higgsfield-audio

该技能面向 Higgsfield 视频中的音频生成，讲解如何在提示词中描述声音。支持原生联合音频的模型包括 Kling 3.0、Seedance 2.0 / 1.5 Pro、Veo 3 / 3.1、Grok Video，音频与视频在同一遍生成中同步产生；其他模型需在后期用 Lipsync Studio 或外部工具添加。提示词可考虑四层：对话（引号内，指明说话人、语气与语言）、SFX（绑定可见动作）、Ambient（2 至 3 个背景声元素）、BGM（描述乐器、速度与情绪，不点名歌曲或艺人）。可用行内写法或独立 Audio 块。压制配乐时先写正当声源，再写 NO BGM，两种形式均可用。唇形同步最易失败：单条对话 3 至 8 秒、中近景或更近、每个镜头一张说话的脸、锁定机位、移除头部与面部动作标记；多角色需分别生成再合成。Seedance 2.0 的 @Audio1 可作为条件输入，用于节拍同步、音频驱动表演或作为输出音轨；引用音频时需限定其携带的属性。独立音频工具包括 seed_audio、qwen_audio_tts、text2speech_v2，以及换声（voice_change）与音色克隆（create_voice）。具体字数预算、平台参数与限制细节以原始资料为准。