Luna-TTS 这类语音合成工具在生成多角色剧本音频时，最常见的卡点是：所有句子共用同一个音色，角色之间没有区分度。解决方向不是每句台词临时改参数，而是把“角色”变成一组可复用的配置块，让台词文本先经过标注解析，再按角色分组送入 TTS，最后用人工试听闭环修正。这样无论剧本多长，角色一致性都由配置块保证，而不是靠生成时手改参数。

判断：多角色配音的关键在于把音色参数与角色身份绑定，而不是逐句临时调整。适用场景：剧本朗读、广播剧草稿、有声内容批量生成。操作动作：建立角色配置块、用正则解析“角色名：台词”文本、按角色分组调用 TTS、试听后修正参数并重生成。验证方式：人工试听同一角色跨片段音色是否一致。风险边界：Luna-TTS 具体支持哪些音色参数，取决于版本和模型能力，需要在当前环境确认。

为每个角色建立独立配置块

角色参数无处存放，是后续流程没法自动化的根本问题。建议先建一个 JSON 配置文件，把每个角色需要的音色、语速、情感等参数集中存放。字段名这里用占位符，实际字段需要结合 Luna-TTS 的具体能力来替换。

{
  "roles": {
    "旁白": {
      "voice": "zh-CN-male-1",
      "pitch": "default",
      "speed": 1.0,
      "emotion": "neutral"
    },
    "林小夏": {
      "voice": "zh-CN-female-1",
      "pitch": "high",
      "speed": 1.05,
      "emotion": "cheerful"
    },
    "陈叔": {
      "voice": "zh-CN-male-2",
      "pitch": "low",
      "speed": 0.9,
      "emotion": "calm"
    }
  },
  "default": {
    "voice": "zh-CN-male-1",
    "pitch": "default",
    "speed": 1.0,
    "emotion": "neutral"
  }
}

通常建议把“旁白”也当作一个角色写进配置块，这样剧本解析时不需要单独处理无角色名的句子。每个角色块至少包含：发音人标识、音调高低、语速倍率、情感倾向。如果 Luna-TTS 还支持音色渐变或情绪强度，可以在配置块中预留扩展字段。

解析剧本中角色标签与台词文本

剧本文本如果没有结构化标注，就没法自动把台词和角色配置对应起来。建议剧本采用“角色名：台词”的格式，然后通过正则把每一行拆成角色和文本两部分。以下示例用 Python 的 re 模块处理：

import re

script = """旁白：那天傍晚，林小夏第一次见到陈叔。
林小夏：请问，这里就是南街二十七号吗？
陈叔：是，你找谁？"""

pattern = re.compile(r'^(?P<role>[^：:]+)：(?P<line>.+)$')

parsed_lines = []
for line in script.splitlines():
    match = pattern.match(line.strip())
    if match:
        parsed_lines.append({
            'role': match.group('role'),
            'text': match.group('line')
        })

# 输出结构：[{'role': '旁白', 'text': '那天傍晚...'}, ...]

如果剧本里还混有舞台提示或场景描述，建议先做一层清洗，只保留角色台词行。清洗规则可以很简单：不以“角色名：”开头的行直接跳过，或合并到上一句台词中。解析完的结构化数据，之后的作用是：在分组生成阶段，用它按角色聚合台词。

按角色分组调用Luna-TTS生成片段

如果每句台词单独切一次参数，相邻语句之间的音色过渡会显得断裂，尤其在对话密集的场景里。更稳妥的做法是：把同一个角色的台词尽量连续地交给 TTS，生成整段音频后再按句子切分，最后按剧本顺序拼接。这样角色内部的语气和节奏更自然。

cached_audio = {}

for role, lines in group_by_role(parsed_lines):
    text_block = "。".join(lines)
    params = role_configs[role]
    audio = luna_tts_synthesize(text_block, params)
    cached_audio[role].append(audio)

full_audio = []
for line in parsed_lines:
    full_audio.append(cached_audio[line.role].shift_pop())

full_audio = concatenate_silence(full_audio, gap_ms=250)

依赖上下文填充的对话，如果发现合成结果语气不对，可以把相邻角色的几句台词合并成一个片段一起生成，再用切片工具切回原来的句子。这样既保留上下文语气，又不改变剧本顺序。

人工试听与参数修正的反馈回路

自动生成只能保证参数被正确传递，不能保证听感符合预期。建议把每次生成的角色片段路径和对应参数记录成一张清单，试听时对照检查：

每调整一次参数，只改动对应角色的配置块，然后只重新生成该角色涉及的片段，不需要把整个剧本重新跑一遍。调整记录建议直接写在角色配置块旁边，方便对照不同版本的听感差异。重复两三轮之后，角色参数通常会收敛到稳定值。

实际项目里的关键点是：把角色配置、剧本解析、分组生成、人工修正这四个环节串成一条可重复的流水线。只要 Luna-TTS 当前版本支持调用时传入音色与节奏参数，这个思路就能直接落地；如果参数能力有限，也可以先从语速和情感两个维度做起，音色差异留给后期音频处理。