Qwen-TTS-Realtime 声音复刻依托大模型进行特征提取,无需训练即可复刻声音。仅需提供 10~20 秒的音频,即可生成高度相似且听感自然的定制音色。
用户指南:关于模型介绍和选型建议请参见实时语音合成-通义千问。
在线体验:暂不支持。
应用场景
陪伴场景:复刻家人声音用于智能助手、车载导航、家庭娱乐(朗读绘本、控制家电、教育辅导)。
教育场景:复刻教师声音,增强互动,丰富教学视频与课件。
音视频产业:复刻主播/配音员声音,提升补录与配音效率。
智能客服:复刻客户经理声音,用于回访与营销电话,增强个性化和人性化。
功能与限制
支持的模型:目前仅
qwen-tts-vc-realtime-2025-08-20
⚠️声音复刻和语音合成使用的模型必须保持一致
⚠️支持声音复刻的模型不支持默认音色(如 Chelsie、Serena、Ethan、Cherry)
详细说明请参见语音合成章节。
支持的语言:中文(zh)、英文(en)、德语(de)、意大利语(it)、葡萄牙语(pt)、西班牙语(es)、日语(ja)、韩语(ko)、法语(fr)、俄语(ru)、印尼语(id)
并发与限流:10RPS(Requests Per Second)
账户配额:
每个阿里云主账号最多可复刻 1000 个音色
支持删除音色,删除后释放额度
超过 1 年未使用的音色将下线处理
音频文件格式要求:
声道:单声道
采样率:≥ 16000 Hz
格式:WAV(16bit)、MP3、M4A
文件大小:< 10MB
音频时长:10~20秒,不得超过60秒
连贯性要求:朗读时保持连贯,至少包含一段超过3秒的连续语音,避免频繁无意义停顿
版权与合法性:您需对所提交音频的所有权及合法使用权负责,请仔细阅读服务协议
重要进行声音复刻时,服务器会存储您提交的音频文件。该文件将在您删除音色时一并删除。音频文件仅用于声音复刻,不作他用。
调用方式:当前仅支持通过 API 调用
计费说明
声音复刻和语音合成分开计费:
前提条件
已开通服务并获取API Key。请配置API Key到环境变量,而非硬编码在代码中,防范因代码泄露导致的安全风险。
当您需要为第三方应用或用户提供临时访问权限,或者希望严格控制敏感数据访问、删除等高风险操作时,建议使用临时鉴权Token。
与长期有效的 API Key 相比,临时鉴权 Token 具备时效性短(60秒)、安全性高的特点,适用于临时调用场景,能有效降低API Key泄露的风险。
使用方式:在代码中,将原本用于鉴权的 API Key 替换为获取到的临时鉴权 Token 即可。
快速开始
以下示例基于Python/Java DashScope SDK,演示了如何在语音合成中使用声音复刻生成的专属音色,实现与原音高度相似的输出效果。
若您希望通过 WebSocket 实现相同功能,请参见实时语音合成-通义千问的快速开始章节,将示例代码中的 voice
参数替换为声音复刻生成的音色。
示例使用本地音频文件
voice.mp3
进行声音复刻,运行代码时,请替换为您自己的音频文件。运行代码前请安装最新版DashScope SDK。
当您在自己的开发环境集成该功能时,请参见语音合成章节,了解具体实现步骤和接口说明。
Python
这里参考了Python SDK的快速开始中的“server commit模式”示例代码,将voice
参数替换为复刻生成的专属音色进行语音合成:
# DashScope SDK 版本需要不低于1.23.9,Python版本需3.10及以上
# coding=utf-8
# Installation instructions for pyaudio:
# APPLE Mac OS X
# brew install portaudio
# pip install pyaudio
# Debian/Ubuntu
# sudo apt-get install python-pyaudio python3-pyaudio
# or
# pip install pyaudio
# CentOS
# sudo yum install -y portaudio portaudio-devel && pip install pyaudio
# Microsoft Windows
# python -m pip install pyaudio
import pyaudio
import os
import requests
import base64
import pathlib
import threading
import time
import dashscope # DashScope Python SDK 版本需要不低于1.23.9
from dashscope.audio.qwen_tts_realtime import QwenTtsRealtime, QwenTtsRealtimeCallback, AudioFormat
# ======= 常量配置 =======
DEFAULT_TARGET_MODEL = "qwen-tts-vc-realtime-2025-08-20" # 声音复刻、语音合成要使用相同的模型
DEFAULT_PREFERRED_NAME = "guanyu"
DEFAULT_AUDIO_MIME_TYPE = "audio/mpeg"
VOICE_FILE_PATH = "voice.mp3" # 用于声音复刻的本地音频文件的相对路径
TEXT_TO_SYNTHESIZE = [
'对吧~我就特别喜欢这种超市,',
'尤其是过年的时候',
'去逛超市',
'就会觉得',
'超级超级开心!',
'想买好多好多的东西呢!'
