仅需实时录制一段文本或上传一段音频文件，就能高质量还原声音本色，生成自己的定制音色，用于数字人的对话、播报等内容生产音色。
说明
数字人音色定制，当前限时免费中
定制流程
实时录制音频复刻
克隆方式选择录音时，可以基于平台给出的文案，在指定语境内朗读录制
录制要求
录制时无环境背景噪声、无明显回声和混响
录制期间话筒距离嘴部的距离稳定，避免声音忽大忽小
录制过程中保持姿态稳定，减少人为噪声，如肢体碰撞声、服装摩擦声、桌椅移动声、鼠标键盘声等
语种要求
支持选择目标合成语种（如中文、英文、日语、韩语等）
建议录制语种与目标语种一致，以获得最佳克隆效果
上传音频文件复刻
克隆方式选择上传时，可以上传音频文件进行克隆
第一步上传文件
文件要求
音频格式：wav、mp3、m4a
采样率：大于等于16000Hz
文件大小：10MB 以内
音频时长：大于等于10s
语种要求
支持选择目标合成语种（如中文、英文、日语、韩语等）
建议录制语种与目标语种一致，以获得最佳克隆效果
音频片段选取
上传成功后，系统默认选取前10秒作为克隆参考片段
可手动调整选取区间（固定时长10秒，仅可滑动选择起始点）
建议选取人声清晰、无背景噪声、语速平稳、情绪自然的片段
选取完成后支持：
试听：预览所选片段的克隆试听效果
重新选取：调整10秒区间后重新试听
重新上传：若整体音频质量不佳，可替换文件重新操作
说明
10秒片段的质量直接影响音色还原效果，建议优先选取发音标准、环境干净的片段。
该文章对您有帮助吗？