儿童睡前故事音频怎么做？从原创短篇到配音复核

想把原创睡前故事做成每天一段音频，可以先从一篇1—2分钟短篇开始：明确适龄范围和情绪，再让本机 Qwen 起草，成人改好后用本机 CosyVoice 合成，最后从头听一遍。我们用“小刺猬在雨天陪邻居找种子”做样例。Qwen 原稿超出字数目标，音频转写也出现错词；所以故事和配音都要有人复核。合成样音还需要人工听审，确认后才能决定是否发布。

睡前故事音频流程封面：原创短篇、温柔配音和发布前复核

准备好电脑、主题和试听时间

Ollama 是本机运行大语言模型的工具，Qwen3.8-27B 可在本机生成故事草稿；模型卡列出 Apache 2.0 许可，模型下载约 18GB。查看 Qwen 模型页 · 查看模型卡。安装可看本机运行 Qwen3.8-27B。

CosyVoice 3 是 FunAudioLLM 的语音合成模型，可在本机把文字转成语音；安装步骤见Mac 本地部署 CosyVoice 3。模型仓库标注 Apache 2.0；模型卡的学术用途声明指向页面示例内容，其中部分示例来自互联网，不能据此推定示例录音或其他素材也可自由使用。脚本现在要求你明确提供一段自己录制或已获授权的参考音频及其逐字文本；不要擅自克隆他人声音。查看模型卡 · 查看官方仓库

第一步：先定年龄和听完后的感觉

别只给模型一句“写个睡前故事”。先确定听众年龄、长度、场景和情绪边界。下面这组条件适合做一条短样稿：4—6 岁、约1—2分钟、一个容易听懂的小困难、温和解决、结尾安静。不要借用熟悉的动画角色、童话人物、歌曲或其他作品的句子和情节。

把睡前故事提示词交给 Qwen。提示词要求它只输出标题、正文、年龄和时长估计，不加舞台指令，也不编科学或育儿结论。生成后先看故事是否太长、角色行为是否安全、结尾是否让孩子感到安心。

第二步：先改稿，再做声音

这次 Qwen 用时约 43 秒，生成约 776 个字符，超出提示词 300—400 字的范围；还加入“脚怕水”和红枣茶等不必要细节。我们把故事缩短到约1—2分钟，把刺猬独自冒雨出门改成与邻居结伴，再把修订稿放入练习包。原始模型输出也保留下来，方便对照。

用修订后的故事文本制作音频。不要把未审核的初稿直接转成成品：模型可能写得过长、人物行动不合适，也可能把不熟悉的事实写得像真的。家长、教师或编辑要先读一遍全文，再改成自己愿意讲给孩子听的版本。

第三步：本机合成并检查整段文件

按CosyVoice 安装教程配置环境后，下载并解压练习包，进入解压后的目录。准备自己录制或明确获授权的短参考音频，并记下录音中的准确文本。不要用孩子、家人、公众人物或配音演员的声音，除非本人已明确授权。随后在 CosyVoice 虚拟环境中运行：

python make_audio.py \
  --cosyvoice-dir /你的路径/CosyVoice \
  --text 睡前故事.txt \
  --prompt-wav /你的路径/已授权参考音频.wav \
  --prompt-text "这里填写参考录音中的原话" \
  --output 睡前故事.wav

脚本会把模型返回的所有音频分段接起来，再保存为 WAV。不要只保存第一段，否则长故事可能只剩开头。你也可以用 FunASR 自动转写，快速找可能漏掉或读错的位置；但转写也会出错，不能代替人耳听审。

本次本机技术实测输出约 80 秒音频，完整合成耗时约 236 秒；当时测试使用的是 CosyVoice 仓库示例参考音频，当前脚本已改成必须显式传入自有或获授权的参考录音。FunASR 转写覆盖了全文，但在“你愿意陪我去看看吗”等语句附近出现错字、断句和标点错位。这只能说明文件有完整转写结果，不能证明读音、情绪和停顿合适。发布前要从头听到尾，检查漏句、错读、语速、音量、背景噪声和结尾是否舒缓；当前样音尚未完成人工听审，因此不随练习包公开发布。

第四步：发布前检查权利和标识

• 只用自己创作或已获授权的故事、配乐和音效。不要把畅销绘本或动画故事稍微换名字后重新发布。《著作权法》规定，未经许可复制、发行或通过信息网络传播他人作品可能涉及权利问题；收费前也要核对配音模型、背景音乐和发布平台的许可条件。查看《著作权法》
• 让家长或教师按年龄检查内容，不加入惊吓、危险模仿或羞辱惩罚情节。若产品属于以未成年人为服务对象的在线教育网络产品和服务，应按不同年龄阶段的身心发展特点和认知能力提供相应产品和服务；普通故事音频是否适用，要按具体产品形态判断。查看《未成年人网络保护条例》
• 通过网络信息内容传播服务发布生成合成内容时，用户应按平台提供的功能主动声明并标识；服务提供者的标识义务还要看其服务类型和适用规定。《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行。查看办法原文
• 如果用真人录音做音色参考，先取得本人明确授权；不要擅自克隆孩子、亲友、配音演员或公众人物的声音。示例音频来源和授权范围需单独核对，不要因为模型仓库采用 Apache 2.0 就默认示例素材可商用。

把它做成连续更新的故事栏目

每天更新时，先用一张表记下故事主题、人物、年龄范围、情绪目标、初稿状态、音频状态和权利检查。每次只换一个小主题，避免故事越来越长；固定片尾可以提醒家长先试听，再播放给孩子。评论区收到孩子的姓名、学校或录音时，不要把这些个人信息直接复制进模型提示词。

练习包里有提示词、Qwen 原始输出、人工修订故事、合成脚本、FunASR 转写和实测记录，不包含模型合成音频、参考录音或模型权重。Apache 2.0 模型许可不覆盖你另行选用的参考录音、音乐、音效或故事素材；逐项确认来源和授权后再决定是否商用。

本次没有让儿童试听，也没有测试不同年龄段、真人配音或商业平台上传。当前音频还需要人工听审；在确认声音表现和许可范围前，不把它作为发布成品。