mcpField
D
dialogue-editing-adr

dialogue-editing-adr

github.com/calesthio创意与媒体219131 次安装15 周前更新
代码仓库

关于 dialogue-editing-adr

面向对白剪辑、配音和本地化制作的工作指南，帮助团队判断音频问题、保留原始表演并准备清晰的交付材料。内容涵盖修复、ADR、字幕、同步和声音权利检查。

主要功能

  1. 01对白问题分类与处理
  2. 02制作对白修复流程
  3. 03ADR 与配音指导
  4. 04字幕与交付检查
  5. 05声音权利与同意记录

适用场景

  1. 01判断对白应修复还是重录
  2. 02为 ADR 演员准备录音提示
  3. 03检查字幕与最终音频是否一致

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/calesthio/generative-media-skills --skill dialogue-editing-adr

安装后在 Claude Code 中输入/dialogue-editing-adr确认已加载。

附带文件EVAL.md

详细介绍

对白编辑与 ADR 方向

当口语音频承载故事、品牌、说明、角色塑造或无障碍信息时，请使用此技能。应将对白视为表演和编辑约定，而不只是波形。工作目标是在保留清晰度、意图、连续性和权利要求的同时，为混音师、字幕制作人员、本地化团队或下游视频 Agent 提供明确无歧义的素材。

证据依据

以下有据可查的事实来自专业标准、官方平台指南、官方工具文档或权利组织。平台、工具和法律方面可能变化的信息已于 2026-07-10 核查。实证观察仅限于 Agent 应在实际项目中执行的聆听和质量检查行为；未经试听，不假定任何音频处理结果具有普遍性。制作经验法则是应结合画面和交付规格进行验证的实用默认做法，并非音频定律。

初步检查：判断对白问题的类型

处理前，先对每句对白或每个片段进行分类：

  • production-edit：可用的源音频需要清理、平滑处理、补录、合版或合成。
  • performance-fix：台词在技术上可用，但表达、情绪、发音、重音或时机不符合场景要求。
  • ADR-replace：现场录音无法听清、存在无法修复的噪声或削波、包含已更改的剧本内容、需要进行法律或品牌修正，或必须匹配新版剪辑。
  • localization-dub：需要制作新语言或地区版本，同时保留含义、表演、时长和画面同步。
  • VO-style-dub：原声仍有部分可辨，或有意将其音量调低，置于本地化画外音之下。
  • synthetic-rerender：需要重新生成、编辑或指导已获授权的合成语音或通用 TTS 语音。
  • caption/transcript-handoff：文本素材必须准确呈现最终听到的音频，并满足无障碍需求。

不要仅因修复不便就选择 ADR 或合成替换。首先应确定：能否在不产生明显伪影的情况下让原表演清晰可懂；演员或语音的权利是否允许替换；以及替换内容能否与画面和连续性相匹配。

