独立游戏配音工作流

成品配音先做制作边界

独立游戏配音不是“把所有文本丢进 TTS”。成品语音会被玩家反复听到，也会进入 Steam 页面、预告片、直播和评测视频。它需要明确边界：哪些角色必须请演员，哪些 NPC 可以用授权 AI 声线，哪些台词只保留文字，哪些内容只是内部临时音频。

这条流程适合已经有稳定脚本、想给 NPC、旁白、教程、广播和支线角色加声音的小团队。它不适合靠主角表演卖点的叙事游戏，也不适合没有人做音频审核的项目。真正的瓶颈通常不是生成速度，而是写得像人说话、导出后能在引擎里稳定触发、以及权利记录能经得起发行审查。

制作可发行语音资产

先按角色重要度分层。主角、反派、核心同伴放在最高层，优先真人或强审核流程；商人、守卫、教程提示和环境广播可以进入 AI 候选池；一次性路人可以用声音池。每个角色都要有 voice brief：年龄、能量、口音限制、情绪范围、禁用参考和示例台词。

脚本要先改成可朗读文本。书面句子通常太长，玩家在游戏里没有耐心听 18 秒解释。把教程拆成 3 到 5 秒的小句，战斗 bark 控制在 1 秒左右，剧情对白给字幕留足阅读时间。生成后统一裁静音、响度、采样率和命名，并在 Unity、Godot、Unreal、FMOD 或 Wwise 里测试。

工具选择

ElevenLabs 是速度和质量的默认选择。Resemble AI 更适合需要 consent、治理和企业记录的团队。WellSaid 适合授权声音和品牌安全。Cartesia 适合自建 API 管线。F5-TTS 和 Chatterbox 适合本地实验或成本敏感项目，但要准备 GPU、批处理、失败重试和人工 QA。

页面中的 FMOD + Unity 视频展示的是游戏音频从素材到事件再到引擎测试的过程。即便你用 AI 生成声音，最后也必须按游戏音频资产管理，而不是按“下载文件”管理。

发行前检查

上架前至少抽查主线、支线、教程、战斗、失败、商店页视频里出现的语音。记录工具、套餐、voice id、授权、生成日期、审核人和最终文件。使用真人声音克隆必须有明确同意；使用开源模型也要分别检查模型许可、参考音频权利和平台披露要求。

提前决定鸣谢写法

发行前就要决定 AI 语音是否写进 credits、披露文本或 accessibility note。玩家、演员和评测者越来越关心声音来源。清楚写明比含糊表达更稳。如果真人演员提供了参考音频或同意克隆，应按协议署名，并把同意记录和发行构建一起归档。

复盘节奏

不要等流程跑大了才复盘。前三个真实项目结束后，就比较节省的时间、返工时间、人工修正量和观众反馈。如果自动化带来的审核债比产出价值更高，就缩小使用范围，而不是继续加工具。最稳定的 AI 工作流通常输入范围很窄、审批规则清楚，并且公开发布前保留人工检查点。

负责人规则

给这条流程指定一个负责人。没有负责人时，生成资产会越堆越多，质检标准会漂移，团队也不知道哪个版本可以复用。负责人不需要亲手做所有步骤，但要维护检查表、批准最终导出，并判断工具结果是否够用，还是应该人工重做。