贴脚本 · 拿回成片播客
脚本里标好角色名。Agent 用 `vb tts` 给每个角色匹配音色，逐行渲染，再用 ffmpeg 把它们排到时间线上，BGM 在语音段自动避让，最后导成片 MP3 + 每个角色的分轨。响度默认按 Apple Podcasts 规范走。
看一眼你能拿到什么
第 1 页 / 共 4·角色 · 音色配对
第 2 页 / 共 4·时间线 & 混音
第 3 页 / 共 4·响度报告
第 4 页 / 共 4·交付文件
角色音色 · 每个说话人锁定一种声音
从 `vb tts providers` 中挑选，跟本集一起保存。第 13 集同一角色再现 · 继续这个声音 · 不漂移、不需要重新讲。
Host
ElevenLabs
eden · warm male · 30s
稳定撑住对话节奏 · 中性美式英语 · 节奏轻盈
Guest
OpenAI tts-1-hd
shimmer · founder energy · 40s
能带情绪 · 表达丰富 · 中英切换不掉档
BGM
Vecbase Free Library
calm-loops/glass-piano-04 · CC-0
语音段自动避让 · 平滑循环铺满 28 分钟
时间线 + sidechain-ducked BGM
语音段把 BGM 在其下方压低 8dB —— 这里画出前 35 秒，看到混音具体怎么搭起来的。
主持人
嘉宾
BGM
00:0000:1000:2000:3000:35
vb tts synthesizehost:eden / guest:shimmer · 412 行 · 48kHz
ffmpeg amix + sidechaincompressthreshold=-32 ratio=8 release=200ms
loudnormI=-16 LUFS · TP=-1 · LRA=8 · pass=2
bgm.loopcalm-loops/glass-piano-04 · 28 min seamless
交付包✓ Apple Podcasts 响度目标
master.mp3
38 MB · 320 kbps
host.stem.mp3
14 MB
guest.stem.mp3
12 MB
bgm.stem.mp3
8 MB
它怎么工作
步骤 01
把脚本标好
标好"谁说什么"——"[主持人]："、"[嘉宾]："、自定义都行。纯文本 / Markdown / .docx / Fountain 剧本格式都吃。Agent 从上下文判断语气、年龄、能量，再挑音色。
步骤 02
选交付形态
双人播客带 BGM？广告片三个时长？有声书一章带角色音？告诉 Agent 最终是给谁看，对应的处理链路（BGM 避让 / 响度目标 / 章节标记）就自动到位。
步骤 03
取走成片 + 分轨
产物 .zip 落到你的 Drive：可直接发布的 master.mp3、每个角色的分轨、BGM 分轨、响度合规报告（集成 / 真峰值 / 动态范围）。要二次修，把分轨交给你的剪辑，不用从头跑。
为什么用 Vecbase 做这件事
它做的是混音 · 不是拼贴
多数 AI 配音工具就是把片段串起来，过渡很糟。这里 Agent 调 ffmpeg 做 sidechain 压缩，BGM 在语音段自动让位，每行加入淡入淡出，再用 LUFS 把各角色响度拉齐 —— 不会突然嘉宾比主持人响一倍。
音色按脚本上下文挑 · 不是随机抓
Agent 会读脚本上下文（"创始人 40 岁出头、沉稳但直接"）挑相称的音色 —— 一旦选定，后续同一角色始终用同一音色。映射存为一份小 .json，下一集 / 下一章自动一致。
响度合规直接做好
不同发布场景响度规范不同 —— Apple Podcasts 集成 -16 LUFS、广电 -23、社媒 -14。选好目标，Agent 会测最终混音、不达标重渲染。合规报告打包进 zip，平台不会因响度退回你的上传。
分轨齐全 · 后期能接着干
主持人分轨、嘉宾分轨、BGM 分轨可以直接拖进 ProTools / Logic / Audition。不是"AI 黑盒"——每一层都暴露、每个音量都标注。Agent 干了无聊的 80%，你后期补关键的 20%。
常见问题
哪个语种 / 语气合用哪个。`vb tts` 暴露 ElevenLabs（暖、英文为主）、OpenAI tts-1-hd（干净、多语种）、字节豆包（普通话 / 粤语 / 方言最佳）等。Agent 按脚本挑；要指定厂商在对话里说一声（"只用 ElevenLabs"），全部可选见 `vb tts providers`。