| name | radio-drama |
| description | End-to-end workflow for producing multi-character Chinese radio dramas using ComfyUI TTS, a character library, and an SFX asset library. Use this skill when the user asks to produce, mix, or modify a radio drama (广播剧). Covers script formatting, character voice lookup, SFX retrieval, TTS generation, segment-based production, and mixing. |
Radio Drama Production Skill
Full pipeline: script → voice design → segment TTS → split → mix → final MP3.
Two production modes depending on complexity:
- Simple (single TTS): small cast, no major reshoots expected → one full-script TTS call
- Segment-based (recommended): larger cast, expected iterations → per-character batch TTS + auto-split → assemble with
mix_from_segments.py
1. Project Layout
project-root/
├── characters/
│ ├── _npcs/ # 通用NPC声线库
│ └── {character}/
│ ├── profile.md # 声线标签、提示词、出演记录
│ └── voice/voice_prompt.md
├── sfx_library/
│ ├── catalog.md # 音效索引
│ └── assets/{category}/
└── radio_drama/
└── {world}/{chapter}/
├── script.md # 剧本（含BGM/SFX标注）
├── split_segments.py # 批次切割工具（每剧一份）
├── mix_from_segments.py # 分段组装混音脚本（每剧一份）
└── audio/
├── segments/ # 切割后的单角色单段MP3
│ ├── NR_001.mp3
│ ├── VI_001.mp3
│ └── ...
├── batch_NR.mp3 # 批次TTS原始输出（临时，可删）
├── bgm-{scene}.mp3
└── radio-drama-{world}-{ch}-vN.mp3
2. 角色声线速查（所有已有声线）
| 角色 | 标签 | 文件 | 备注 |
|---|
| 维多利亚 | [victoria_custom] | voices/victoria_custom.wav | 温柔年轻，气息感，中低音 |
| 希瓦·林 | [shiva_lin] | voices/shiva_lin.wav | 成熟女性，工程师气质，必须强调女性音域 |
| 三手调酒师 | [bartender_mars] | voices/bartender_mars.wav | 粗哑金属共鸣，口语快节奏 |
| 旁白（中文） | [narrator_zh] | voices/narrator_zh.wav | 沉稳低沉，叙事感，语速极慢 |
| 飞升者 | [augmented_man] | voices/augmented_man.wav | 克制疲惫，金属共鸣 |
| 地勤职员 | [staff_voice] | voices/staff_voice.wav | 职业化，平板疏离 |
| 阿强（人类） | [qiang_human] | voices/qiang_human.wav | 年轻，肾上腺素，口语化 |
| 阿强（飞升） | [qiang_mech] | voices/qiang_mech.wav | 同人格，深沉金属共鸣 |
| 铁叔 | [iron_uncle] | voices/iron_uncle.wav | 极低沉，研磨齿轮，权威感 |
| 艾娃AI | [ava_ai] | voices/ava_ai.wav | 平静合成，完全无情感 |
| 路人年轻男 | [passerby_male_young] | voices/passerby_male_young.wav | |
| 路人中年男 | [passerby_male_mid] | voices/passerby_male_mid.wav | |
| 路人老年男 | [passerby_male_old] | voices/passerby_male_old.wav | |
| 路人年轻女 | [passerby_female_young] | voices/passerby_female_young.wav | |
| 路人中年女 | [passerby_female_mid] | voices/passerby_female_mid.wav | |
| 路人老年女 | [passerby_female_old] | voices/passerby_female_old.wav | |
| 官方播报男 | [official_male] | voices/official_male.wav | |
| 官方播报女 | [official_female] | voices/official_female.wav | |
