给短片配音时，你可以直接写“愤怒”“悲伤”，或在台词中插入“[轻声发笑]”“[声音哽咽]”，让 AI 在指定位置演出来。Scenema Audio 现在被做成了 ComfyUI 原生自定义节点——ComfyUI 是一套用连线节点编排生成式 AI 流程的图形工具。这意味着创作者能把表演式语音生成接进已有的本地制作流程；还可提供一小段参考录音，用 zero-shot voice cloning（零样本声音克隆）保持指定音色。
这次最实用的变化是量化：用较低精度保存模型参数，以减少 VRAM（显卡存放模型和计算结果的高速内存）占用。作者称，原先的全精度版本太重，如今最低可在 8GB 显存上运行，并已在 RTX 3070 和 RTX 4090 上完成端到端测试，生成速度最高可达实时的两倍。代价并未消失：首次仍要下载约 30GB 权重；部分随机种子会产生重复或乱码，因此它更适合“多生成几次、挑最好的一条、再剪辑”的后期流程。量化是否带来音质损失，供稿没有披露独立对比结果。