口播视频由台词驱动。讲者参考、场景参考和音色参考各有用途，不能把音色样本误当成整段口播母带。
先定稿台词
确认面向谁、讲什么、采用什么语速。定稿后保持原句和标点；每段台词要落入对应镜头，避免一个镜头被分配过多内容。
让画面补充信息
讲者出镜负责建立信任和强调重点；产品细节、操作画面与环境镜头负责证明信息。画外音镜头要交代声音属于谁，避免画面人物误开口。
分开检查声音与表演
音色参考帮助定义声音特征；口型、呼吸、语速与镜头时长仍需单独检查。生成成功只是拿到片段，最终还要看内容、口型和连续性。
动手前检查
- 每句台词是否只出现在应有的镜头？
- 画外音和出镜发言是否区分清楚？
- 参考音色、实际语音和背景声是否各有用途？