眼睛能回看，耳朵需要一路跟上
一份预约说明放在网页上，读者可以停在“四十五分钟”旁边，再往前看是谁的预约。把同一段文字交给语音模型，这些信息就要依次经过耳朵：听到后半句时，前面的主语和条件还得留在脑中。
给声音改稿，可以从一个很具体的目标开始：让听者知道现在讲的是哪件事，下一步要做什么。下面用一份原创、虚构的社区录音室说明，看看改稿发生在哪里。它不是实际活动通知。
先听：同一份安排，两种稿件
先听书面稿，再听口播稿。留意开放时间、预约时长，以及需要取消时该做什么。两段使用同一模型和预设声音；文字改动可直接对照。
社区录音室将于周六九点至十七点开放，每次预约时长为四十五分钟，每人限约一次，首次使用者须提前十分钟到场接受设备说明；如需取消，应最晚于周五十八点前联系前台，否则将影响其下次预约资格。
周六，社区录音室从早上九点开放到下午五点。每人可以预约一次，每次四十五分钟。第一次来使用录音室，请提前十分钟到场，工作人员会先介绍设备。想取消预约，请在周五下午六点前联系前台。超过这个时间才取消，会影响你下次预约的资格。
口播稿字数更多。它把同一组安排分开交代，也把“十七点”和“十八点”改成日常说法。是否更容易跟上，可以在听完后遮住文字，试着复述一次。
先把每句话里挤在一起的任务拆开
书面稿第一句连续交代了开放时间、时长、次数和首次到场要求。读到分号时，听者已经接收了四件事。口播稿让一句话先完成一项安排，再进入下一项；“每人一次”和“每次四十五分钟”仍放在一起，因为它们共同说明预约额度。
| 书面稿中的写法 | 口播稿的改动 | 听者得到的线索 |
|---|---|---|
| “每次预约时长为……每人限约……” | “每人可以预约一次，每次四十五分钟。” | 先交代次数，再说明这一次有多长。 |
| “首次使用者须……” | “第一次来使用录音室，请……” | 明确这是给哪一类使用者的提醒。 |
| “如需取消，应最晚于……” | “想取消预约，请在……” | 进入取消这一步时，重新给出动作。 |
| “否则将影响其……” | “超过这个时间才取消，会影响你……” | 把触发后果的条件说出来。 |
拆句以后也要连续读一遍。把每个词组都断成一句，会让预约说明听起来像逐条点名；相关信息仍需要留在同一个语义组里。
数字要带着用途和单位出现
这里的九点和五点描述开放区间，四十五分钟描述一次预约，十分钟描述提前量，周五六点描述取消截止时间。它们都是时间，却要求听者采取不同的行动。口播稿把每个数字放回相应的动作旁边。
“十七点”改成“下午五点”，保留了同一个时刻。遇到百分比、价格或型号，也要先确定听者需要记住哪一个量，再决定如何读出符号和单位。例如“增长了 12%”与“增长到 12%”不能互换；为了顺口删去一个“到”，就可能改变原意。
技术稿中的精确数值应保留。需要补解释时，可以先报数，再说明它在当前场景里代表什么；没有依据时，不把数值擅自四舍五入成“差不多”。
听者走远了，就把主语再带回来
书面稿最后的“其”，需要读者回指“首次使用者”或更前面的预约人。口播稿直接说“你下次预约的资格”，把这条规定重新接到听者身上；“工作人员会先介绍设备”则把到场后的动作说清楚。
长篇讲解也会遇到同样的问题。一段话已经提到模型、参考录音和生成结果，再说“它会影响后者”，听者容易失去对应关系。此时重复“参考录音”比换一个代词更有帮助。重复是否多余，取决于听者能不能立即找到它指向谁。
让句子好听，也要把条件核对一遍
预约说明里的限制不能为了语气轻松而消失。改稿后，逐项对照这几件事：
| 原有安排 | 口播稿是否保留 |
|---|---|
| 周六九点至十七点开放 | 周六早上九点到下午五点。 |
| 每人一次，每次四十五分钟 | 次数和时长都保留。 |
| 首次使用者提前十分钟到场接受设备说明 | 保留首次使用、提前量和设备说明。 |
| 取消须在周五十八点前联系前台 | 保留截止时间与联系对象。 |
| 超时取消影响下次预约资格 | 保留后果，没有改成“不能再预约”。 |
最后一项尤其容易被改重。“影响资格”没有说明一定会失去资格，口播稿也没有替通知补出这个结论。教程里的“可以”“需要”“仅限”，同样要在改写前后逐个核对。
交给模型前，先处理实际要说的字
给人看的展示稿可以保留“9:00—17:00”，朗读稿则可以写成“早上九点到下午五点”。缩写、日期和网址也应先确定读法。若需要同时维护两份稿件，把它们作为同一份内容的两个版本保存，后续改时间时一并更新。
句号和分段为模型提供组织线索，实际停多久仍取决于模型和这次生成。文本里随手加上“[停两秒]”，也可能被当作正文读出来。使用模型明确支持的控制方式，并在样音里检查它是否生效。关于重音和停顿，可以接着读一段声音里，除了文字还有什么？。
先生成一小段，关掉文字听一遍：能否复述关键条件，某个代词是否需要回想，有没有数字连在一起听混。再打开稿件逐字核对，检查是否漏读、增词或读错。这两轮检查分别处理理解和准确性。
下一步把一句口播交给两个人：用六句台词听接话和留白。
试听说明
这组样音于 2026 年 11 月 4 日通过 Sonano 本地引擎生成，使用 Qwen3-TTS CustomVoice 1.7B 8bit，模型仓库为 mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-8bit。中文预设声音为 Serena，语速参数为 1.0，其余采样参数保持默认。采用首份生成结果，未按效果挑选候选。
两版共用的表达指令：
清楚、平静地向社区居民说明预约安排，自然语速，音量和音色稳定，段落之间自然停顿。只朗读输入文字，不添加词语。
这里只演示稿件的组织方式，不测量理解率，也不把自然度的差异全部归因于改稿。试听以 MP3 提供，没有调速、变调或背景音乐；英文版使用 Ryan，各语言分别对照。