关于中文国语音声，其实要说的有很多。主要就是中文的同人音声刚刚起步，市场的成熟度比不上日系音声。而制作音声的门槛相对很低，所以说鱼龙混杂，好坏差异非常大。但如果详细的划分主要问题有如下几种情况。
录音设备
大多数的音声作品都是单声道录音，换句话说只要有台电脑或者手机，直接用自带App录制，充其量使用线控Mic，很少作品会使用专业麦克风（Mic）或者双路立体声录音（Binaural recording），俗称“人头麦”。所以说大多数录制出来的音声作品按照日系标准都是不合格的。很多就连日系“无料”（免费）作品的录音级别都达不到。
但考虑到立体音声的设备价格，或许许多主播和团队一开始也只是试水和兴趣使然，所以暂时对中文同人音声作品的录音设备并不敢奢望过高。但话说如此，可以在录音的后期制作里进行修饰补偿，在“后期制作”里会着重分析，这里就不赘述了。
人物表演
CV的演出一般主要看声优的吐字是否清晰准确，演出是否入戏而非棒读（缺乏感情投入的对白诠释），音色是能够符合角色特点，语言表现力是否符合场景等。
声优不仅需要音色动听，还得具备各种“能人所不能”的能力。女性声优反串男性角色早已司空见惯，许多声优甚至可以完成老人、中年人、青年、小孩的各种声音，而且还能够自由跨越从耳语到尖叫的广阔音域，同时还要始终维持所配角色的声音特点。时至今日，声优已经成为日本动漫产业中的重要环节，声优的表现优劣，通常将直接影响该角色的人气，乃至整个动漫作品的质量。
WiKi百科中对声优的表述
华语音声并不缺乏众多优秀的CV，有非常多的CV配音都是准声优级别的，这一点毋庸置疑。但也有大量的滥竽充数的CV充斥着整个互联网，里面许多团队似乎是为了“消费主义”而采用“短平快”的策略，大量的输出作品，但CV的选择和要求就不敢恭维。如果连普通人的普通说话水平都达不到，那只能说是让人深表遗憾。
考虑到市场的发展规律，随着时间的推移，估计优秀的人物演出会越来越多，而质量较差的作品也会被市场淘汰。
后期制作
一个好的音声作品少不了优秀的后期制作。由于涉及到许多专业流程和术语，这里只做简单介绍，后期制作常见有如下几个流程：
剪辑
在录音之后，可能会有1-2轮“初剪”，然后就进入了正式剪辑阶段，也称“精剪”。精剪部分，首先是要对初剪不满意的地方进行修改，例如录制时的杂音（鼠标点击声，突发杂音等）。而许多录音是多段录音合并而成，所以如何排序衔接也是关键。更何况在众多录音里，有许多需要添加音效，而音效的位置时间轴与编排，十分考验剪辑的水平。
配乐
大多数音声并没有配乐，只有少数的情景音声，或者有个人风格的催眠音声会采用配乐。因为避免背景音乐喧宾夺主，影响作品的代入感。音声作品的配乐一般是选曲而非原创配乐。毕竟在成本方面会比较经济，而配乐的选择一般考验后期或者主创团队的主观审美，因为许多配乐或多或少会影响聆听的情绪流，所以说音乐是否配合主题至关重要。
特效
这个阶段是比较关键的一个阶段，将本身录制不佳的效果的地方进行特效制作，这里将运用到十分专业的特效制作软件和素材。例如开门声，脚步声，道具声等等，除非使用人头麦录制，一般的掏耳音效也是后期添加。我们所了解的很多具有超强效果的日系音声作品，如道草屋系列，正是因为特效录入这个环节做的十分真好而大受好评。
这一点国内许多全年龄向的半商业团队制作的音声都在往这个方向努力，并且效果还算不错。而许多R18类型就水平低下到令人发指。
混音
常见的混音工具软件，入门一个月就可以差不多熟练。然后还有一堆插件要去学习，例如降噪，eq，混响，音高修整，激励，仿立体声，压缩等等。但这并不是核心。混音的核心是后期制作者对声音的判断，和对音频素材的理解。
例如大多数中文音声是用手机的话筒录制，本来它就是频率都是固定的，无论怎么去修整，它听上去始终是空洞的。对于后期制作来说，制作者必须要知道什么样的声音是最适合的，每一段音轨应该主要表现那一段声音，主次与层次分明。这是混音师最最重要的要求，并不是把所有声音放在一起就好了。
这里要说的是，绝大多数的中文音声后期都是不合格的，毕竟有专业水平的混音师都在音乐影视业，而自学成才的混音师大多是兴趣使然，所以要走的路还很长。
音声分类
中文音声和几年前的有声小说最大的区别是人称的差异。有声小说一般是小说朗读，第3人称居多；而同人音声一般是第1，第2人称，这样一来聆听着具有代入感。而音声内容分类常见有如下类型：
