先分清三种容易混淆的声音
drama-skills 的声音方法分别处理画内对白、画外声和旁白。提示词里只写“她说”，却同时要求她闭嘴思考，可能给出互相冲突的目标。
| 项目 | 记录 |
|---|---|
| 画内对白 | 画面需要什么：对应人物的开口、表演和完整台词；例子：店主面对客户说“试车后再交钥匙” |
| 画外说话 | 画面需要什么：声音来自不在画面或口部不可见的人，方向与场景一致；例子：镜头拍店主，客户在对面画外提问 |
| 旁白或内心独白 | 画面需要什么：不要求画中人物用嘴说出这一句；例子：店主看钥匙，听见其回忆旁白 |
同一句话跨镜时，注明在哪一镜开始、下一镜是画外继续还是已经结束。不要前镜写“说完”，后镜又让这句从头出现。
声音登记还包括每句实际语种与逐字原文，不能从提示词正文语言推断。若音频本身说错语言或改了句子，先看发声语种与台词检查，再做本页口型核对。
先测完整台词，再安排开口和反应
有同句、同表演的录音，优先用实际发声时长；没有录音，标明只是文本估计，不假称已经试听。镜头还要容纳开口前的等待、不能同时进行的动作和末尾反应。
下面只是预算示例：假设镜头共 7 秒，等待和收尾各需约半秒，发声窗口只剩 6 秒。若你录下的完整台词需要 8 秒，把提示词写成“0—7 秒说完”并不会使它装得下。可以延长镜头，或在语义合适处拆镜；若要精简台词，先修订剧本，再同步提示词与音频。
| 可以调整 | 应保住 |
|---|---|
| 无必要的抬手、走动和复杂运镜 | 完整台词与正确说话人 |
| 能自然同时进行的简单动作 | 必须先后发生的因果动作 |
| 镜头时长或合理拆镜 | 结尾能看懂的回应 |
不同语言、声音和情绪的语速不同，不用一个固定每秒字数当所有模型的容量保证。
双人场景提示词：说话与听话各有职责
以下是原创场景设计，生成后仍需检查。
保持已确定的店内机位，店主在画面左侧，客户在右侧。客户先停手看向店主，不说话。店主面向客户，完整说出：“试车后再交钥匙。”发声属于店主的画内对白，口部表演与这一句对应；客户听完才将手从钥匙旁移开，不跟说、不重复台词。店主说完后保留客户撤手的反应，钥匙仍在台上。不要增加旁白或新台词。镜头时长按完整录音和反应时间安排。
若同框听者总跟着张嘴，分镜允许时可改成店主单人近景，客户的撤手另拍反应；若坚持同框，明确听者不发声、嘴唇闭合，并核生成结果。
内心独白版不能只把同一句改标“旁白”而保留开口动作。可以拍手与钥匙，听见内心旁白；若必须正脸，明确嘴唇闭合并检查。skill 中的小样本观察说明文字限制有时仍会失败，因此不要把“写了闭嘴”当成已经解决。
四类失败，分别修
| 项目 | 记录 |
|---|---|
| 错的人在动嘴 | 优先核对：说话人归属、同框人物与台词顺序；处理：写清声源，必要时改取景 |
| 旁白时人物张嘴 | 优先核对：是否把旁白误写成对白；处理：调整分镜或注明闭嘴，再看实际画面 |
| 台词尾巴没说完 | 优先核对：完整发声时长是否超窗口；处理：延长、拆镜或先修剧本，不悄悄删字 |
| 台词重复跨两个镜头 | 优先核对：前后镜开始、延续与结束关系；处理：对齐相邻提示词和剪辑声音段 |
回听完整台词，再按正常速度看画内开口与声音是否对应，检查切镜处有没有多说、少说或声源跳变。仅检查提示词、字幕文本或一张截图，都不能证明口型同步。
常见问题
写“口型精准同步”能保证成功吗？
不能。先给正确声源、完整台词和合理时长，再检查实际输出；失败时根据说话人、旁白处理或容量问题分别调整。
可以直接把难同步的对白改成旁白吗？
这会改变表现方式，可能也改变剧情。先确认场景能否这样讲，再修剧本与分镜，不能只在视频提示词里悄悄转换。
用 skill 来做
用 short-drama-video-prompts 请求：“根据这段剧本和分镜写声音与表演提示，标清说话人、完整台词、画内/画外/旁白关系；检查发声窗口，超时先提出延长或拆镜方案，不改台词。”
查看具体方法： 对白、旁白与口部表现 · 完整台词与动作的时长预算