]
def create_voice(file_path: str,
target_model: str = DEFAULT_TARGET_MODEL,
preferred_name: str = DEFAULT_PREFERRED_NAME,
audio_mime_type: str = DEFAULT_AUDIO_MIME_TYPE) -> str:
"""
创建音色,并返回 voice 参数
"""
# 若没有将API Key配置到环境变量中,需将下一行替换为:api_key = "your-api-key"。your-api-key为实际的API Key,格式为“sk-xxxx”。
api_key = os.getenv("DASHSCOPE_API_KEY")
file_path_obj = pathlib.Path(file_path)
if not file_path_obj.exists():
raise FileNotFoundError(f"音频文件不存在: {file_path}")
base64_str = base64.b64encode(file_path_obj.read_bytes()).decode()
data_uri = f"data:{audio_mime_type};base64,{base64_str}"
url = "https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization"
payload = {
"model": "qwen-voice-enrollment", # 不要修改该值
"input": {
"action": "create",
"target_model": target_model,
"preferred_name": preferred_name,
"audio": {"data": data_uri}
}
}
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
resp = requests.post(url, json=payload, headers=headers)
if resp.status_code != 200:
raise RuntimeError(f"创建 voice 失败: {resp.status_code}, {resp.text}")
try:
return resp.json()["output"]["voice"]
except (KeyError, ValueError) as e:
raise RuntimeError(f"解析 voice 响应失败: {e}")
def init_dashscope_api_key():
"""
初始化 dashscope SDK 的 API key
"""
# 若没有将API Key配置到环境变量中,需将下一行替换为:dashscope.api_key = "your-api-key"。your-api-key为实际的API Key,格式为“sk-xxxx”。
dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")
# ======= 回调类 =======
class MyCallback(QwenTtsRealtimeCallback):
"""
自定义 TTS 流式回调
"""
def __init__(self):
self.complete_event = threading.Event()
self._player = pyaudio.PyAudio()
self._stream = self._player.open(
format=pyaudio.paInt16, channels=1, rate=24000, output=True
)
def on_open(self) -> None:
print('[TTS] 连接已建立')
def on_close(self, close_status_code, close_msg) -> None:
self._stream.stop_stream()
self._stream.close()
self._player.terminate()
print(f'[TTS] 连接关闭 code={close_status_code}, msg={close_msg}')
def on_event(self, response: dict) -> None:
try:
event_type = response.get('type', '')
if event_type == 'session.created':
print(f'[TTS] 会话开始: {response["session"]["id"]}')
elif event_type == 'response.audio.delta':
audio_data = base64.b64decode(response['delta'])
self._stream.write(audio_data)
elif event_type == 'response.done':
print(f'[TTS] 响应完成, Response ID: {qwen_tts_realtime.get_last_response_id()}')
elif event_type == 'session.finished':
print('[TTS] 会话结束')
self.complete_event.set()
except Exception as e:
print(f'[Error] 处理回调事件异常: {e}')
def wait_for_finished(self):
self.complete_event.wait()
# ======= 主执行逻辑 =======
if __name__ == '__main__':
init_dashscope_api_key()
print('[系统] 初始化 Qwen TTS Realtime ...')
callback = MyCallback()
qwen_tts_realtime = QwenTtsRealtime(model=DEFAULT_TARGET_MODEL, callback=callback)
qwen_tts_realtime.connect()
qwen_tts_realtime.update_session(
voice=create_voice(VOICE_FILE_PATH), # 将voice参数替换为复刻生成的专属音色
response_format=AudioFormat.PCM_24000HZ_MONO_16BIT,
mode='server_commit'
)
for text_chunk in TEXT_TO_SYNTHESIZE:
print(f'[发送文本]: {text_chunk}')
qwen_tts_realtime.append_text(text_chunk)
time.sleep(0.1)
qwen_tts_realtime.finish()
callback.wait_for_finished()
print(f'[Metric] session_id={qwen_tts_realtime.get_session_id()}, '
f'first_audio_delay={qwen_tts_realtime.get_first_audio_delay()}s')
Java
这里参考了Java SDK的快速开始中的“server commit模式”示例代码,将voice
参数替换为复刻生成的专属音色进行语音合成:
// Java SDK 版本需要不低于2.20.9
import com.alibaba.dashscope.audio.qwen_tts_realtime.*;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.google.gson.Gson;
import com.google.gson.JsonObject;
import javax.sound.sampled.*;
import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.file.*;
import java.nio.charset.StandardCharsets;
import java.util.Base64;
import java.util.Queue;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.atomic.AtomicReference;
import java.util.concurrent.ConcurrentLinkedQueue;
import java.util.concurrent.atomic.AtomicBoolean;
public class Main {
// ===== 常量定义 =====
// 声音复刻、语音合成要使用相同的模型
private static final String TARGET_MODEL = "qwen-tts-vc-realtime-2025-08-20";
private static final String PREFERRED_NAME = "guanyu";
// 用于声音复刻的本地音频文件的相对路径
private static final String AUDIO_FILE = "voice.mp3";
private static final String AUDIO_MIME_TYPE = "audio/mpeg";
private static String[] textToSynthesize = {
"对吧~我就特别喜欢这种超市",
"尤其是过年的时候",
"去逛超市",
"就会觉得",
"超级超级开心!",
"想买好多好多的东西呢!"