需要遵守的已记录事实

  • ITU-R BS.1770-5 规定了测量音频节目响度和真峰值电平的算法；它是一种测量方法，而非创意混音配方。来源：ITU-R BS.1770-5，核实于 2026-07-10。
  • EBU R 128 第 5.0 版建议将节目响度标准化至 -23 LUFS，并采用响度范围和真峰值描述指标。来源：EBU R 128，核实于 2026-07-10。
  • FCC 针对美国电视的字幕质量指南采用四项质量标准：准确性、同步性、完整性和位置。FCC 指南指出，预先录制的节目应完全符合要求，因为可以进行离线审核。来源：FCC DA 21-469，核实于 2026-07-10。
  • W3C WCAG 2.2 SC 1.2.2 要求为同步媒体中的预先录制音频提供字幕，字幕应涵盖对白、说话者身份和有意义的非语音信息。来源：W3C WAI Understanding SC 1.2.2，核实于 2026-07-10。
  • Netflix 定时文本通用要求规定，字幕事件的最短时长为 5/6 秒，最长为 7 秒，每条字幕最多两行，并且字幕位置应避免与相关屏幕文字重叠。这些是 Netflix 的要求，并非通用规范。来源：Netflix Partner Help Center，核实于 2026-07-10。
  • Netflix 配音指南强调，对口型应主要依据画面而非原始版本的波形进行判断；关键时刻应考虑嘴型、双唇音以及起始和结束时的嘴型。来源：Netflix Dubbing Guiding Principles，核实于 2026-07-10。
  • Netflix 配音／混音指南要求将对白自然融入音乐和音效底音中，并确保音量、EQ、混响、空间视角、Futz 效果以及不同语言版本之间的连续性符合实际情境。来源：Netflix Mixing Style Guide for Dubbed Content，核实于 2026-07-10。
  • Netflix 非虚构类英语配音指南建议录制未经动态处理的干净对白，低切滤波除外（截止频率不高于 100 Hz）；除非舌音或唾液声是表演的一部分，否则应将其去除；对白片段应使用淡入淡出；依据音频参考进行剪辑；在适用的工作流程中，配音对白应与原始版本同时结束。来源：Netflix Partner Help Center，核实于 2026-07-10。
  • iZotope RX 文档说明，Mouth De-click 可检测并降低咔嗒声、咂唇声等口腔噪声，同时警告称，灵敏度过高可能影响爆破音或损坏原始信号。RX De-plosive 的文档说明指出，该功能可识别并降低爆破音，同时保留语音的基频和谐波，但强度过高可能损害有用的语音内容。这些是工具的功能，并非效果保证。来源：iZotope RX docs，核实于 2026-07-10。
  • 美国版权局的 AI 报告页面指出，2024 年 7 月 31 日发布的第 1 部分涉及数字复制品；SAG-AFTRA 的 AI 框架则将明确同意、公平报酬和对表演的控制列为保障原则。NAVA 建议在表演者合同中纳入同意、对 AI／合成内容使用和训练的限制、退出权或期限限制、报酬、排他性说明以及安全存储和追踪。这些内容并非完整的法律意见。来源：U.S. Copyright Office、SAG-AFTRA、NAVA，核实于 2026-07-10。

对实际媒体进行的实证检查

请实际聆听，不要只根据电平表推断。对每个交付内容，至少进行以下检查：

  • 耳机检查：留意咔嗒声、剪辑痕迹、呼吸声、爆破音、衣物噪声、齿音、刺耳的降噪伪影、被截断的音节，以及不自然循环的房间底噪。
  • 扬声器检查：以普通消费者的收听音量播放，并关闭字幕，判断不熟悉脚本的人能否听懂台词。
  • 小型扬声器或单声道检查：适用于可能在手机、笔记本电脑、电视或社交媒体信息流上观看的内容。
  • 画面同步检查：使用最终帧率和编码流程检查，因为 DAW、NLE、浏览器或低延迟预览的时序可能误导同步判断。
  • 上下文检查：使用最终交付时的音乐、音效和字幕进行检查；单独听很清楚的台词，放进完整混音后也可能听不清。

制作经验法则

制作对白映射表

在修复或 ADR 之前，先制作逐句映射表。包括：

  • 入点／出点时间码；
  • 说话者／角色；
  • 画内或画外状态；
  • 源文件／录音片段／音轨；
  • 实际听到的原文，以及不同情况下的预期文本；
  • 问题标签；
  • 拟采用的处理方式；
  • 发音备注；
  • 任何真人声音或合成肖像的权利／同意状态；
  • 提供给字幕、转录、混音师或本地化人员的交接备注。

推荐采用以下格式：

TC In-Out | Speaker | Screen | Heard/Intended | Issue | Treatment | Notes
00:00:12:04-00:00:15:10 | Maya | on | "we ship Friday" | fan + click on "Friday" | repair | keep laugh breath; room tone B
00:00:35:12-00:00:37:01 | CEO | off | "Series B" misread as "serious B" | pronunciation | ADR | say "SEER-eez bee"; legal name unchanged
保留最佳的原始表演

采用能解决实际问题的最小干预方案：

  1. 备用麦克风或隔离的现场录音声道。
  2. 备用录音片段或现场即兴台词。
  3. 手动剪辑、片段增益、短交叉淡化、房间底噪填充。
  4. 仅针对缺陷进行修复。
  5. 如果台词仍然无法听懂、有误、不安全或不符合要求，则进行 ADR 或合成再生成。

避免一开始就大范围降噪。大范围处理往往会在解决剪辑问题之前，就损失辅音细节、呼吸的真实感和房间声的连贯性。

将对白剪辑为连续的空气声场

在组装或拼接对白时：

  • 保留有助于表演的呼吸声，只移除造成干扰或技术质量不佳的呼吸声。
  • 在每处被剪掉对白的空隙下方使用房间底噪或匹配的环境声。
  • 为每个片段边界添加交叉淡化，除非剪辑点落在被掩蔽的噪声中，或瞬态声确实无需淡化。
  • 按场景、麦克风视角和情绪距离匹配房间底噪。不要把同一段“静音”底音铺到不同房间的场景中。
  • 在压缩前使用片段增益平滑音节。将压缩作为混音辅助，而不是修复不稳定剪辑的手段。
  • 保留辅音起音。不要仅因为波形看起来很安静，就裁掉爆破音、擦音或轻柔起音的开头。
按修复顺序清理伪影

