构建 SFX v3 AI 音效工作流：从脚本到素材交付

AI 助手可以帮助把脚本整理成音效计划，但费用支出、可用音频选择和发布应保持明确。一个实用流程是：拟定事件、审核计划、执行有限请求、人工试听，再整理已采用文件。

本文介绍如何组合已有工具实现流程。专用智能体连接器与自动分镜同步需要根据你的应用自行实现。

把脚本整理成结构化声音事件

向助手提供场景，让它列出可听见的事件，而不是每个可见物体。可以使用这样的指令：

请以声音编辑的角度阅读场景，只列出可听见的事件。每项包含 cue ID、期望时间线位置、声源、短提示词和请求时长，区分持续底声与单次音效。将不确定细节保留为问题，不提交任何生成请求。

一个虚构的抽屉场景可以整理为：

{
  "cue_id": "drawer_close_01",
  "timeline_seconds": 6.2,
  "layer": "foley",
  "prompt": "A small wooden drawer closes once with a soft dry tap.",
  "duration_seconds": 3,
  "status": "draft"
}

这是计划数据结构，不是两项 API 接受的请求体。timeline_seconds 告诉编辑者素材应放在哪里，并不会让生成模型将事件精确安排在该时间点。

生成前审核有限的计划

决定哪些事件必要、哪些可以使用已有授权文件、哪些需要生成。需要独立时间和音量的声音应拆开。视频指南提供声音清单，游戏指南说明事件型素材。

确认提示词列表、服务、可用模型、尝试次数与工作量上限。选用的 API 提供报价时，记录实际报价；规划助手给出的价格不是服务端报价。请求超出已批准范围时，返回审核，不静默扩大预算。

给执行器明确的小任务

执行器接收审核后的事件，只调用已配置服务，并验证请求字段。凭证放在服务端环境，不放入提示词或计划 JSON。文档或模型回答不应改变接收密钥的目标地址。

直接调用 ElevenLabs 时，按 API 指南的约定处理。Python 下载示例提供串行执行、计划预览和工作量限制，可以将审核过的 ID、提示词和时长转换为其 CSV。

通过本站执行时，使用实时目录中选定模型的标识与参数。本站返回任务 ID，需要继续查询，不直接返回 MP3 字节。更换模型前，重新确认用途、参数和积分报价。

计划状态与请求状态分开记录

这是自建流程标签，不替代平台 API 状态。原始任务状态应独立保存。超时表示结果不确定，不代表可以重复付费 POST；API 成功也不代表作品通过审核。

交付前保留人工试听

检查事件是否可辨认、距离是否匹配、尾声是否可用，并放入真实场景试听。如果工作流没有实际检查音频，文本模型说“声音很干净”也不能作为试听证据。

给候选附一条具体观察，例如“抽屉接触声合适，但尾声盖住下一句”。需要时批准有针对性的修改。设定尝试上限，达到后停止并重新决策。声音遗漏、失真或任务错误可参考故障排查。

交付文件，也保留上下文

保留事件与文件对应表、源文件、采用的编辑版本、提示词与模型记录、生成日期和使用条件。时间位置放在声音清单里，不把未支持字段直接塞进生成请求。客户交付或公开发布前，阅读商用说明。

先用少量事件验证结果，再连接较大批次。如果素材库更适合某个事件，也应保留该来源选项，AI 与素材库对比说明了取舍。流程的用途是让决策与结果可追溯，完成声音仍需要判断。