接到配音需求时，先确认客户要的是“几分钟成品”，还是“多少字的录音”，再问清使用渠道、授权期限、声音风格、交付格式和修改范围。AI 可以先做试音和草稿，但正式交付前仍要逐段听审。本文用广告、课程开场和宣传片三段原创文案，在本机 IndexTTS-2.5 做了实测；脚本会输出分段 WAV 和基础检查记录。
先确定这单到底交付什么
开工前把下面几项写进需求确认单，避免“改到满意”为止：
| 项目 | 需要确认的内容 |
|---|---|
| 文稿 | 谁提供文案；数字、专名和外语读法由谁确认；定稿后改词如何计费 |
| 使用范围 | 广告、课程、企业宣传片分别投放到哪些平台；是否付费投流；期限、地区和是否独家 |
| 声音 | 使用哪位配音者或哪条获授权的参考音；是否允许 AI 合成、剪辑、再授权 |
| 成品 | 单条时长、格式、采样率、声道、响度要求、分轨及命名方式 |
| 修改 | 包含几轮；哪些属于错读返修，哪些属于客户改稿或风格重做 |
| 时间 | 试音、初稿、审听、终稿的日期，以及客户反馈时限 |
广告通常要先交短试音确认语气，再录最终文案；课程配音常按章节、讲次或总时长拆分，最好先约定术语表和章节命名；宣传片则要对照画面时间轴，确认旁白是否需要卡点、留白和分句文件。不要只凭“成片 1 分钟”估算全部工时：校稿、选音、改稿、对齐画面和导出都可能超过生成本身。
报价按范围拆开，不照搬“行业均价”
可以按“基础制作费 + 明确的增项 + 授权范围”列报价，而不是只报每分钟一个数：
- 按字计价时，先约定按中文字符、含不含标点、英文和数字怎么折算，以及最低起订金额。
- 按成品分钟计价时，先定义以最终干声时长还是含停顿的成片时长计算；长课程可按总分钟或章节分档。
- 单列脚本整理、术语校对、多角色、紧急交付、分轨、音画对齐、额外修改和重新录制等工作。
- 把媒介、地区、期限、投放规模、独家与否写进授权报价；范围变化时先补充确认。
- 报价单注明试听样、正式交付、付款节点、修改轮数、取消规则和文件保留期限。
这里不填一个看似通用的市场价格：地区、配音者资历、渠道和授权范围会让报价差异很大。先用同一套规格向目标客户或平台核实，再保存你自己的历史工时和成交记录，逐步形成报价表。
用 IndexTTS 做一轮内部试音
IndexTTS-2.5 的官方示例支持 Python 调用和参考音色合成。本教程选择本地运行，理由是短文案可以快速做内部试听，不需要把客户尚未公开的文稿上传到第三方生成服务。本机验证不代表已经确认商业交付权：模型许可、参考音、文案、配乐和目标平台的使用范围要分别核查。
本机脚本和原创测试文案放在配音接单练习包。把脚本放到 IndexTTS 项目根目录（能看到 checkpoints/、examples/ 的目录），确认 Python 环境和模型已按官方文档安装；将脚本中的 VOICE 换成你有权用于本次合成的参考录音，然后运行：
uv run voiceover_gigs.py脚本生成三段示例：门店新品广告、课程开场、企业宣传片旁白。它逐段保存 WAV，并记录每段字数、成品时长和生成耗时，检查文件非空、采样率和声道可读取。它不会判断声音是否自然、字音是否准确、样音是否获准用于商业，也不会自动完成混音或响度标准化；这些仍需人工确认。
本次在 M1 Max 64GB 上用 IndexTTS-2.5 完成三种短文案的生成：33 字广告音频 6.66 秒、单段处理 33.68 秒；38 字课程开场 7.34 秒、处理 57.46 秒；43 字宣传旁白 7.78 秒、处理 234.34 秒，模型加载 29.40 秒。三段耗时差异很大，样本太少，不能由此推断稳定吞吐或报价工时；逐段数据见练习包实测记录。本次没有人工试听，所以不对声音自然度、情绪表现或客户可交付性作结论。
正式交付前逐项听审
- 先让客户确认一段短试音的音色、语速和情绪，再批量处理定稿。
- 按句或按章节生成；遇到错读、漏字、吞字或停顿不当，优先重做对应片段。
- 对照定稿逐字检查数字、品牌名、课程术语、人名和英文缩写。
- 听拼接后的整条音频，检查音量跳变、底噪、断句和衔接，再按约定格式导出。
- 交付时附上文件清单、版本号、授权范围和修改记录；客户确认后再清理临时文件。
声音和内容授权不能省略
《民法典》第一千零二十三条规定，对自然人声音的保护参照适用肖像权保护的有关规定。使用参考音做声音克隆前，应取得与具体用途相符的明确许可；不能把公开可听见误当成同意克隆，也不要用名人或客户员工的声音制作会让人误认本人参与的广告。查看《民法典》
模型能生成，不代表内容和声音就获得商业授权。确认委托合同已覆盖 AI 合成、发布渠道、使用期限、再次授权、撤下和删除要求；保存参考录音来源、授权记录和最终交付版本。IndexTTS 官方中文许可还包含特定规模产品/服务的商业许可门槛及署名、第三方数据授权等要求，接单前阅读当前协议全文，不能把“模型可本地运行”当作“任意商用”。
《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行，规定用户使用网络信息内容传播服务发布生成合成内容时应主动声明并使用平台提供的标识功能。发布 AI 配音时，按适用规则和目标平台的当前要求声明、标识，不要擅自删除相关标识。查看标识办法
本次实测边界
实测覆盖三类中文短稿的本机生成、WAV 文件基本检查和处理耗时记录。测试参考音来自本机 IndexTTS 示例，仅用于本地功能验证；练习包不含该录音或生成音频。没有试听成品，没有测试长篇课程、多人对话、不同设备、商业客户交付、平台审核和报价成交结果。正式接单前请用获授权的声音做试音，并由人逐字听审。