3. 可用 Workflows
| Workflow ID | 用途 | 最多 VoiceDesign 角色数 |
|---|
radio_drama_ch3 | 火星红茶剧组（6角色） | 6（victoria/narrator/bartender/shiva/augmented/staff） |
radio_drama_abyss | 锈鲸号剧组（6角色） | 6（qiang_human/qiang_mech/iron_uncle/ava_ai/narrator/official） |
generate_npc_voice | 单角色声线生成/覆盖 | 1（通用，任意 character_name） |
新建剧的 workflow 创建规则：
- 复制
radio_drama_ch3.json → 修改 character_name 字段
- 每个 VoiceDesignerNode 对应一个角色，最多6个
- 串联顺序：所有 VoiceDesignerNode → 链式 RefreshVoiceCacheNode → UnifiedTTSTextNode
4. VoiceDesigner 关键经验
性别混乱问题（重要）
Qwen3-TTS VoiceDesigner 在以下情况会生成错误性别声线：
- 提示词写了"中低音域"但没有明确性别
- 提示词包含年龄数字（如"60岁"）时模型倾向于男声
女性角色声线提示词规范：
成熟女性，女性声线，女性音域，不要低于女性音域范围。
四五十岁的女性声音，有力量感……
普通话，女性，中音偏低但绝对不能是男声，必须是女性音色。
关键："女性"在提示词中出现至少3次，明确排除"不能是男声"。
NPC 批量生成覆盖问题（重要）
radio_drama_ch3 的6个 VoiceDesignerNode 的 character_name 是硬编码的。
若用该 workflow 批量生成 NPC 台词时传入 NPC 的 voice_desc，会覆盖对应的角色声线文件。
正确做法：
- NPC 声线生成/覆盖用
generate_npc_voice workflow（character_name 参数化）
- 每次只生成一个角色，逐个 poll 完成
TTS 质量参数
radio_drama_ch3.json / radio_drama_abyss.json 中已设置：
"temperature": 0.75,
"repetition_penalty": 1.02
不要把 temperature 调回 0.9，否则语速偏快、节奏不稳。
5. 剧本格式规范
### 第N幕：幕名
【BGM: bgm-scene.mp3 淡入3s 起始:幕开场】
【SFX: #door #metal #open @ 00:05】
[narrator_zh] 旁白内容。[pause:0.8] 继续旁白。
[character_tag]（情绪说明）台词内容。[pause:0.6] 续台词。
【BGM: bgm-scene.mp3 淡出3s】
Pause tag 数值参考
| 场景 | 推荐值 |
|---|
| 角色切换 | [pause:0.5] ~ [pause:0.8] |
| 句内短停顿 | [pause:0.4] ~ [pause:0.6] |
| 情绪转折 | [pause:1.0] ~ [pause:1.5] |
| 幕间过渡 | [pause:2.0] ~ [pause:2.5] |
| 极度震撼 | [pause:3.0] |
段落间停顿原则： 旁白→角色 0.4s，角色→角色 0.5s，情绪重的转折 0.8s，幕间 1.5s。过短会导致吞音，不要低于 0.4s。
6. 分段 TTS 生产方式（推荐）
适用场景：角色 ≥4个、预期需要局部重录、多次迭代的项目。
分段命名规范
{角色缩写}_{序号:03d}.mp3
| 角色 | 缩写 |
|---|
| 旁白 | NR |
| 维多利亚 | VI |
| 调酒师 | BA |
| 希瓦 | SH |
| 飞升者 | AU |
| 地勤 | ST |
| 阿强人类 | QH |
| 阿强机械 | QM |
| 铁叔 | IU |
| 艾娃 | AV |
| 新角色 | 取角色名前2字母大写 |
生产流程
Step 1：按角色批次生成
在 TTS 文本中，同一角色的多段台词合并为一次调用，段间用 [pause:3.0] 分隔（作为切割标记）：
result = run_workflow(
workflow_id="radio_drama_ch3",
overrides={
"victoria_voice_desc": "...",
"narrator_voice_desc": "...",
"text": "[narrator_zh] 第一段旁白内容。[pause:3.0] [narrator_zh] 第二段旁白。[pause:3.0] [narrator_zh] 第三段旁白。",
"seed": 3888
}
)
Step 2：自动切割
/home/avic/ai_tools/ComfyUI/.venv/bin/python3 split_segments.py \
audio/batch_NR.mp3 \
NR_001 NR_002 NR_003 ...
split_segments.py 通过 ffmpeg silencedetect（阈值 -38dB，最小时长 2.5s）自动定位切割点。
检测到的切割点数量应等于段数 - 1，否则会输出警告。
Step 3：拼接混音
编辑 mix_from_segments.py 中的 SCRIPT_ORDER 列表，指定每个 segment 的播放顺序和间隔：
SCRIPT_ORDER = [
("NR_001", 0.6),
("VI_001", 1.0),
("BA_001", 0.5),
...
