音色设计提示词可以很简单。像「一位带轻微法国口音的年轻女性」这样的简短描述，就足以开始生成声音。
想要更具体的结果，就补充你在意的细节：角色、可听特征、表达方式或情绪语境。你不需要把每项都写上，细节更多也不保证声音更好。一段相匹配的试听文稿，能帮你听出结果是否符合预期用途。
音色设计提示词里可以补充的五类细节
根据你想要的声音，可以加入以下任意几项：
角色与情境
基础声音
声音质感
语速与表达
情绪与文稿适配
1. 确立角色与情境
先说明说话人是谁，以及我们通常会在什么场合听到他们。
有用的角色例如：
一位值完漫长班次、临近下班的客服人员
一位对失眠听众说话的深夜电台主持人
对比一下：
一个温暖的男声。
和：
营造出深夜电台主持人对一位失眠听众说话的感觉。
第二种写法立刻暗示了亲密感、音量、节奏，以及与听众之间的关系。
2. 定义基础声音
用日常语言描述声音的大致年龄、性别（如果相关）、音高、口音，以及它是自然人声还是带有合成感。例如：
a young woman with a light French accent（带轻微法国口音的年轻女性）a middle-aged man with a deep, warm voice（声音低沉温暖的中年男性）a friendly digital assistant with a light synthetic quality（带轻微合成感的友好数字助理）
3. 使用听得出来的质感词
质感描述的是声音的表层。常用的词有 breathy（气声）、raspy（嘶哑）、gravelly（粗砺）、velvety（丝绒般顺滑）、crystalline（清亮）、nasal（鼻音重）、smoky（烟嗓）、polished（圆润精致）、weathered（饱经风霜）和 glossy（光亮）。
用对比来帮助决策：这个声音是精致还是沧桑？轻盈还是沉稳？清亮还是烟嗓？一两个清晰的质感选择，通常比堆砌一长串近义词效果更好。
4. 描述语速与表达
声音身份也包括说话时惯常的行进方式。描述语速、咬字、停顿和断句：
slow and deliberate（缓慢从容）rapid-fire（连珠炮式）crisp articulation（咬字干脆清晰）heavy dramatic pauses（大量戏剧性停顿）
这里描述的是声音惯常的表达方式。之后可以用演绎指令（Voice Direction）针对不同场景调整已保存的声音——比如从缓慢的旁白切换到急促的对白。
5. 定义情绪与文稿适配
最后说明这个声音应该擅长承载哪些情绪内容：
急切，但不至于慌乱
让人安定、宁静、亲密、安心
疲惫，但依然能干、专业
靠沉着而不是音量制造威胁感
温暖热心，带着一丝机器人般的稳定一致
这定义了声音的情绪重心，以及试音时使用的内容类型，并不意味着以后每句台词都必须是同一种情绪。
把选好的细节组合成几句自然的话，说明这些特质如何协同，比如一位疲惫但始终耐心专业的客服人员。下面的示例展示了这些选择如何组成一段简短的声音描述。
需要时，使用与角色匹配的试听文稿
使用角色自然会说的话作为试听文稿，更容易听出你所描述的特质。
以那位疲惫的客服人员为例：
我理解这笔扣费让您很困扰，我也真心想帮您解决。我再帮您调一次账户信息看看，不过得跟您说实话：这项费用标注的是不可退款。
这样你就能在同一段话里听到疲惫、职业性的克制和同理心。
四组完整的提示词与文稿示例
冥想引导师
声音描述
A calm female meditation guide with a soft, breathy voice. Speak slowly and smoothly, with gentle pauses and a warm, reassuring tone that feels peaceful, intimate, and safe.
试听文稿
Let your shoulders drop away from your ears, releasing any tension you might be holding. Breathe in deeply through your nose, feeling the air expand your chest, and then slowly exhale, letting everything soften into this present moment.
试听：冥想引导师
优雅的反派
声音描述
A middle-aged man with a deep, smooth voice, playing an elegant villain. Speak slowly and clearly with controlled menace; keep the tone calm, intimate, and faintly amused, never loud.
试听文稿
Did you truly believe you could dismantle my life's work without consequence? I admire the audacity, really, I do. But now that the doors are locked, let us discuss exactly how much your ambition is going to cost you.
试听：优雅的反派
年长的记述者
声音描述
An older man with a deep, slightly rough and weathered voice. Speak slowly with measured pauses and restrained emotion, giving narration, warnings, and dark memories a quiet sense of weight.
试听文稿
People think ruin announces itself with thunder. It does not. It sits beside you quietly, waits for compromise, and learns your name before you notice the door is locked.
试听：年长的记述者
精致的数字助理
声音描述
A friendly digital assistant with a bright, clear voice and a subtle synthetic quality. Speak at a crisp, steady pace with precise pronunciation, sounding warm, helpful, and consistently composed.
试听文稿
Thank you for waiting. I have located your order details and will now summarize the current status, estimated delivery window, and available support options.
试听：精致的数字助理
为音色设计选择合适的指令遵循设置
指令遵循（guidance）控制生成时对音色设计提示词的诠释力度。API 和网页端提供这项控制的方式不同。
在 API 中
guidance_scale 接受 1 到 10 的整数。在音色设计中，想兼顾创造力与稳定性，可以设在 2 到 4 之间。对比不同版本的提示词时，请显式传入一个固定值。
最看重一致性时，取值靠近低端。
设计需要更鲜明的角色感或情绪表现时，逐步调高。
对比时逐步调整数值，并保持提示词和文稿不变。
在网页端
网页端提供稳定、富有表现力、有创意和强烈四个档位。想要可控的表达，从稳定开始；想要更多角色感和表现力，从有创意开始。这是我们推荐的起步选择。其他档位可按需尝试，对比时请保持声音描述和试听文稿不变。
可选的起草模板
挑选对描述你的想法有帮助的几行来用：
[名字或角色]听起来像[处在具体情境中的说话人]。
说话特征是[年龄/性别/语域/口音或合成感]。
声音带有[一两种可听的质感]。
表达方式是[语速、咬字、停顿、节奏]。
它应当适合[情绪范围与台词类型]，同时[一个决定性的边界或反差]。
试听文稿：
[一两句贴合角色、能体现上述特质的话。]听完试听后，一次只调整一个细节，逐步接近你想象中的声音。