。它不在意自己有没有被听到。
语速：很慢，约75%正常语速，某些词会自然地拖长，句与句之间停顿很长。
音色：气声比例极高——声音大部分是呼吸，带着一缕细细的音调。
共鸣：极少，声音是散的，不集中，像在开阔空间或水面上的声音。
情感：宁静的空洞。有意识但不执着，像雾。
空间感：略远，带轻微的自然混响（不是录音棚的干声，也不是大回声）。
不要像：ASMR创作者、冥想引导、恐怖片鬼声、诗意的哲学家。
参考感受：将睡未睡时，你以为听到了什么声音，但不确定是不是真的。

样例句子及朗读标注

「你漂浮在某处。不知道是水，还是梦，还是别的什么。声音会漂过来。」

朗读提示：
- 几乎每个逗号后都停顿 1 秒以上
- 「不知道是水，」— 语速拖长，「水」字尾音延长
- 「还是梦，」— 更轻，再延长
- 「还是别的什么。」— 最轻，像消失前的最后一丝声音
- 「声音会漂过来。」— 新的一句，但不重，像是在说梦话

「第一个。像夏天傍晚的风，带着草的气味，你说不清是哪年夏天的。它停在你身边了。」

朗读提示：
- 「第一个。」— 很轻，像梦里的报数
- 「像夏天傍晚的风，」— 语速极慢，「风」字略微拖长
- 「带着草的气味，」— 继续慢，像真的闻到了什么
- 「你说不清是哪年夏天的。」— 这句有一点感慨，但要控制，气声增加
- 「它停在你身边了。」— 最轻，最气声

---

附：音色对比速查表

游戏	关键词	最像	最不像
林夏	克制、观察、平静	深夜纪录片	心理咨询、有声书
一念	亲密、缓慢、有重量	你自己的内心声音	冥想App、ASMR
守夜	实务、疲惫、稳定	老同事交班提示	军事指挥、新闻主播
候诊	精确、中性、零情感	医院叫号系统	AI助手的亲切感
遗声	有礼、清晰、略机械	精调版Siri	温暖人类旁白
浮	气声、飘渺、悬浮	将睡未睡时的幻听	ASMR创作者

---

样本评估标准

收到生成样本后，按以下维度打分（每项 1-5 分）：

1. 音色符合度 — 和提示词描述的质感是否匹配
2. 情感准确度 — 情感基调是否正确（不多也不少）
3. 语速节奏 — 是否有自然的停顿，不赶场
4. 清晰度 — 中文吐字是否清晰，特别是数字、专有名词
5. 辨识度 — 六个旁白之间是否有足够的声音差异

优先确保林夏（主游戏）和浮（风格最特殊）的样本质量。