文字转 AI 音效 2026：AudioCraft 免费本地工作流

你需要一个具体的声音——帆布上的雨、飞船门、50 年代黑胶底噪——而素材库都没有。AudioCraft 在你自己的机器上从文字提示生成，免费。

💡 你将学到

你需要一个具体的声音——帆布上的雨、飞船门、50 年代黑胶底噪——而素材库都没有。AudioCraft 在你自己的机器上从文字提示生成，免费。

📜 目录

• 素材库解决不了的问题
• AudioGen 做什么
• 配置
• 声音提示词写法
• 后期步骤
• 现实检查

素材库解决不了的问题

素材库解决常见声音，解决不了你的声音：精确的质感、精确的情绪、精确的长度。文字转音频模型填补这个缺口，Meta 的 AudioCraft（23,559 stars，2026-08-13 实测）是开源参考——模型家族里 AudioGen 专精音效，MusicGen 管音乐。两者都本地运行。

AudioGen 做什么

AudioGen 在数百万条配文字描述的音频片段上训练。给它一条提示（铁皮屋顶的雨、远处驶过的火车、猫叫两声），它合成时长可控的匹配音频。这不是素材库搜索——是生成：同一条提示，每次结果不同。

配置

pip install audiocraft，然后上面那段 Python 就能跑：加载 facebook/audiogen-medium、设 5 秒时长、一条提示、一个 WAV 文件。一次安装、一个脚本、完全离线。

声音提示词写法

声音提示词遵循公式：材质+动作+环境+质感。对比：

• 弱：rain
• 强：heavy rain on a tin roof with distant thunder, slightly muffled

加拟声词和质感词（creaking、rustling、muffled、metallic）。每条提示生成 5-10 个变体——最好的版本通常不是第一个，时长也便宜到随便试。

后期步骤

1. 响度归一化（脚本的 strategy=loudness 已做）
2. 裁掉头尾静音——生成音频常有填充
3. 分层：单个片段很少填满场景。底（房间氛围、风）和前景（具体音效）分开生成再混
4. 循环检查：游戏氛围音要测接缝处能否干净循环

现实检查

AudioGen 对抽象和环境声音出色；对超特定品牌声音和需要完美时机的声音（脚步声对齐走路循环要手动）较弱。90% 的视频和游戏声音需求，本地工作流比搜素材库快——而且每次生成零成本。