配音与节奏：为什么很多 AI 短片看着对但不好看

帧帧都不错却坐不住，原因多在时间不在画面。对白密度、停顿长度、分镜期的声音事件，是三个可测量的抓手。

看着对，但不好看

内部看片时经常出现这个评价：每一帧都不错，连起来坐不住。原因多半不在画面，在时间。AI 生成天然偏向匀速，而观众的注意力不是匀速的——该快的地方慢下来，就变成了拖；该留白的地方塞满台词，就变成了吵。

先算对白密度

90 秒的短片，中文对白控制在 220 到 280 字比较舒服。超过 320 字开始赶，低于 180 字会显得空。

这个数字比多数节奏理论都好用：写完台词先数一遍字。超了就删；删不动，说明这个故事本身需要两条片，而不是一条片加快语速。

更方便的用法是反过来算：按每秒 2.5 到 3 字估，先定镜头数和总时长，再决定台词量。倒着算的人，通常不会写出念不完的本子。

停顿是节奏的一半

很多片子的问题是台词之间没有缝。两句之间留 0.4 到 0.8 秒，观众才有时间处理上一句；关键情绪转折处留到 1.2 秒以上，画面不动也没关系。

停顿必须在配音阶段留出来。到剪辑再补，气口和嘴型都对不上，只能靠加空镜遮，遮完节奏更散。

音效要在写分镜时定

音效不是后期贴上去的装饰。哪个镜头有环境声、哪个镜头需要一声闷响把注意力拽回来，这些应该写进分镜表，因为它决定了这个镜头该给多长。

我们要求分镜表里加一列“声音事件”。经验上，填不出声音事件的镜头，通常也没必要存在——它只是在解释画面，没有在推进。

节奏可以被测量

把成片按 5 秒切片，标出每片的信息状态：新信息、重复、停顿。做一遍就能看出哪一段是空的、哪一段是挤的。这比“感觉有点慢”可执行得多，也方便拿给别人看：改哪一段、为什么改，有据可依。