很多人以为做有声书就是把文字丢进TTS工具一键生成，结果出来的东西像在听机器读课文。真正能用的有声书，靠的是一套完整工作流，分四步走。

第一步：文本清洗。 直接丢PDF或Word进去，TTS会把页码、页眉、脚注全读出来。先用工具提取纯文本，删除所有非正文内容，把"第3章"这类标题单独标注，后续用来做章节分割。

第二步：分段配音。 别一次性生成整本书。按章节拆成2000字以内的片段，每段单独生成。长文本TTS气息控制会崩，分段生成再拼接，流畅度提升一个档次。多角色对话用冬瓜配音，支持自动分配音色，不用手动拼接。

第三步：后期精修。 导出后用AU或剪映加背景音乐，音量压到配音的20%。段落之间插入0.5秒静音模拟换气，关键情节前加1秒停顿制造悬念。这三步做完，听感从"朗读"变"演播"。

第四步：导出分发。 最终输出MP3，码率选192kbps，兼顾音质和文件大小。上传喜马拉雅或小宇宙，一部有声书就完成了。