};
// 生成 data URI
public static String toDataUrl(String filePath) throws IOException {
byte[] bytes = Files.readAllBytes(Paths.get(filePath));
String encoded = Base64.getEncoder().encodeToString(bytes);
return "data:" + AUDIO_MIME_TYPE + ";base64," + encoded;
}
// 调用 API 创建 voice
public static String createVoice() throws Exception {
// 若没有将API Key配置到环境变量中,需将下一行替换为:String apiKey = "your-api-key"。your-api-key为实际的API Key,格式为“sk-xxxx”。
String apiKey = System.getenv("DASHSCOPE_API_KEY");
String jsonPayload =
"{"
+ "\"model\": \"qwen-voice-enrollment\"," // 不要修改该值
+ "\"input\": {"
+ "\"action\": \"create\","
+ "\"target_model\": \"" + TARGET_MODEL + "\","
+ "\"preferred_name\": \"" + PREFERRED_NAME + "\","
+ "\"audio\": {"
+ "\"data\": \"" + toDataUrl(AUDIO_FILE) + "\""
+ "}"
+ "}"
+ "}";
HttpURLConnection con = (HttpURLConnection) new URL("https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization").openConnection();
con.setRequestMethod("POST");
con.setRequestProperty("Authorization", "Bearer " + apiKey);
con.setRequestProperty("Content-Type", "application/json");
con.setDoOutput(true);
try (OutputStream os = con.getOutputStream()) {
os.write(jsonPayload.getBytes(StandardCharsets.UTF_8));
}
int status = con.getResponseCode();
System.out.println("HTTP 状态码: " + status);
try (BufferedReader br = new BufferedReader(
new InputStreamReader(status >= 200 && status < 300 ? con.getInputStream() : con.getErrorStream(),
StandardCharsets.UTF_8))) {
StringBuilder response = new StringBuilder();
String line;
while ((line = br.readLine()) != null) {
response.append(line);
}
System.out.println("返回内容: " + response);
if (status == 200) {
JsonObject jsonObj = new Gson().fromJson(response.toString(), JsonObject.class);
return jsonObj.getAsJsonObject("output").get("voice").getAsString();
}
throw new IOException("创建语音失败: " + status + " - " + response);
}
}
// 实时PCM音频播放器类
public static class RealtimePcmPlayer {
private int sampleRate;
private SourceDataLine line;
private AudioFormat audioFormat;
private Thread decoderThread;
private Thread playerThread;
private AtomicBoolean stopped = new AtomicBoolean(false);
private Queue<String> b64AudioBuffer = new ConcurrentLinkedQueue<>();
private Queue<byte[]> RawAudioBuffer = new ConcurrentLinkedQueue<>();
// 构造函数初始化音频格式和音频线路
public RealtimePcmPlayer(int sampleRate) throws LineUnavailableException {
this.sampleRate = sampleRate;
this.audioFormat = new AudioFormat(this.sampleRate, 16, 1, true, false);
DataLine.Info info = new DataLine.Info(SourceDataLine.class, audioFormat);
line = (SourceDataLine) AudioSystem.getLine(info);
line.open(audioFormat);
line.start();
decoderThread = new Thread(new Runnable() {
@Override
public void run() {
while (!stopped.get()) {
String b64Audio = b64AudioBuffer.poll();
if (b64Audio != null) {
byte[] rawAudio = Base64.getDecoder().decode(b64Audio);
RawAudioBuffer.add(rawAudio);
} else {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
}
}
}
});
playerThread = new Thread(new Runnable() {
@Override
public void run() {
while (!stopped.get()) {
byte[] rawAudio = RawAudioBuffer.poll();
if (rawAudio != null) {
try {
playChunk(rawAudio);
} catch (IOException e) {
throw new RuntimeException(e);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
} else {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
}
}
}
});
decoderThread.start();
playerThread.start();
}
// 播放一个音频块并阻塞直到播放完成
