一期播客里有口误、口水词和需要补录的段落，想一次交给 Aunio 跑完粗剪加配音，真正要先定的不是提示词写多细，而是两件事：原始录音按可自动化程度分段，音色、语速、停顿三项口径提前固定。分好段，能直接跑的段落才批量交付，抢话和需要重录的段落留人工；口径固定，同一期节目里才不会出现音色和节奏跳变。
把粗剪与配音一次交给 Aunio 并非不可行，前提是把“可自动化”和“需人工确认”提前分开：单人、无交叠、语义完整的段落可以直接跑；抢话、需要补录、语气敏感的段落必须留人工。音色、语速、停顿三项建议先固定，用一段三分钟样音跑通再铺到全篇，导出前逐段核对补录位置与首尾留白。边界在于：涉及重录音频和语气取舍的地方，最终仍要人工听感确认。
按可自动化程度把原始录音切成三段
切段安排在把素材交给 Aunio 之前，用听感和时间码判断，不用先跑模型。判断依据通常看三条：有没有明显口误和反复起句；有没有多人交叠说话；有没有语义断裂、必须重录才能接上的地方。按这三条，原始录音可以落进三类：
- A 段，可直接自动化：单人说话、无交叠、句子完整，只有可删的口水词和短停顿。
- B 段，可跑但必须回听：单人，但停顿长、情绪起伏大、专有名词密集。
- C 段，人工接管：抢话叠音、录制有空响、需要补录、语气带玩笑或反讽。
一段带时间码的切分示例，可以直接照着这四列整理素材：
00:00:08-00:03:52 A 单人开场，无交叠
00:03:52-00:04:10 C 两人同时说话，出现叠音
00:04:10-00:11:30 A 单人主体段落
00:11:30-00:11:48 C 口误后停录，需要补录一句
00:11:48-00:19:05 B 带笑声与长停顿，需回听
00:19:05-00:21:00 A 结尾单人收束切完建议把 A、B、C 各存成独立文件，文件名带上起止时间码，回退时只重跑某一段，不必整期重来。
在音色与语速设置里固定一套可复用口径
同一期节目音色和节奏跳变，多半是分段跑的时候顺手改了设置。做法是先固定三项，整期复用，并把取值记进当期项目文件：
voice:
timbre: host_a # 选定后整期不改
speed: 1.0 # 相对原速
pause:
sentence_ms: 300
paragraph_ms: 700验证方式是一次只改一项，其余保持不动，A/B 两版对着听同一句话。如果听不出差别，说明这一项在当前素材上不敏感，就不必动它；如果差别明显，把改动前后的取值和改动时间一并记下，方便以后回退。音色和语速的调整建议放在三分钟样音阶段做，不要在全篇跑完之后再改。
用三分钟片段跑一遍完整流程
三分钟片段的目的不是看效果上限，而是确认流程能跑通、出了问题知道回退哪一项。选一段 A 段加一段 B 段拼接，输入输出对照按下面结构留档：
输入：seg_A_0008_0352.wav 原始单人段落，含若干口误
输入：text_seg_A.txt 对应文本，口误处已标注删除
输出：seg_A.cut.wav 粗剪结果
输出：seg_A.tts.wav 配音结果
输出：run.log 记录本次音色/语速/停顿取值回退映射可以先按这个方向排查：听感变硬、不像本人，改音色项；整体偏快或偏慢，改语速项；句子之间太挤或拖沓，改停顿项。每次只回退一项，用同一份输入再跑一遍，确认改动确实对应到问题。
逐段核对补录位置与语气
机器产出之后，逐段核对是必须的动作，重点看补录句的插入位置和语气衔接。可以用一张表把结论固定下来：
| 段落编号 | 问题类型 | 是否采纳 | 回退动作 |
|---|---|---|---|
| A-01 | 口水词删除 | 采纳 | 无 |
| A-02 | 补录位置偏移 | 不采纳 | 回退本段，重新标记插入点 |
| B-01 | 笑声被削平 | 不采纳 | 回退停顿取值，保留原音 |
| C-01 | 叠音未处理 | 人工处理 | 不进自动队列 |
核对顺序建议从 C 段开始，再 B 段，最后 A 段。先确认需要人工处理的地方没有被误跑，再看语气敏感段落，最后过一遍可直接自动化的内容。补录句的接入点建议对着文本再听一遍上下文，只有上下文顺了才算采纳。
导出前检查响度与首尾留白
导出母版建议用 WAV，44.1kHz、16bit 或 24bit，平台上传再转 MP3，具体参数按平台要求确认。导出前先跑响度检查，不要只靠耳朵：
ffmpeg -i final.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 -f null -
ffprobe -v error -show_entries format=duration -of default=nw=1 final.wav首尾留白同样要单独看，用静音检测确认开头没有突然起声、结尾没有被切干净：
ffmpeg -i final.wav -af silencedetect=noise=-50dB:d=0.3 -f null -留白不足时，只对首尾做补齐，不动中间内容，例如：
ffmpeg -i in.wav -af 'adelay=300|300,apad=pad_dur=0.5' out.wav返工路径按异常类型拆开：响度不对，先检查是不是对同一段做了两次响度处理，从粗剪源文件重跑一次；首尾异常，只补首尾；某一段语气不对，只回退该段对应的音色或停顿取值，其余段落保持不动。全部通过之后再导出最终交付文件。