Muse Video + iFlytek Voice + CapCut: Standard Mandarin AI Short Drama

Combine Muse video generation, iFlytek TTS, and CapCut editing to fix unnatural Mandarin accents in AI videos

Who

Creators making Chinese AI short dramas who are dissatisfied with Muse's default Mandarin voice quality

You get

A complete short drama with Muse-generated visuals, standard Mandarin voiceover, and CapCut post-production

You need

Muse

Steps

1. Generate visuals without dialogue using Muse

   When generating video in Muse, focus on describing characters, scenes, actions, expressions, and camera transitions. Explicitly request no dialogue, keeping only ambient sound. This reduces reliance on Muse's built-in Mandarin speech.

   Execution prompt · Source text。Muse prompt/character setting field to constrain output to standard Mandarin pronunciation

   Copy prompt

   【中文普通话语音强制规范】
   
   视频中的所有人物必须使用标准、自然的中国大陆普通话。
   
   1. 使用标准普通话发音，以中国大陆中央级新闻播音员的语言规范为参考。
   2. 必须准确区分平翘舌音、前后鼻音、声母和韵母。
   3. 声调必须准确，禁止出现外国人学习中文的口音。
   4. 语速自然，不能机械地逐字朗读，不能出现奇怪的断句。
   5. 使用自然的中文口语表达，符合中国人的日常交流习惯。
   6. 禁止使用英语口音、港台腔、机械翻译腔和夸张的外国人中文口音。
   7. 人物说话时必须保证台词与发音一致，不得擅自修改、遗漏或增加台词。
   8. 声音清晰、吐字准确、语气自然，有真实人物交流的感觉。
   
   【声音风格】
   选择中国大陆成年人的自然普通话音色，发音清晰，语气生动，咬字准确，不要过度播音腔。
   
   【重要】
   普通话准确性优先于声音表演效果。如果无法保证准确发音，请优先保持简单、清晰、自然的中文表达。

2. Generate standard Mandarin voiceover with iFlytek TTS

   Go to iFlytek Online TTS (https://www.xfyun.cn/services/online_tts). Input character lines or narration separately. Select mainland Chinese Mandarin voice: natural and steady male for male roles, natural and clear female for female roles, clear and moderate-speed for narration. Adjust speed, pitch, and polyphone pronunciation as needed.

3. Assemble video, voiceover and subtitles in CapCut

   Import the Muse video into CapCut: 1) Mute or lower original audio; 2) Import the iFlytek voiceover file; 3) Adjust dialogue timing to match character actions; 4) Add matching subtitles; 5) Adjust background music and sound effects, then export.

4. Establish a fixed production workflow

   For future productions, use a fixed pipeline: Muse generates visuals → iFlytek generates Mandarin voiceover → CapCut assembly → add subtitles → export video.

【中文普通话语音强制规范】

视频中的所有人物必须使用标准、自然的中国大陆普通话。

1. 使用标准普通话发音，以中国大陆中央级新闻播音员的语言规范为参考。
2. 必须准确区分平翘舌音、前后鼻音、声母和韵母。
3. 声调必须准确，禁止出现外国人学习中文的口音。
4. 语速自然，不能机械地逐字朗读，不能出现奇怪的断句。
5. 使用自然的中文口语表达，符合中国人的日常交流习惯。
6. 禁止使用英语口音、港台腔、机械翻译腔和夸张的外国人中文口音。
7. 人物说话时必须保证台词与发音一致，不得擅自修改、遗漏或增加台词。
8. 声音清晰、吐字准确、语气自然，有真实人物交流的感觉。

【声音风格】
选择中国大陆成年人的自然普通话音色，发音清晰，语气生动，咬字准确，不要过度播音腔。

【重要】
普通话准确性优先于声音表演效果。如果无法保证准确发音，请优先保持简单、清晰、自然的中文表达。