情景剧：一个特定的场景和故事，聆听着和讲述者都是故事场景的角色。对台本和声优CV的要求比较高，同人音声的绝大多数类别。
ASMR：一般是用人头麦录制，然后大多采用直播的形式，用不同的道具产生的音效给听者带来某种感官的刺激。很多鱼龙混杂的作品打着这个噱头滥竽充数，有娱乐性，但对录音设备和设备使用要求比较高。
安眠类：一般也和ASMR类重叠，目的在于使用音效和语言让人放松入眠。绝大多数的无料免费作品都属于此类。CV门槛算是相对较低，但对设备使用和后期要求较高。
催眠类：许多中文音声把这一类别与安眠类混淆，其实催眠本身在医学领域具有争议。但一般来说是让受众听者进入一种近似“恍惚”的状态，而状态中会被代入某种形而上的情景之中。其实对于大多数人来说，催眠是一种大脑的强烈妄想状态，就和做梦（浅睡）类似，并且效果因人而异。一般催眠音声十分考验台本和CV演出，对节奏和语言的表现力至关重要，中文合格作品少之又少。
视频音声类：这一类别本来是综合音声的表现形式，而视觉音声国外常见的是把视频窗口当作受众听者的视角，然后表演者进行类似Cosplay的角色演出而进一步增加带入感。也有部分视频主播是ASMR类别，主要是给受众观众展示不同道具带来的ASMR音效的差异。但国内的中文视频音声主要是质量低下的主播直播形式，大多数是女主播在各种“美颜滤镜”下的R15擦边球行为，里面充斥着大量低俗但富有市场的各种暗示行为。大量的直播平台曾经都是以此为盈利，也算是国情所限。不得不叹息国内的审查分级制度与互联网泡沫，路依然很漫长。
DIY：这一类音声一般是R18作品，主要是类似语言性暗示调教或者CV指挥+音效行为，让受众按照指示行径的音声。这类作品也被行业称为“发电”作品（JOI）。这类作品就不赘述了，具体问题具体作品再细谈。
其他不入流类别：这类有传统的小说有声读本、Podcast、夜谈聊天、实战录音、或者R18类别的各种夸张的生硬表演与类似上个世纪夜间场所的特色作品，这里也不去过多的评论。
同人情景和台本
其实这里要谈的有许多，毕竟大多数的同人音声作品都是情景类别，而这种类别大多数的载体都是故事，而故事又依托于台本（故事文本和表演台词）。
常见的情景除了直播以外，都是20-30分钟的音频都是小故事，多见于各种小说片段节选。而节选的类别如童话冒险，RPG游戏的场景，各种怪谈和神话，R18的作品也有许多类“爱情动作片”企划情节。总而言之，就是构架一个虚拟的世界，让受众听者扮演一个角色在故事中经历冒险。
故事性是一方面，另一方面要考虑到第一、第二人称的视角，所以客观描述性语言要减少，对话类要增多，所以考验台本写手的语言和改编功底。声优CV的表现也是如此，常见的中文音声的问题是棒读严重，语言语速不符，缺乏角色的代入感。让人听了出戏。而R18作品又由于语言和大环境因素，所以语言的羞耻感让许多优秀的CV并不打算接手这类作品，毕竟安全要素优先，许多地下传播的作品更是因此质量参差不齐。
内容分级
一般来说媒体制品的分级在国内大环境中十分困难。但大体划分，有三类：
全年龄，R15（15岁以上，可能具有少量性暗示），R18（成年人 XXOO）。
就如同之前所说的，这个考虑到制作团队和声优CV的安全问题，大多数合法的或者部分贩卖的都是全年龄作品。少数CV和团队为了制造名声，或许会制作少量R15作品。而R18作品，许多平台已经下架，而更有许多团队地下交易，在互联网时代下，也被各大论坛广泛传播。至于今后发展，估计短时间之内都是如此，互联网封杀一波又起，各种加密网盘魔高一丈。能够像其他国家一样合法市场化任重道远。
价格
这里也不好去评判，毕竟互联网电商如此发达，各种平台交易便捷。所以除了免费作品外，用价格来提高作品质量和补偿作者的劳动是十分正常的。考虑到全年龄的价格一般不会太贵，目前也没有税收和监管部门对此进行重点捕捉，对于广大听友来说还是十分方便的，毕竟有些作品还是物有所值的。至于R18作品，大多数都是地下交易，这里也不去评判里面的作品是否物有所值。
音声作品的主要问题是盗版，以及盗版转卖，以及“骗取点击量”的“钱盘”。在国内大环境下，暂时依然无法避免。一般来说，价格公道合理的市场化可以筛选作品质量+版权意识与法律保护可以缓解这类问题。
总而言之，这是目前的中文同人音声的个人分析，有很强的主观色彩，仅供参考。具体作品的评测标准和具体分析在之后的博客网站里会进一步讨论。