前两天跟人聊起这类竖屏剧，对方说他能接受画面僵硬，接受不了配音。
我完全同意，而且我觉得这里面有个被低估的原因：画面你可以选择不看，声音躲不掉。
人物脸崩了，你把视线挪到字幕上还能过去；配音垮了，整场戏就塌了，没有替代方案。
合成音的三个固定毛病
一是没有气口。
真人说话是有呼吸的。一句长句说到一半要换气，激动的时候气不够用，句子会断在半路；压着火说话的时候气息反而更沉。这些细微的呼吸声，是情绪的主要载体之一。
合成音是“完美的”：语速均匀、气息平稳、从头到尾不需要呼吸。听起来干净，但不像活人在说话。
我做过一个对比，同一段台词，真人配音和合成配音各听三遍。真人那版我能感觉到角色在忍着；合成那版只是在念。
二是重音全在词上，不在意思上。
这个更技术一点。一句话里哪个词该重，不是语法决定的，是说话人想强调什么决定的。
「我没说过这句话」和「我没说过这句话」，字一样，意思差很远。
合成音往往按词性或者默认规则去加重音，读出来语法没问题，但重音落在不痛不痒的位置。听多了会觉得所有角色都不太聪明的样子。
三是语气词废掉。
「哼」「啧」「嗯？」「你……」
这类单字在真人演员嘴里能带出轻蔑、不耐烦、试探、撒娇。合成出来基本是一个平调加一点音量变化，信息全丢了。
国产剧里有一类戏，专门靠语气词演——两个人不说话，只靠几个鼻音交锋。这种戏放在合成配音里等于没有。
一个人配全剧，是最省的做法
成本摆在那儿，大部分制作方用的是一套音色走到底。
男配女、老配少，全靠调音高。把音调拉高一点当少女，压低一点当老头。这种方法在短句上能糊过去，一旦遇到长段独白就露馅——音色可以变，语流变不了。
少数做得认真的会至少分三个音色：主角、对手、旁白。听起来立刻不一样。我印象里有一部古装的，反派的声音带一点点沙，跟主角形成对比，那几场对手戏就有张力了。
判断方法：找个三人以上的场景，闭眼听。能靠声音分清谁在说话，说明制作方在配音上花过钱；分不清，就是一套音色。
背景音乐压人声，是个低级错误
这个问题在免费资源里特别常见。
BGM 音量没做侧链压缩，一到高潮段落音乐顶上来，人声直接被盖住。你只能靠字幕知道他们在说什么。
有些混得更糙，音效（门响、脚步、雨声）的音量比人声还大。听着像是环境音在演戏。
好的混音应该做到：关掉字幕，你依然能听清每一句台词。这条可以当成硬标准，达不到的剧我不会往下看。
口型对不上，其实是配音先做完的
很多人以为口型不对是画面没跟上，其实是反的。
这类剧的流程通常是先出画面，后配音——但为了快，有的制作方是反过来的：音频先定稿，画面按音频长度去凑。所以你会看到人物嘴一直在动，但和声音对不上，因为它压根不是照着这段声音生成的。
真正把口型做对的成本很高。我见过做得最好的几部，只在关键台词上对口型，其他镜头用背影、侧脸、遮挡避开。这个取舍很聪明——观众记住的是那几句关键台词。
我现在的听音检查
拿到一部新剧，我不看画面，先听两分钟。
三件事：能不能听出呼吸、能不能听出重音是有意的、BGM 有没有压住人声。
三样都过，说明配音这块是认真做的，值得花时间看。三样都不过，哪怕封面再好看我也不点。
顺便说一句，这类剧戴耳机看和用手机外放看完全是两个体验。外放会损失很多低频细节，配音的毛病反而被掩盖了。想判断质量，用耳机。
最后补一个容易被忽略的点：字幕的断句和配音的断句经常不是一回事。
字幕为了不超出一行，会把一句话拆在奇怪的位置；配音是按语义走的。两边一错开，你看着字幕觉得这人说话断断续续，听着声音又觉得字幕跳得太快。这不是你的错觉，是两个工序之间没对齐。
做得认真的制作方会把字幕按配音的气口重新断句，你看着会觉得“顺”。这种细节没人夸，但缺了就是难受。
有没有人跟我一样，是先听声音再决定看不看的？