进行有针对性的修复，并在每个阶段试听：

  1. 使用边界调整、淡化和零交叉调整，消除剪辑爆音。
  2. 在局部减轻口腔咔嗒声／唇音；需要真实感时，保留与表演相关的口腔质感。
  3. 使用有针对性的低频处理或去爆破音处理来减轻爆破音；如果有用的低音部分受损，则撤销操作，改用手动片段增益或频谱修复。
  4. 使用窄频动态处理控制齿音；不要把说话者处理成口齿不清的感觉。
  5. 仅在必要范围内使用高通或去嗡声处理来减轻嗡声／隆隆声。对于口语内容，低切设置必须兼顾人声厚度和交付规格。
  6. 谨慎使用降噪、去混响或对白隔离，留意是否出现水波感、相位感、啁啾声或辅音变闷。
  7. 修复后重新平衡片段增益和房间底噪，因为修复可能会暴露新的不连续之处。

如果修复造成的伪影比原问题更明显，请撤销，并改用备用录音片段、ADR，或如实注明“无法干净修复”。

ADR 和配音指导

准备 ADR 提示

ADR 提示应当清晰明确，无需猜测。请包含：

  • 用一句话说明场景背景；
  • 画面参考时间码；
  • 准确台词及获准使用的替代说法；
  • 进行 ADR 的原因；
  • 表演意图；
  • 同步锚点：口型起止、双唇音、可见停顿、手势、呼吸、反应；
  • 名称、缩写、产品术语和敏感词的发音指南；
  • 麦克风／视角目标：贴近、胸腔共鸣、耳语、隔着房间喊话、电话、头盔、无线电、档案录音等；
  • 房间／处理效果目标，以及混音师应匹配原始录音的粗粝感还是提升保真度；
  • 所需录音条数，以及每条之间的变化。

提示方式可根据演员和录音设置选择：提示音、提示条、视觉文本、循环录音或听后复述。三声提示音 ADR 在电影工作流程中很常见，但如果会影响演员发挥，就不要强行使用。提示方式是辅助表演的手段，不是目的。

先指导表演，再看波形

给演员提供可演绎的动作和情境：

  • 说明说话者想从听者那里得到什么。
  • 指出演绎台词时的情绪转折。
  • 每次只给一条节奏提示。
  • 保留场景中的社会地位、疲惫程度、年龄、口音要求和人物关系。
  • 除非剧情要求格外清晰，否则应采用自然发音。
  • 对于广告和解说，应围绕含义来指导重音，而不是每个品牌词都强调。产品术语强调过度会显得生硬。

本地化时，应保留意图，而非照搬语序。根据角色和简报，在适当时采用目标语言中的口语表达。需要与画面同步时，应依据口型和剪辑点来判断，而不只是参考源波形。特写和关键时刻，最重要的是起止口型、可见的双唇音和张口元音。

录制足够的录音条数，方便剪辑

请录制：

  • 一条忠实于原节奏的录音；
  • 一条优先保证表演效果的录音；
  • 一条咬字更清晰的录音；
  • 如果同步可能需要调整，再录一条短一些或长一些的备用版本；
  • 只有在权利许可和表演需求足以支持时，才录制房间底噪／表演用声音／呼吸声。

对于非虚构类的旁白风格配音，除非风格指南或客户明确要求，否则应避免录制笑声、哭声和非语言反应。如果混音中保留了原始非语言声音，剪辑师应突出这些声音，而不是重复录制。

保持声音连贯

为反复出现的声音创建连贯性记录，包含：

  • 声音来源或演员；
  • 同意／权利范围；
  • 语言／地区；
  • 年龄、性别表达、口音要求、方言说明；
  • 语速范围；
  • 音高／能量范围；
  • 麦克风距离和房间；
  • 标志性发音；
  • 之前的处理方式：EQ、混响、失真效果、噪声底、去齿音处理；
  • 特殊情况，例如档案录音、电话、压力、疾病、闪回或有意的不匹配。

