先定声音，再定画面

《天下不降》的序章是 10 秒黑场，画面上什么都没有，只有雨声。

这 10 秒不是省事，是故意的：先把声音定下来，画面才有依据。

为什么先定声音

• 旁白的语速和停顿，决定了每个镜头该有多长
• 环境声的「空间感」，决定了画面应该用什么景别和机位
• 音乐的情绪曲线，决定了哪里该给停顿

先做画面再做声音，等于让声音去迁就画面——听感会永远差一口气。

配音：23 条试音才定下来

四套音色各录了十句，最后选的是「说书爷爷」：苍老、有说书人的腔调、 句尾会往下压。这个音色在 API 里没有，是从网页版里试出来再导出的。

试音这件事不能省。声音不对，画面再好也像配乐朗诵。

音效：真实采样 > 合成

旗布、甲片、脚步、泥水——这些声音有具体的「质感」，合成音效做不出来。 我们列了 12 条采购单，逐条去采样库里找。

合成音效只做一件事：填空气。让它去演具体动作，一听就是假的。

混音的一个坑

多轨直接塞进视频，响度会被限制器偷偷压扁。 正确顺序：先合成一条 WAV，量峰值和 RMS，统一归一化，再封装进成片。

一句话

画面决定你看什么，声音决定你信不信。