人声描述
VOICE DESCRIPTION固有属性
人物首次出现时说明，后续无需重复。
年龄与性别人物身份/职业人物关系语言与口音场景/节目类型
可变属性
依据当前语句的实际听感补充。
声线特质语气情绪音量语速与节奏音质与副语言
02AUDIO CAPTION
声音 Caption
从声音内容、音色质感、情绪表现与节奏变化出发，将听觉体验转化为准确、清晰、可复核的结构化描述。
ANNOTATION GUIDE
声音 Caption 标注体系
将音频拆分为人声、配乐与音效三类信息，先识别可听事实，再按属性、变化和时序组织描述，确保 Caption 能准确还原声音内容。
CAPTION FORMULA
角色 / 人物＋固有属性＋可变属性＋“说话内容”
核心原则：仅阅读 Caption，也能在脑海中还原对应的人声与表达状态。配乐描述
MUSIC DESCRIPTION出现明确、有调的主旋律且持续时间不少于 3 秒时，按以下维度描述。
- 类型
- 区分人声歌曲与纯音乐
- 情绪
- 结合段落描述轻松、激昂、紧张、温馨等变化
- 乐器
- 识别主要乐器、独奏/合奏及明显演奏技法
- 风格
- 描述流行、电子、摇滚、民乐、爵士等流派
- 变化
- 记录编排、情绪和音量的阶段性变化
音效描述
SOUND EFFECT DESCRIPTION- 主体与数量
- 人、物体或天气现象，以及发声主体数量
- 动作与状态
- 碰撞、走动等动作及次数、轻重、快慢、连续或断续
- 材质
- 结合声音与画面判断木头、金属、塑料、水泥等材质
- 时序
- 使用“接着、然后、同时、伴随着”等表达先后或同步关系
- 环境与距离
- 描述室内外、具体空间、远近、左右及声像移动
- 非写实音效
- 用拟声词描述近似声音，或标注氛围音、转场特效音等类型
台词转写
TRANSCRIPTION RULES- 01
可识别的台词全部使用双引号包裹，避免错别字。
- 02
明显停顿处使用逗号等标点，疑问、感叹与句尾语气保持一致。
- 03
口误、转折或未说完的内容使用省略号等对应符号标注。
- 04
切分优先保证语义完整；时间误差约 ±1–2 秒、少量字词偏差需复核确认。