冷艳女王 · 中文
我不需要你同意,我只需要你执行。这件事到此为止。
上传或录一段你的声音,写下想说的文字,登录后就能生成。克隆复刻的是音色,读的是全新的文字。
试听三段已完成的声音示例。这些是固定样音,并非上传原声与克隆结果的对比。
我不需要你同意,我只需要你执行。这件事到此为止。
晚餐已经备好,先生。今晚的红酒是二〇一五年的波尔多,我斗胆替您做了主。
I don't need your agreement. I need your execution. This conversation is over.
10 到 30 秒清晰人声,只有你一个人说话。
一句话或一小段文案,最多 500 字。
登录后生成,用你的音色读出这段文字。

零样本语音克隆不用花几小时训练,通常 10 到 30 秒干净的人声,就能学到你的音色和说话节奏。录得干净,比录得长更重要。
克隆学到的是音色,不是某种语言。用中文录音克隆的声音,借助多语种模型通常也能用同一音色朗读英语等语言,适合做海外版配音。


声音克隆只能用于你本人的声音,或已获本人书面授权的声音。用克隆声音冒充他人、诈骗或误导听众,违反服务条款,也可能违法。
一段干净的录音,就能用在需要你声音的地方。下面是六种常见用法。
文案改了一句,重新生成就行,不用每次都重录。口播、解说和教程都保持你本人的声音。
用自己的声音读完一整本书,不必在录音棚里坐上几十个小时,从头到尾音色都一致。
老师和培训师可以用克隆声音更新课件旁白,内容改了,学员听到的还是熟悉的那个声音。
用同一个音色把中文视频配成英语等其他语言,海外观众听到的仍然像你本人在说话。
可能因疾病影响说话的人,可以提前留存自己的音色,日后仍能用自己的声音和家人交流。
读错的句子、临时加的口播和更正说明,用克隆声音就能补上,不必为一句话重新架设备。
三种方式各有长处。内容需要你本人的声音时选声音克隆,只要好听的通用声音,预设音色就够了。
| 对比项 | AI 声音克隆 | 预设 TTS 音色 | 聘请配音员 |
|---|---|---|---|
| 声音来源 | 你本人或已授权的声音 | 平台音色库里的声音 | 配音员本人的声音 |
| 准备工作 | 一段 10 到 30 秒的录音 | 无需准备,直接挑选 | 找人、试音、谈报价 |
| 修改文稿 | 改完文字重新生成 | 改完文字重新生成 | 通常要另约时间补录 |
| 其他语言 | 同一音色说其他语言 | 按语言换不同音色 | 需另找对应语种的人 |
| 授权要求 | 须本人同意或书面授权 | 按平台条款使用 | 按合同约定使用 |
| 最适合 | 需要你本人声音的内容 | 只要好听的通用声音 | 广告大片和情感表演 |
克隆声音像不像,很大程度取决于参考音频。开始录之前,花一分钟检查下面几件事。
关掉空调和风扇,关好窗户。背景越安静,克隆出来的音色越干净。
不要有背景音乐、电视声或旁人插话,几个人的声音混在一起,模型分不清该学谁。
嘴离麦克风大约一拳远并保持不动,太近容易喷麦,太远会混进房间回声。
像和朋友聊天一样自然地读,不要刻意压低嗓音或拖长语调,克隆会连这些一起学走。
连续说几句完整的话,中间少停顿。太短信息不够,录得更长也不一定更像。
如果音量忽大忽小,或者大声的地方有破音,换个位置重新录一遍。
开始克隆声音之前,你可能想先知道这些。
AI 声音克隆也常被叫作语音克隆或音色克隆,是让 AI 从一段真人录音里学会某个人的音色、语调和说话节奏,再用这个声音朗读新文字的技术。克隆完成后,改稿不必重新录音。
可以。登录后上传或录制一段你本人的清晰人声,勾选授权确认,输入最多 500 字,点击生成就能试听和下载克隆语音。参考音频会上传用于生成。页面上的三段声音示例是固定样音,并非你的克隆结果。
主流的零样本声音克隆,通常只需要大约 10 到 30 秒清晰的人声。比起录得更长,录得干净更重要:安静的房间、只有一个人说话、没有背景音乐,复刻出的音色会更接近本人。
上传、录制参考音频和输入文字都免费,生成克隆语音需要登录并消耗积分:每 20 个字符 1 积分,空格不计,最少 1 积分。积分来自价格页的套餐和积分包,生成失败会自动退回。
不可以。你只能克隆自己的声音,或已经取得本人书面授权的声音,明星和公众人物的声音都不支持。未经同意复刻他人声音用于冒充、诈骗或误导,违反服务条款,也可能违法。
通常可以。克隆复刻的是音色,多语种模型能用同一个音色朗读英语等其他语言,适合视频本地化和双语内容。跨语言时口音和韵律可能和母语者略有差别,正式使用前建议先试听。
能否商用、可以用在哪些项目里,以你所购套餐的服务条款为准。前提是声音属于你本人或已获书面授权;即使是自己的声音,也不要用它冒充他人或误导听众。
文字转语音用平台预设的音色朗读文字,选好就能用;声音克隆先复刻你提供的声音,再用它朗读。想让内容听起来就是你本人,选声音克隆;只需要一个好听的通用声音,预设音色就够了。
上传或录制参考音频,登录后就能用你的音色生成语音。