]
运行：
/home/avic/ai_tools/ComfyUI/.venv/bin/python3 mix_from_segments.py
局部重录工作流
只需重录单个 segment：
不需要重新生成整个 TTS，也不影响其他角色的声线。
7. 特殊制作场景
场景A：两段 TTS 拼接（意识转移/身份转变）
适用于角色在故事中发生音色突变的场景（如飞升后声线变化）。
text_A = "[qiang_human] 给老子上去啊！"
text_B = "[qiang_mech] 我们拿到同位素了吗？"
PART_B_OFFSET = len_partA + 1.5 + 2.0 + 4.0
neural_transfer.mp3 合成方式：cryo_freeze.mp3（降调4半音）+ digital_glitch.mp3 叠加。
场景B：AI 崩坏音效处理（pedalboard）
对 AI 角色的台词在混音阶段做分级处理：
from pedalboard import Pedalboard, Bitcrush, PitchShift, Chorus, Reverb
normal = Pedalboard([Bitcrush(bit_depth=14)])
glitch = Pedalboard([
PitchShift(semitones=-3),
Bitcrush(bit_depth=8),
Chorus(rate_hz=1.5, depth=0.4, centre_delay_ms=7.0, mix=0.3),
])
lullaby = Pedalboard([
PitchShift(semitones=-2),
Bitcrush(bit_depth=6),
Reverb(room_size=0.8, wet_level=0.5, dry_level=0.5),
])
处理时对目标时段的音频做渐变融合（前后各 0.3s）避免突变。
8. 混音参数规范
BGM 音量
- 对话期间：
vol = 0.18（约 -15dB），不遮盖台词
- BGM 淡入：3
4s；淡出：36s（结尾淡出用 6~8s）
SFX Reverb 分区
| 场景类型 | room_size | wet_level | 代表场景 |
|---|
| 大型开放空间 | 0.40 | 0.25 | 太空港大厅、飞船引擎 |
| 小型室内 | 0.18 | 0.15 | 酒吧、飞船驾驶舱 |
| 密闭空间 | 0.12 | 0.10 | 宿舍、医疗舱 |
低频男声补偿
调酒师/铁叔等低沉男声与 BGM 低频重叠，对该角色集中的段落整体 +4dB：
gain = db2lin(4.0)
FADE = int(0.5 * SR)
buf[seg_start + FADE: seg_end - FADE] *= gain
buf[seg_start: seg_start + FADE] *= np.linspace(1.0, gain, FADE)
buf[seg_end - FADE: seg_end] *= np.linspace(gain, 1.0, FADE)
运行环境
混音脚本必须用 ComfyUI venv 运行（含 pedalboard、soundfile、numpy）：
/home/avic/ai_tools/ComfyUI/.venv/bin/python3 mix_from_segments.py
9. 音效检索
python3 .opencode/skills/radio-drama/scripts/sfx_lookup.py --tags "door metal heavy"
或查阅 sfx_library/catalog.md。常用标签：
| 场景 | 标签 |
|---|
| 厚重铁门开 | #door #metal #open #heavy |
| 铁门关闭 | #door #close #slam |
| 金属脚步 | #footstep #metal #grate |
| 外骨骼脚步 | #footstep #exoskeleton #sci-fi |
| 扫描哔声 | #scanner #beep #confirm |
| 气闸 | #airlock #pressure #sci-fi |
| 引擎嗡鸣 | #engine #rumble #sci-fi |
| 太空港人群 | #ambience #spaceport #crowd |
| 酒吧底噪 | #ambience #bar #crowd #jazz |
| 骨骼断裂 | #bone #crack |
| 意识转移 | sci-fi/neural_transfer.mp3（合成素材） |
10. BGM 生成
用 generate_song workflow，关键参数：
run_workflow("generate_song", overrides={
"tags": "dark ambient sci-fi, low frequency drone, industrial, no melody, no vocals",
"lyrics": "[instrumental]",
"negative": "melody, vocals, singing, drums, guitar, piano",
"seconds": 90,
"steps": 60,
"seed": 5001
})
BGM 风格参考（已制作的可直接复用）：
| 文件 | 位置 | 风格 |
|---|
bgm-spaceport.mp3 | ch3 | 低频机械嗡鸣，广播提示音 |
bgm-bar.mp3 | ch3 | 低沉环境噪声，合成电子音 |
bgm-dorm.mp3 | ch3 | 沙尘暴低吼 |
bgm-descent.mp3 | ch1 | 深渊下潜，低频压迫 |
bgm-struggle.mp3 | ch1 | 心跳+工业噪音，极度紧张 |
bgm-crossover.mp3 | ch1 | 混沌→清澈，意识重生 |
bgm-epilogue.mp3 | ch1 | 安静忧伤，带一丝希望 |
11. 输出与发布规范
audio/
├── segments/ # 分段原始 MP3（按需替换单段重录）
├── batch_*.mp3 # 批次TTS原始输出（可在验收后删除）
├── tts-full-vN.mp3 # 单次TTS模式的完整输出（可选）
├── bgm-{scene}.mp3 # BGM
└── radio-drama-{world}-{ch}-vN.mp3 # 成品（版本号递增）
发布试听：
cp audio/radio-drama-*-vN.mp3 /home/avic/ai_tools/comfyui-mcp-server/public/gen/
