Audio 节点

Audio 节点用于生成语音、音效、配乐等音频内容，为你的创作添加听觉维度。

生成模式

Audio 节点支持多种音频生成类型：

⚠️ 重要：Audio 节点不接受来自 Text 节点的连接，文字内容直接在 Audio 节点内输入。

基本用法

🗣️ 文字转语音（Text to Speech）

将文字内容转换为自然流畅的语音。

步骤：

1. 添加 Audio 节点
2. 在节点顶部选择 Speech 类型
3. 选择 TTS 模型（如 OpenAI TTS-1-HD、Minimax Speech 2.5）
4. 选择音色（Voice）
5. 在输入框中输入要朗读的文字
6. 点击 Generate

文字示例：

欢迎来到 Astorie，一个强大的 AI 创意工作流平台。
在这里，你可以用拖放节点的方式，轻松生成图片、视频和音频内容。

使用场景：

• 视频旁白
• 有声书
• 教学讲解
• 产品介绍

🎵 生成音效（Sound Effects）

根据描述生成逼真的音效。

步骤：

1. 添加 Audio 节点
2. 选择 Sound Effects 类型
3. 选择模型（推荐 ElevenLabs Sound Effects v2）
4. 输入音效描述（英文效果更好）
5. 设置时长（Duration）
6. 点击 Generate

音效描述示例：

参数：

• Duration：0.5-22 秒
• Prompt Influence：描述对结果的影响程度

🎼 生成音乐（Music）

创作背景音乐或完整歌曲。

步骤：

1. 添加 Audio 节点
2. 选择 Music 类型
3. 选择模型（Suno V5 或 Minimax Music v1.5）
4. 输入歌词或风格描述
5. 设置风格标签（Genre、Mood）
6. 点击 Generate

音乐描述示例：

Suno 高级参数：

• Style：音乐风格（Pop、Rock、Classical 等）
• Mood：情绪（Happy、Sad、Energetic）
• Instrumental：纯音乐（无人声）
• Vocal Gender：男声 / 女声
• Weirdness：创意度

🎨 定制声音（Voice Design）

创建独特的 AI 声音。

步骤：

1. 添加 Audio 节点
2. 选择 Voice Design 类型
3. 选择 Minimax Voice Design 模型
4. 描述想要的声音特征（性别、年龄、音色）
5. 输入预览文本
6. 点击 Generate

声音描述示例：

A young female voice, warm and friendly, 
slightly husky, British accent

用途：

• 创建品牌专属声音
• 角色配音设计
• 多样化的 TTS 音色

🎬 视频配音/音效（Video to Audio）

根据视频内容生成匹配的音效或背景音。

步骤：

1. 准备一个 Video 节点
2. 添加 Audio 节点
3. 连接 Video → Audio
4. 选择 Video to Audio 类型
5. 选择 Mirelo SFX V1 模型
6. 设置生成样本数（2-8 个）
7. 点击 Generate

工作流：

Video → Audio (Mirelo SFX V1)

特点：

• AI 会分析视频内容
• 生成 2-8 个不同的音效变体
• 可以选择最合适的一个

使用场景：

• 为静音视频添加音效
• 生成配乐
• 音效库创建

模型选择指南

（待补充）

参数详解

Voice（音色）

TTS 模型提供多种预设音色。

OpenAI TTS-1-HD 音色：

• Alloy：中性、平衡
• Echo：男性、沉稳
• Fable：英音、叙事感
• Onyx：男性、低沉
• Nova：女性、活力
• Shimmer：女性、温柔

Minimax Speech 2.5 音色：

• 支持多种中文音色
• 支持情绪控制（开心、悲伤、愤怒等）

Speed（语速）

调整语音的播放速度（TTS 模式）。

Duration（时长）

设置音效的长度（Sound Effects 模式）。

ElevenLabs Sound Effects：

• 最短：0.5 秒
• 最长：22 秒
• 建议：根据实际需求设置

Emotion（情绪）

Minimax Speech 2.5 支持情绪控制。

连接规则

Audio 节点可以接收来自：

⚠️ Audio 节点不接受 Text 节点的连接。文字内容请直接在 Audio 节点内输入。

Audio 节点可以连接到：

工作流示例

🎙️ 视频配音

Video (静音视频) → Audio (Mirelo) → 生成多个音效选项

🗣️ 数字人配音

Audio (TTS) ──┐
              ├→ Video (Kling AI Avatar)
Image (人物) ─┘

先用 Audio 节点生成语音，再连接到 Video 节点制作数字人。

🎬 完整短视频制作

Text → Image → Video (无声视频)

分别生成：
- Audio (TTS) → 旁白
- Audio (Sound Effects) → 背景音效
- Audio (Music) → 背景音乐

最后在剪辑软件中合成

上传音频（作为起点）

你可以上传本地音频文件到 Audio 节点：

方法：

• 拖放音频文件到画布
• 或在 Audio 节点内点击上传区域

支持格式： MP3、WAV、M4A

用途：

• 作为 Video 节点的输入（制作数字人）
• 音频编辑的素材
• 导出到其他工具

常见问题

❓ 为什么 Audio 节点不能连接 Text 节点？

这是设计决定。Audio 节点的文字输入直接在节点内完成，避免了额外的连线复杂度。

正确用法：

• ❌ Text → Audio（不支持）
• ✅ 直接在 Audio 节点内输入文字

❓ 如何选择合适的 TTS 音色？

建议流程：

1. 先听一遍所有音色的预览
2. 根据内容选择：
   • 严肃内容：选择沉稳的音色（Onyx、Echo）
   • 轻松内容：选择活泼的音色（Nova、Shimmer）
   • 叙事内容：选择有故事感的音色（Fable、Ballad）
3. 生成后不满意可以切换音色重新生成