除非项目针对这一特定用途取得了明确授权和知情同意，否则绝不要通过合成克隆来“匹配”真实人物的声音。如果同意情况不明确，可提供通用声音、重新制定选角方向，或询问是否需要取得权利许可。

合成语音边界

在使用 TTS、语音转换、语音克隆或合成配音之前：

  • 核实谁拥有或控制源语音、说话者是否同意此用途、是否允许用于模型训练或语音复制、使用是否受期限／地域／媒体限制，以及客户、平台、合同或法律是否要求披露。
  • 未经书面许可，不得使用在世或已故、可识别人士的语音进行训练、克隆、模仿或让声音“听起来像”此人。
  • 不得使用合成语音让某人看起来像是说了其未授权的话。
  • 不得因录音公开可用就推断已获得同意。
  • 保留审计记录：来源、许可／同意摘要、语音 ID、提供方／模型、日期、提示词、参数、编辑者和最终用途。
  • 如果提示词要求在无权使用的情况下模仿受保护或可识别人士的声音，应引导至允许使用的声音特质：年龄范围、活力、语速、音色，以及仅在合适且不带戏仿性质时使用的口音。

好的合成语音指导仍然是表演指导：

Voice: licensed internal brand narrator, calm but not sleepy.
Line: "Your backup finishes before your coffee does."
Intent: reassuring proof, not hype.
Pace: medium-fast; slight smile on "coffee"; no announcer boom.
Pronunciation: "backup" as BACK-up, not back-UP.
Delivery constraints: no imitation of any celebrity or employee; no added words.
Edit notes: leave 200 ms clean tail for crossfade; deliver dry WAV plus timing.

字幕、转录稿和无障碍交付

口语音频交付内容必须与最终发布的内容一致，而不是与曾经使用的剧本一致。

请提供：

  • 可辨识对话的最终逐字转录稿；
  • 为便于理解而需要的说话者标签；
  • 具有含义的非语音音频注释：[door slams]、[crowd chanting]、[phone voice]；
  • 人名、品牌、首字母缩略词和虚构术语的发音与拼写清单；
  • 对剧情相关外语或屏幕文字的强制呈现要求；
  • ADR 后台词时长发生变化时的字幕时间安排说明；
  • 对有意设置为听不清、重叠、消音或部分掩盖的台词发出警告。

不要“润色”字幕，使其与音频内容相矛盾。如果 SDH／字幕阅读速度要求压缩内容，应在目标规范允许的范围内尽量保留含义和口语顺序；对不可避免的偏差应予以标注。

混音交付

交付清晰、可追溯的材料：

  • 按场景／说话者整理的对白编辑工程或渲染分轨；
  • 未处理的 ADR／配音录音及选定片段；
  • 仅在有要求时提供的处理后对白预混音；
  • 房间底噪／环境声填充；
  • 音乐与音效（M&E）交互说明；
  • 对激进处理的修复说明；
  • 响度测量值和所用目标规范；
  • 采样率、位深、帧率，以及是否进行升速／降速处理；
  • 为便于复现而需要的插件／处理流程清单；
  • 未解决的问题和需要作出的决策。

除非客户要求，否则不要将破坏性处理固化到唯一副本中。优先提供未处理对白，并可选附上处理后的参考版本。

响度和清晰度

首先遵循交付规范。如果没有规范，应说明暂定目标，并在最终混音前请求确认。

经验法则：

  • 社交媒体／平台／网络短内容通常适合采用受控、对白突出的平衡方式，但目标响度因平台和客户而异。
  • 广播／流媒体交付可能要求综合响度、真峰值、对白门限或节目门限测量、声道布局，以及针对具体交付内容的容差。
  • 清晰度不等同于响度。观众必须能在可能使用的播放设备上听清辅音，并理解音乐／音效背景中的含义。
  • 电平表无法证明内容清晰易懂；语言理解至关重要时，应安排母语人士试听，并至少进行一轮关闭字幕的试听。
  • 不要只为让每个音节的波形看起来更大就过度压缩动态。自然的动态有助于表演，也能让听众更舒适。

