口播脚本 —— 《免费的TTS API——零成本基建系列》

场景结构（8 主场景，含 CTA）

Scene 1 —— 一句话钩子（0:00–0:08）

口播："每月 70 分钟免费 TTS，声音克隆也不花钱——Inworld TTS 的零成本方案。" 字幕：每月 70 分钟免费 TTS，不绑卡配图：AI 生成的科技感声波/语音波形竖屏背景

Scene 2 —— 免责边界（0:08–0:16）

口播："先明确边界：免费不等于无限量，适合原型验证和个人工具，不建议跑生产级高并发。" 字幕：免费 ≠ 无限，适合原型验证配图：暗色背景 + 警示符号

Scene 3 —— 核心卖点：声音克隆（0:16–0:28）

口播："它的零样本声音克隆完全免费——不用训练，只要 5 到 15 秒参考音频，几秒钟就能复刻你的声音。克隆一次，永久复用。" 字幕：零样本克隆，5 秒音频复刻声音配图：麦克风/声波/声音可视化图

Scene 4 —— 实操演示（0:28–0:42）

口播："两段 Python 代码就能跑通：第一段克隆声音返回 voiceId，第二段传入文本和 voiceId 直接合成中文语音。接口用 camelCase 字段，鉴权直接用 API Key 当 Basic 凭证。" 字幕：两段 Python 代码跑通克隆 + 合成配图：代码编辑器/终端界面风格的抽象图

Scene 5 —— 限制提醒（0:42–0:52）

口播："注意两个限制：免费档并发合成只有 5；中国区输出会强制追加 AI 生成声明，目前无法关闭，只能后处理裁剪。" 字幕：并发限制 5，中国区有强制尾音配图：限制符号/警告标志

Scene 6 —— 对比选择（0:52–1:04）

口播："对比 Azure F0 和 Cloudflare Workers AI，Inworld 的优势是中文合成自然、声音克隆免费、而且不用绑卡。70 分钟/月足够搭完验证流程。" 字幕：中文合成 + 克隆免费 + 免绑卡配图：对比表格/三列对比的抽象图

Scene 7 —— 总结（1:04–1:12）

口播："零成本基建的核心就是先跑起来再说。用 Inworld 的免费额度，你可以零成本验证语音合成、声音克隆、AI 播客配音这些场景。" 字幕：先跑起来再说，零成本验证语音场景配图：火箭发射/启动概念的科技感图

Scene 8 —— CTA（1:12–1:20，固定模板 6.77s）

口播："关注我，获取更多零成本基建资讯。" 字幕：关注我，获取更多零成本基建配图：品牌封面图

口播总字数统计

场景	字数
Scene 1	28 字
Scene 2	28 字
Scene 3	38 字
Scene 4	48 字
Scene 5	35 字
Scene 6	41 字
Scene 7	37 字
Scene 8	14 字
总计	269 字

四层复核记录

1. 数据层

[x] 70 分钟/月免费 TTS —— 来源：文章第 17、22、30 行
[x] 并发合成 5 —— 来源：文章第 49 行
[x] Voice cloning API 2 次/分钟 —— 来源：文章第 51 行
[x] TTS-2 起价 $25/100 万字符 —— 来源：文章第 42 行
[x] 采样率 24kHz —— 来源：文章第 101 行
[x] 中国区强制声明尾音 —— 来源：文章第 135 行

2. 术语层

[x] inworld-tts-2 —— 模型名称正确
[x] On-Demand —— 免费档位名称正确
[x] camelCase 字段 —— 文章明确提到 voiceSamples、voiceId、audioConfig
[x] 零样本声音克隆 —— Inworld 官方术语
[x] Basic 凭证鉴权 —— 文章第 70 行确认

3. 结论层

[x] "适合原型验证和个人工具" —— 与文章第 15 行一致
[x] "不建议跑生产级高并发" —— 与文章第 15、43 行一致
[x] "70 分钟/月足够搭完验证流程" —— 合理推论

4. 逻辑层

[x] 钩子 → 边界 → 卖点 → 实操 → 限制 → 对比 → 总结 → CTA，结构完整
[x] 从免费额度切入，逐步深入到使用方式、限制、对比，信息密度递进
[x] 每个场景信息量适中，便于配音断句和字幕同步
[x] 无自相矛盾或信息缺失

字幕安全校验

场景	字幕文案	字数	≤28 字？
1	每月 70 分钟免费 TTS，不绑卡	14	✓
2	免费 ≠ 无限，适合原型验证	12	✓
3	零样本克隆，5 秒音频复刻声音	14	✓
4	两段 Python 代码跑通克隆 + 合成	15	✓
5	并发限制 5，中国区有强制尾音	14	✓
6	中文合成 + 克隆免费 + 免绑卡	14	✓
7	先跑起来再说，零成本验证语音场景	16	✓
8	关注我，获取更多零成本基建	13	✓

全部 ≤28 字，符合防重叠硬性约束。

脚本撰写时间：2026-09-13复核状态：四层全部通过

口播脚本 —— 《免费的TTS API——零成本基建系列》 ​

场景结构（8 主场景，含 CTA） ​

Scene 1 —— 一句话钩子（0:00–0:08） ​

Scene 2 —— 免责边界（0:08–0:16） ​

Scene 3 —— 核心卖点：声音克隆（0:16–0:28） ​

Scene 4 —— 实操演示（0:28–0:42） ​

Scene 5 —— 限制提醒（0:42–0:52） ​

Scene 6 —— 对比选择（0:52–1:04） ​

Scene 7 —— 总结（1:04–1:12） ​

Scene 8 —— CTA（1:12–1:20，固定模板 6.77s） ​

口播总字数统计 ​

四层复核记录 ​

1. 数据层 ​

2. 术语层 ​

3. 结论层 ​

4. 逻辑层 ​

字幕安全校验 ​