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：
| 模式 | 说明 | 输入 |
|---|---|---|
| Text to Speech | 文字转语音 | 文字内容（节点内输入） |
| Sound Effects | 生成音效 | 文字描述（节点内输入） |
| Music | 生成背景音乐 | 歌词/风格描述（节点内输入） |
| Voice Design | 定制声音 | 声音特征描述 |
| Video to Audio | 视频配音/音效 | 视频（需连接 Video 节点） |
⚠️ 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：
- 添加 Audio 节点
- 在节点顶部选择 Speech 类型
- 选择 TTS 模型（如 OpenAI TTS-1-HD、Minimax Speech 2.5）
- 选择音色（Voice）
- 在输入框中输入要朗读的文字
- 点击 Generate
文字示例：
欢迎来到 Martini，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：
- 添加 Audio 节点
- 选择 Sound Effects 类型
- 选择模型（推荐 ElevenLabs Sound Effects v2）
- 输入音效描述（英文效果更好）
- 设置时长（Duration）
- 点击 Generate
音效描述示例：
| 场景 | Prompt |
|---|---|
| 自然环境 | Ocean waves crashing on a rocky shore |
| 城市场景 | Busy city street with car horns and chatter |
| 动作音效 | Sword swoosh and metal clang |
| 氛围音效 | Eerie wind blowing through abandoned building |
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：
- 添加 Audio 节点
- 选择 Music 类型
- 选择模型（Suno V5 或 Minimax Music v1.5）
- 输入歌词或风格描述
- 设置风格标签（Genre、Mood）
- 点击 Generate
音乐描述示例：
| 类型 | Prompt |
|---|---|
| 纯音乐 | Upbeat electronic dance music, energetic, modern synths |
| 带歌词 | 输入完整歌词，AI 会谱曲并演唱 |
| 电影配乐 | Epic orchestral score, dramatic strings, cinematic |
| 环境音乐 | Ambient meditation music, peaceful, soft piano |
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：
- 添加 Audio 节点
- 选择 Voice Design 类型
- 选择 Minimax Voice Design 模型
- 描述想要的声音特征（性别、年龄、音色）
- 输入预览文本
- 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：
- 准备一个 Video 节点
- 添加 Audio 节点
- 连接 Video → Audio
- 选择 Video to Audio 类型
- 选择 Mirelo SFX V1 模型
- 设置生成样本数（2-8 个）
- 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）。
| 速度 | 说明 |
|---|---|
| 0.5x | 非常慢，适合教学 |
| 1.0x | 正常速度（推荐） |
| 1.5x | 快速，适合快节奏内容 |
| 2.0x | 非常快 |
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。
| 情绪 | 适用场景 |
|---|---|
| Neutral | 客观叙述、新闻播报 |
| Happy | 欢快内容、广告 |
| Sad | 悲伤场景、戏剧 |
| Angry | 冲突场景 |
| Surprised | 惊讶、惊喜 |
连接规则
Audio 节点可以接收来自：
| 上游节点 | 作用 | 模式 |
|---|---|---|
| Video | 提供视频内容 | Video to Audio |
| Image | 提供视觉参考（部分模型） | 描述生成 |
⚠️ 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：
| 下游节点 | 作用 |
|---|---|
| Video | 作为数字人的语音输入 |
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：
- 先听一遍所有音色的预览
- 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）
- 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？
- Mirelo 会生成 2-8 个音效变体
- 点击节点内的音频波形切换试听
- 选中最满意的那个
- 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：
- 在 Previous Text 输入前文
- 在 Next Text 输入后文
- 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) ──────┘
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 fireplaceDistant thunder rolling across hills
🎼 音乐生成技巧
描述结构化：
- 曲风：Pop、Rock、Jazz、Classical
- 乐器：Piano、Guitar、Synth、Orchestra
- 情绪：Upbeat、Melancholic、Epic
- 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？
| 模型 | 支持语言 |
|---|---|
| OpenAI TTS | 中文、英文、多国语言 |
| Minimax Speech 2.5 | 中文、英文（中文效果更好） |
| LMNT | 英文 |
| Hume | 英文 |
❓ 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：
- 用英文描述：AI 对英文理解更准确
- 增加细节：描述音效的质感、距离、环境
- 调整 Duration：音效时长要合理
- 多次生成：选择最佳结果
❓ 如何为视频添加多层音频？
Martini 生成单层音频，多层混音需要外部工具：
推荐流程：
- 在 Martini 分别生成：
- 旁白（TTS）
- 音效（Sound Effects）
- 配乐（Music）
- 导出所有音频
- 在 Audacity / Premiere / Final Cut 中混音
- 将最终音频与视频合成
性能优化建议
（待补充）