耐测视频配音五要素生成

【音色】
1. 女声，中音区，清晰干净，年龄感在三十岁上下。
2. 音色偏亮但不刺耳，适合手机外放。
3. 不用气声，保持稳定气息支撑，不飘不抖。

【情绪】
1. 全程平实，像在念测试记录，不带推销语气。
2. 数据句稍加重音，但不夸张，不刻意强调。
3. 结论句放慢，语气笃定，不上扬。

【语速】
1. 每分钟 220 字，比常规解说略慢。
2. 每组数据之间停 0.4 秒，便于听清。
3. 结论句单句独立，前后各留 0.6 秒。

【停顿】
1. 开头留 1 秒空白，接第一句问题描述。
2. 数字前停 0.2 秒，数字后不拖尾。
3. 结尾停 1 秒再进字幕，给观众反应时间。

【场景】
1. 录音环境噪声低于 30 分贝，不加混响。
2. 与测试画面同步，配音不压画面动作声。
3. 输出 48kHz 干声，另给一版加轻微压限。