声音克隆

概念介绍

通过大模型技术进行特征提取，从而完成声音的复刻，且无需训练过程。仅需提供时长较短的音频，即可迅速生成高度相似且听感自然的定制声音。

功能入口

1. 登录云联络中心控制台，在左侧导航栏选择实例管理-V2，单击具体实例的访问地址进入实例控制台。

2. 单击页面左上角菜单按钮，选择数字员工进入数字员工业务控制台。在左侧导航栏选择数字员工>声音克隆。

   进入声音克隆页面，页面包含三个步骤：声音复刻模型选择（如 CosyVoice）、克隆对象录入（支持点击录音或上传 wav/mp3/m4a 格式音频文件）、合成克隆音色（输入文本后单击合成试听），右侧面板展示已有的克隆音色列表。

功能说明

声音复刻模型选择

支持Qwen3、CosyVoice 的声音克隆能力模型选择，即在音色克隆页面中可以自定义选择声音复刻模型，可根据具体场景选择适合的克隆音色模型。在声音复刻模型选择下拉框中选择模型：CosyVoice（口音还原相似度高、韵律流畅）或Qwen（响应敏捷、自适应语气调节、复杂文本处理效果好）。音频输入方式支持点击录音（录制20s音频）或上传录音文件（支持wav/mp3/m4a格式，单/双声道，16KHz及以上采样率，时长10s以上，文件小于10MB）。

克隆对象录入

使用声音克隆时可以通过点击录音、上传录音文件两种方式作为需要克隆的对象。

• 点击录音：当选择点击开启录音后，可以根据参考内容进行朗读进行声音录制，录制完成后点击提交复刻按钮即可。

• 上传录音文件：支持wav、mp3、m4a格式，支持单、双声道录音文件。音频采样率：16KHz及以上采样率。音频最好在10s以上，并且音频文件须小于10MB。

合成克隆音色

复刻后的声音可以通过书写测试文本，再进行点击合成试听按钮进行试听。

保存克隆音色

当音色克隆完成后，并且通过试听后觉得该克隆音色符合要求，即可点击创建并保存音色按钮进行保存。

在弹出的对话框中，填写音色名称（不超过 20 个字符），然后单击确认完成保存。

克隆音色列表

在界面的右侧列表中，可以查看已保存的音色列表。同时支持试听与删除。在克隆音色列表中，每条音色记录展示所使用的克隆模型名称（如 CosyVoice）及创建日期。单击播放图标可试听该音色，单击删除图标可移除该条记录。单击音色记录可弹出输入自定义文案试听浮窗，输入自定义文案后单击合成试听即可预览克隆效果。

克隆音色的使用

在配置数字员工场景中，可在场景中的语音设置的TTS语音合成服务中进行选择配置。在TTS配置声音风格中选择克隆音色，即可使用。