使用 Text to Speech：先整理台词，再选择声音风格
在 PromptHub 使用 Text to Speech 时，不要只粘一整段文案。GitHub 原文的提示很具体：要写 voice style、gender、speed、emotion、pronunciation hints，并用自然标点控制停顿。
使用 Text to Speech：先整理台词，再选择声音风格
好的 TTS 输入像一份配音指导
在 PromptHub 使用 Text to Speech 时，不要只粘一整段文案。GitHub 原文的提示很具体：要写 voice style、gender、speed、emotion、pronunciation hints，并用自然标点控制停顿。
我建议先把台词按镜头或段落拆开，再为每段写声音目标。比如开头要 energetic，解释部分要 warm and patient，结尾 CTA 要 confident but not pushy。这样生成的声音更容易放进视频时间线。
一个具体示例
示例：给 20 秒产品广告配音，可以输入：“Convert to speech in Chinese Mandarin with an energetic but trustworthy female voice. Fast opening, then slightly slower for product benefit. Read API as A-P-I. Text: 今天的客户问题，不该散落在十几个群里。用 FlowDesk，把咨询、跟进和复盘放进同一个工作台。现在预约演示，10 分钟看懂你的团队漏在哪一步。”
生成后检查三件事：品牌词是否读对、节奏是否能贴合画面、尾句 CTA 是否清楚。如果要和数字人口型同步，还要把句子切得更短。
与视频声音层怎么配合
TTS 是人声主层，Music Generation 是音乐床，Sound Effects 是动作事件。PromptHub 把这些 skill 分开，是为了让你排查时能知道问题在台词、音乐还是音效，而不是把所有声音写进一个大 prompt。
边界与失败排查
它不支持文本里夹大量代码或特殊符号直接朗读，也不适合超长无分段文章。失败时排查语言是否明确、数字是否要写成中文读法、缩写是否给出发音、语气是否过多互相冲突、段落是否太长。GitHub 来源见 Text to Speech 的 SKILL.md。