给台词加上“轻声说”和停顿：Fish S2 Pro 想把脚本变成表演说明

一份可配音的脚本，常常不只有人物说了什么，还写着“压低声音”“停一下”“带点惊讶”。Fish Audio S2 Pro把这类表达要求放进文本本身：在要改变语气的位置插入标签，而不是只给整段录音选择一个情绪。

官方模型卡展示了这种写法，例如轻声、强调和短停顿等文本内指令。对写短剧或对话试稿的人，吸引力在于一段话内部也能继续作修改：前半句保持正常，后半句才转为小声，不必把每个细节都拆成完全无关的音频任务。

脚本标记，首先要能说明你想听到的变化

可以用一个自拟情境理解：两个人在展览现场讨论作品，其中一人走近后轻声提醒“这幅画还没完成”。台词、人物轮次和表达标记共同构成输入；输出则是生成音频。这个例子用于说明工作方式，本文没有制作该场景的样音。

第一轮试稿不宜给每个词都加要求。先固定一小段对话，只在关键转折加一个轻声或停顿标记，听它是否落在正确位置，再看人物声音是否保持区分。若只凭“听起来很有感情”判断，很容易忽略漏字、呼吸不合适或前后音量不连贯。

项目还提供多说话人生成路径。对话可以在一份文本里组织，不必先分别生成所有角色，再人工逐条拼起来。它改变的是制作组织方式，不能据此保证复杂剧本的每次轮换都稳定。角色多、称呼混乱、台词很长时，仍需要保留逐段回听与替换的余地。

Fish Speech当前仓库同时介绍S2-Pro和Drama 3。后者另有多轮导演修改与局部补写等能力；这些不能自动算到S2-Pro头上。本文选择S2-Pro，是为了解释文本内控制与多角色组织，不承诺它能把已经生成的音频中的某一个字无缝替换。

仓库给出推理文档、WebUI和API路径，也提供托管产品入口。自己运行权重和购买在线服务是两种采用方式：前者需要下载与配置环境，后者还涉及账户、服务条款和数据提交。官方在特定服务器上的流式性能，也不是家用显卡的速度承诺。

真正影响落地的是许可。S2-Pro模型卡仍标明Fish Audio Research License，允许研究和非商业用途，商业使用需另行取得许可。当前代码库已经出现其他社区许可说明，并不代表S2-Pro的权重随之变成同样条款。需要交付广告、有声书或收费课程时，要按所选型号单独核对。

如果你想研究“脚本怎样写，声音才会在某一句转弯”，S2-Pro提供了具体的试验入口。先拿自己有权使用的声音与短文本，验证标签、人物和文字是否一一对应；这比直接把整章小说交进去，更容易知道模型究竟帮你完成了哪一步。