
不用录音,用文字定制音色
声音设计的起点是一段文字,而不是一段录音。写清说话人听起来多大、语速多快、情绪怎样,模型就按描述造出相应的声音。
- 不需要录音或参考音频
- 描述年龄、音色、语速和情绪
- 用日常说法,不必懂音频术语
写下你想要的声音:多大年纪、什么音色、语速快慢、带着什么情绪。声音设计按描述造出新声音。
写清年龄、性别、音色、语速和情绪。
输入一句话,让新声音读给你听。
生成后试听,不满意就改描述。

声音设计的起点是一段文字,而不是一段录音。写清说话人听起来多大、语速多快、情绪怎样,模型就按描述造出相应的声音。
越具体越好。“三十岁左右的女声,温暖略带沙哑,语速不急,说话时带着笑意”,比“好听的声音”有用得多。


设计出来的声音由你的描述生成,不是从某个人的录音复制来的,因此不属于任何真实的人。模仿明星或特定人物的要求不被允许。
需要一个独特、稳定、又不属于任何真人的声音时,声音设计都派得上用场。
给每个 NPC、反派和旁白各配一个声音。写下“嗓音粗哑的老酒馆老板”,之后每句台词都用它。
把品牌该有的声音写下来,比如沉稳、温暖、吐字清楚,广告、讲解和引导视频都用同一个。
给主要角色各设计一个辨识度高的声音,听众一听就知道谁在说话,旁白再用一个平稳的声音。
应用、自助终端和语音助手需要贴合产品、又不属于某个具体人的声音,设计音色正好合适。
按角色描述给短片或广播剧选角。某个角色要调整,改一改描述就行,不用重新约人录音。
讲课用耐心清晰的声音,小知识用更轻快的声音,让每一类内容都有学员熟悉的声音。
三种方式最后都是把文字读出来,区别在于声音从哪里来、开始前要准备什么。
| 对比项 | AI 声音设计 | 声音克隆 | 预设音色 |
|---|---|---|---|
| 声音来源 | 你写的文字描述 | 一段真人录音 | 音色库里的现成声音 |
| 准备工作 | 几句话的描述 | 说话人的清晰录音 | 无需准备,直接挑选 |
| 听起来像 | 一个全新的声音 | 录音里的那个人 | 你选中的那个音色 |
| 授权要求 | 不涉及真人的声音 | 须说话人本人同意 | 按平台条款使用 |
| 调整方式 | 改描述后重新生成 | 重新录一段参考音频 | 换一个音色 |
| 最适合 | 角色配音和品牌声音 | 需要你本人声音的内容 | 只要好听的通用声音 |
描述越具体,第一次生成就越接近你想要的。动笔之前,先过一遍这六条。
开头先写年龄和性别,比如“六十岁左右的男声”“十几岁的女孩”,其他细节都在这个基础上叠加。
用形容嗓音的词:轻柔气声、磁性低音、明亮少年感、略带沙哑、清脆。挑一两个就够了。
写清快慢和活力:不紧不慢、干脆利落、平稳、轻快跳跃。语速对角色感的影响不比音色小。
交代情绪和场合:深夜电台的安静、儿童节目的欢快、悬疑预告片的紧张,场景会带动语气。
“洪亮又轻声细语”“很老却很稚嫩”会互相拉扯。每个特征选一个方向,再慢慢调。
结果接近但不对味时,只改一个词,比如“更温暖”或“更慢”,才听得出每处改动的作用。
设计第一个声音之前,你可能想先知道这些。
AI 声音设计也常被叫作音色设计或“捏声音”,是用一段文字描述生成新声音的技术。你写下年龄、性别、音色质感、语速和情绪,模型生成具备这些特点的声音,再用它朗读任意文稿。
可以。在声音设计模式里写描述、填预览文本,或一键填入示例风格,登录后点击生成,就能听到你设计的声音。预览文本最多 500 字,每 20 个字符 1 积分,生成失败自动退回。
一般两到四句话就够。写清是谁在说话(年龄和性别)、嗓音质感、语速,以及情绪或使用场景。不在意的方面可以不写,也不要写互相矛盾的特征。
声音克隆是从一段录音里复刻真实的声音,需要参考音频和说话人本人同意;声音设计不需要任何音频,用文字造出一个新声音。内容要像你本人,选克隆;需要角色或不属于任何人的声音,选设计。
不能。声音设计只用来创造原创声音,模仿明星、公众人物或任何特定真人的要求都不被允许。你可以描述“低沉沉稳的中年男声”这类特征,但不能指名某个人。
可以,这正是声音设计很适合的用途。给每个角色或品牌调性写一段描述并保存好,每次生成都沿用同一段描述,让台词和广告的声音风格尽量保持一致。
不需要。声音设计不用麦克风,也不用参考音频,只需要文字描述。如果你想要的就是自己的声音,更适合用声音克隆,上传或录制你本人的一段录音。
能否商用以你所选套餐的服务条款为准。设计的声音由文字描述生成,不取自任何人的录音,但仍然不能用来冒充他人或误导听众。
现在就在工作台里写下第一段描述,登录后生成,马上听到它。