QA 检查清单

仅当答案为“是”或已记录已知例外时才算通过：

  • 在正常音量下，最终混音中的每个预期词语是否都清晰可懂？
  • 所有 ADR／配音台词是否都与最终帧率下的画面同步？
  • 在特写和关键时刻，能否让可见的嘴部起始、结束、双唇音和停顿自然吻合？
  • 是否没有咔哒声、爆破音、齿音、降噪伪影、辅音截断和剪辑爆音，或这些声音是否为有意保留？
  • 房间底噪是否在剪辑处自然变化？
  • 除非故事情节解释了变化，否则每个反复出现的声音是否保持连贯？
  • 合成语音的权利、同意、模型／来源和使用限制是否有记录？
  • 字幕／文字稿是否已根据最终音频更新？
  • 是否已依据正确的规格测量响度和真峰值？
  • 是否有人在关闭字幕的情况下听过？
  • 相关情况下，是否已通过小型扬声器／单声道或常用设备进行检查？
  • 未解决的问题是否已分别归入 must fix、creative choice 和 client decision needed？

示例：解说音频修复方案

制作意图：修复一段在家庭办公室录制的 90 秒产品解说。说话人是创始人，录音中有风扇噪声，品牌方希望保留真实的演绎。

处理方法：

  1. 制作对白映射表，标注风扇噪声的严重程度、咔哒声、爆破音，以及被音乐掩盖的词语。
  2. 处理前先询问是否有其他麦克风录音、原始 WAV 文件或第二次录制。
  3. 选取最佳录音，并平滑片段增益。
  4. 手动去除单独的口腔咔哒声，或针对性地进行口腔去咔哒处理。
  5. 仅处理受影响的音节，降低爆破音。
  6. 先制作一小段噪声样本并试听辅音，再进行轻度宽带降噪。
  7. 在剪辑下方添加匹配的房间底噪；不要将间隙静音处理成数字黑场。
  8. 修复对白后再重新平衡音乐，而不是过度处理人声。
  9. 使用耳机和笔记本电脑扬声器进行 QA，并关闭字幕。

预期结果：创始人的声音仍像创始人本人；风扇噪声已降低到不会造成干扰；辅音没有水波感；文字稿已更新为最终措辞。

可能的失败情况：降噪过度、呼吸声被截断、间隙完全静音、修复爆破音时削掉人声的低频厚度、音乐重新加入后音量过大。

示例：发布广告的 ADR 提示包

制作意图：由于画面锁定后产品名称发生变化，替换一则 30 秒发布广告中的一句台词。

Cue ADR-07
Timecode: 00:00:18:12-00:00:20:02
Speaker: Ava, on camera, medium close-up, walking toward lens
Original line: "Montage Studio ships your recap by morning."
New line: "OpenMontage ships your recap by morning."
Reason: approved product naming
Performance intent: confident relief; she is solving the viewer's Friday problem, not pitching loudly
Sync anchors: visible "m/b/p" closure on first word; smile begins on "recap"; line must end before she turns away
Pronunciation: OpenMontage = OH-pen mon-TAHZH
Mic/perspective: match production lav; close, dry office hallway; no announcer tone
Takes:
  1. exact timing
  2. warmer, slightly faster
  3. cleaner product pronunciation without overemphasis
Edit note: keep original footstep and jacket rustle from production track; do not replace with synthetic voice

示例：本地化配音指导

制作意图：使用 VO 风格配音，为新市场本地化一段纪录片访谈。

指导：

  • 保留受访者的可信度和疲惫感；不要让本地化后的声音比原声更精致。
  • 仅按已获批准的风格要求保留可听见的原始访谈音频；不要造成令人困惑的重叠。
  • 使用自然的目标语言表达，并在录音前研究与主题相关的专业词汇。
  • 如果会造成滑稽模仿或冒犯，不要复刻受访者的非母语口音。
  • 如果原始笑声和呼吸声承载了情绪，就予以保留；除非有要求，否则不要重新录制反应声。
  • 对照原始音频参考和最终画面，调整配音台词的时间。
  • 根据最终录制的音频更新实录脚本／文字稿，不要依据翻译草稿更新。

QA：一位不熟悉脚本的母语人士应能在关闭字幕时听懂该片段，并感到声音与原本是同一个人、处于同一时刻。

示例：QA 发现

Finding: Must fix
TC: 00:01:04:18-00:01:07:05
Issue: ADR line starts in sync but ends six frames late; final "now" lands after the actor's mouth closes.
Evidence: picture-sync pass at final 23.976 export; captions off.
Recommended fix: choose take 3, trim internal pause before "now", avoid time-stretch unless the edit still fails.
Risk if ignored: visible dub/ADR mismatch in close-up key moment.

来源说明

评论

支持 Markdown