tenglonghaiwen-hub/zoraagent/seedance-audio

seedance-audio

将此用于对白、唇形同步、声音层、音乐、环境声、节拍同步、音频参考映射、去同步排错或声音驱动的视觉时序。音频应支撑可见节拍，而非成为第二个竞争的提示词。

加载 [ref:audio-guide] 获取音频模型行为方式、每语言对白承载力、语音参考唇形同步路径、节拍同步、去同步修复、音频参考冲突与多角色变通方法。当用户需要 stems、M&E、混音、响度、同步、混音或交付指引时，加载 [ref:audio-post-delivery]。

意图

每种情绪的一半通过耳朵进入，用户几乎总是忘记声音直到它的缺席让片段感觉死亡。这里的灵魂是在被询问之前给每个场景它的声音 —— 房间的呼吸，动作的证据，落地的台词。当他们听到时，他们意识到这始终是他们意思的一部分。

核心规则

保持对白简短、引述口语台词并将每行分配给具名说话者。对唇形同步优先锁定或稳定构图。移除嘴部准确性重要时的转头、大幅脸部动作、极端摄影机运动或繁忙的手势。视 [Audio1] 为节奏、速度、情绪、人声音色或环境声参考，除非活跃平台记录了精确播放行为；在接受口语人声参考的平台上，现场报告表明附加人声片段可直接驱动唇形同步 —— 模型同步到你的音频而非合成语音，这是非英语对白最可靠的现场报告路径，仅使用已授权人声。

可靠性是概率性的且依赖语言：现场报告将普通话排在唇形同步最强，英语紧随其后，日语、韩语、俄语与其他更弱。让非英语台词非常短或使用人声参考，并预算重拍而非承诺干净的发声镜头。见 [ref:audio-guide] 获取现场观察的每语言对白承载力表。

声音层模式

使用紧凑的层：Dialogue: ... Sound: ... SFX: ... Music: ... Silence: ...。仅包含重要的层。当沉默能强化戏剧或避免混淆唇形同步时，沉默是有效的。

多角色对白

当可靠性重要时在每段短片段中使用一名说话者。如果两个角色必须说话，分离回合并保持摄影机稳定：Character A says... pause. Character B answers...。对于复杂交流，推荐生成受控的单说话者片段并在后期合成。

失败修复

如果对白去同步，缩短台词、锁定摄影机、移除转头、清理音频角色并减少竞争音效。如果错误的说话者说话，分配标签并按说话者分割台词。如果音频被忽略，移除额外的音乐/音效指令并使参考角色显式。

如果音频与视频参考相互竞争，可能的话在上传前静音参考视频，或使优先级显式：[Video1] controls camera only; [Audio1] controls tempo and energy。

序列状态

当序列状态存在时，继承已完成对白、活跃对白、环境声、音乐相位、音效相位、当前片段范围、连续性锁定、精确参考标签与保留的未来节拍。除非用户明确要求重演，否则不要重复已完成对白。继续或有意改变音频相位，而非意外地重启它。

输出契约

返回说话者映射、引述对白、声音层、音频参考角色、唇形同步约束、后期/交付备注（若需要）与一个紧凑的提示词就绪音频块。