flux-3-audio-dialogue

FLUX 3 音频与对话

分别标注每一层：对白、旁白、环境音、音效、音乐或刻意静音。含糊的描述会让你失去对所有声音的控制；每种声音都需要明确的物理来源或叙事作用。

对白。 引用确切台词，注明可见的说话者（或将台词标记为 voiceover/narration，避免系统寻找一张嘴来匹配），如果不需要文字，则添加 no on-screen text, no subtitles：

A weather presenter on camera in front of a stylized storm map, speaking directly to
the lens: "Storm season is here, and this time, we're ready." Confident delivery,
clean studio lighting. No on-screen text, no subtitles.

声音锚点：年龄范围、相关时的口音、音域、活力、录音距离。重复使用相同的指导可以保持声音类型一致，但不能保证不同生成结果由同一位表演者演绎。

易于朗读。 根据片段的实际时长撰写：使用短句，每行表达一个想法，并在重点前后留出空间；将不常见的名字按读音拼写；在加快语速前先缩短台词。若台词无法轻松说完，就需要缩短脚本或延长片段。

音效具有因果关系，而不是彼此无关的清单：

As the cup hits the tile, it cracks with one sharp ceramic snap.

混音。 说明哪些声音处于前景，哪些声音处于背景。当某句台词很重要时，不要加入背景人声：

Her line is foreground and fully intelligible. Café chatter and espresso hiss remain
low and diffuse. A restrained piano pulse enters beneath the final words without
masking them.

静音与后期。 对刻意静音的源片段设置 generate_audio: false。将确定性交给后期处理：最终响度、EQ、闪避和淡入淡出；确保措辞或说话者身份准确；实现帧级精准同步；添加字幕和说明文字；以及确保分别生成的片段之间保持连贯。

如果生成结果不理想，每次只调整一个维度：说话者归属、台词长度、演绎锚点、相互竞争的声音层、动作与音效之间的因果关系，或生成与后期处理的分工。