❓ 音乐生成可以指定具体曲风吗？

可以！在 Suno 模型中：

方法一：使用风格标签

• 在 Style 下拉菜单选择（Pop、Rock、Jazz 等）

方法二：在 Prompt 中描述

80s synth-pop with retro drum machines, 
nostalgic melody, upbeat tempo

❓ 生成的音效太短/太长怎么办？

调整 Duration 参数：

• Sound Effects 模式支持 0.5-22 秒
• 直接在参数面板调整时长

如果需要更长的音效：

• 生成多段音效
• 在外部音频编辑软件中拼接

❓ Video to Audio 生成多个音效怎么选择？

1. Mirelo 会生成 2-8 个音效变体
2. 点击节点内的音频波形切换试听
3. 选中最满意的那个
4. 下载或连接到下游使用

❓ 生成的语音可以调整语速吗？

可以！在 TTS 参数中：

• 找到 Speed 滑块
• 调整到 0.5x-2.0x
• 重新生成即可

高级功能

Minimax 情绪控制

Minimax Speech 2.5 支持细粒度的情绪和语气控制。

可调参数：

• Emotion：Happy、Sad、Angry、Surprised 等
• Speed：语速
• Pitch：音调
• Volume：音量

适合：

• 有声书（需要丰富的情感表达）
• 戏剧配音
• 广告片

ElevenLabs 上下文感知

ElevenLabs TTS 支持上下文输入，提升自然度。

使用方法：

1. 在 Previous Text 输入前文
2. 在 Next Text 输入后文
3. 当前文本会根据上下文调整语气

适合：

• 长篇朗读（章节间语气连贯）
• 对话场景

Suno 自定义模式

Suno V5 支持高度自定义的音乐生成。

参数控制：

• Style Weight：风格强度
• Weirdness Constraint：创意度
• Audio Weight：旋律权重

适合：

• 实验音乐
• 特定风格的精准控制

操作按钮与功能

Generate（生成）

点击后开始生成音频。

生成时间：

• TTS：5-15 秒
• Sound Effects：10-30 秒
• Music：30-120 秒

Play（播放）

点击播放按钮预览音频。

功能：

• 播放/暂停
• 音量调节
• 循环播放

Download（下载）

下载生成的音频文件。

格式：

• TTS：MP3
• Sound Effects：WAV/MP3
• Music：MP3

工作流示例

🎙️ 制作有声内容

1. Audio (TTS) → 生成旁白
2. Audio (Sound Effects) → 生成背景音效
3. Audio (Music) → 生成配乐

在外部音频软件（如 Audacity）中混音合成

🎬 视频配音完整流程

Text → Image → Video (静音视频)

Audio (TTS) → 旁白语音
Audio (Video to Audio) ← Video → 生成环境音效

在剪辑软件中合成

🗣️ 数字人视频

Audio (TTS，生成语音) ──┐
                       ├→ Video (Kling AI Avatar)
Image (人物照片) ──────┘

详见 Video 节点 - 数字人

模型选择指南

（待补充）

常见使用技巧

📝 TTS 文本优化

标点符号影响停顿：

• 逗号 , = 短暂停顿
• 句号 . = 明显停顿
• 问号 ? = 上扬语气
• 感叹号 ! = 强调语气

数字和符号：

• 写 一百 而不是 100（除非希望读"一零零"）
• 写 第一 而不是 第1

🎵 音效生成技巧

具体化描述：

• ❌ 水声
• ✅ Heavy rain pouring on a tin roof

加入环境和距离：

• Close-up microphone of crackling fireplace
• Distant thunder rolling across hills

🎼 音乐生成技巧

描述结构化：

1. 曲风：Pop、Rock、Jazz、Classical
2. 乐器：Piano、Guitar、Synth、Orchestra
3. 情绪：Upbeat、Melancholic、Epic
4. 节奏：Fast、Slow、Moderate tempo

示例：

Acoustic folk song with gentle guitar strumming, 
warm male vocals, introspective lyrics, 
slow tempo, indie style

常见问题

❓ TTS 支持哪些语言？

❓ 生成的音乐有版权问题吗？

AI 生成的音乐通常属于你个人使用，但建议：

• 商业用途前查看平台使用条款
• 关键项目使用原创音乐更保险

❓ 音效生成效果不好怎么办？

优化方法：

1. 用英文描述：AI 对英文理解更准确
2. 增加细节：描述音效的质感、距离、环境
3. 调整 Duration：音效时长要合理
4. 多次生成：选择最佳结果

❓ 如何为视频添加多层音频？

Astorie 生成单层音频，多层混音需要外部工具：

推荐流程：

1. 在 Astorie 分别生成：
   • 旁白（TTS）
   • 音效（Sound Effects）
   • 配乐（Music）
2. 导出所有音频
3. 在 Audacity / Premiere / Final Cut 中混音
4. 将最终音频与视频合成

性能优化建议

（待补充）

下一步

• Video 节点 — 结合音频制作数字人视频
• 工作流示例 — 完整的音视频工作流