private void playChunk(byte[] chunk) throws IOException, InterruptedException {
if (chunk == null || chunk.length == 0) return;
int bytesWritten = 0;
while (bytesWritten < chunk.length) {
bytesWritten += line.write(chunk, bytesWritten, chunk.length - bytesWritten);
}
int audioLength = chunk.length / (this.sampleRate*2/1000);
// 等待缓冲区中的音频播放完成
Thread.sleep(audioLength - 10);
}
public void write(String b64Audio) {
b64AudioBuffer.add(b64Audio);
}
public void cancel() {
b64AudioBuffer.clear();
RawAudioBuffer.clear();
}
public void waitForComplete() throws InterruptedException {
while (!b64AudioBuffer.isEmpty() || !RawAudioBuffer.isEmpty()) {
Thread.sleep(100);
}
line.drain();
}
public void shutdown() throws InterruptedException {
stopped.set(true);
decoderThread.join();
playerThread.join();
if (line != null && line.isRunning()) {
line.drain();
line.close();
}
}
}
public static void main(String[] args) throws Exception {
QwenTtsRealtimeParam param = QwenTtsRealtimeParam.builder()
.model(TARGET_MODEL)
// 若没有将API Key配置到环境变量中,需将下一行替换为:apikey("your-api-key")。your-api-key为实际的API Key,格式为“sk-xxxx”。
.apikey(System.getenv("DASHSCOPE_API_KEY"))
.build();
AtomicReference<CountDownLatch> completeLatch = new AtomicReference<>(new CountDownLatch(1));
final AtomicReference<QwenTtsRealtime> qwenTtsRef = new AtomicReference<>(null);
// 创建实时音频播放器实例
RealtimePcmPlayer audioPlayer = new RealtimePcmPlayer(24000);
QwenTtsRealtime qwenTtsRealtime = new QwenTtsRealtime(param, new QwenTtsRealtimeCallback() {
@Override
public void onOpen() {
// 连接建立时的处理
}
@Override
public void onEvent(JsonObject message) {
String type = message.get("type").getAsString();
switch(type) {
case "session.created":
// 会话创建时的处理
break;
case "response.audio.delta":
String recvAudioB64 = message.get("delta").getAsString();
// 实时播放音频
audioPlayer.write(recvAudioB64);
break;
case "response.done":
// 响应完成时的处理
break;
case "session.finished":
// 会话结束时的处理
completeLatch.get().countDown();
default:
break;
}
}
@Override
public void onClose(int code, String reason) {
// 连接关闭时的处理
}
});
qwenTtsRef.set(qwenTtsRealtime);
try {
qwenTtsRealtime.connect();
} catch (NoApiKeyException e) {
throw new RuntimeException(e);
}
QwenTtsRealtimeConfig config = QwenTtsRealtimeConfig.builder()
.voice(createVoice()) // 将voice参数替换为复刻生成的专属音色
.responseFormat(QwenTtsRealtimeAudioFormat.PCM_24000HZ_MONO_16BIT)
.mode("server_commit")
.build();
qwenTtsRealtime.updateSession(config);
for (String text:textToSynthesize) {
qwenTtsRealtime.appendText(text);
Thread.sleep(100);
}
qwenTtsRealtime.finish();
completeLatch.get().await();
// 等待音频播放完成并关闭播放器
audioPlayer.waitForComplete();
audioPlayer.shutdown();
System.exit(0);
}
}
API详情
使用不同 API 时,请确保使用同一账号进行操作。
创建音色
上传用于复刻的音频,创建自定义音色。
URL
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
请求头
Authorization: Bearer {api-key} // 需将{api-key}替换为您自己的API Key Content-Type: application/json
消息体
包含所有请求参数的消息体如下,对于可选字段,在实际业务中可根据需求省略:
{ "model": "qwen-voice-enrollment", // 不要修改该值 "input": { "action": "create", "target_model": "qwen-tts-vc-realtime-2025-08-20", // 声音复刻使用的模型,该模型要和语音合成模型保持一致 "preferred_name": "guanyu", "audio": { "data": "https://xxx.wav" }, "text": "可选项,填入audio.data对应的文本", "language": "可选项,填入audio.data对应的语种,如zh" } }
请求参数
参数
类型
默认值
必填
说明
model
string
-
✅
指定声音复刻的基础服务。固定为
qwen-voice-enrollment
。action
string
-
✅
固定为
create
。target_model
string
-
✅
声音复刻所使用的模型,目前仅支持
qwen-tts-vc-realtime-2025-08-20
。使用声音复刻生成的音色进行语音合成时,
target_model
要和语音合成的model
参数保持一致。请严格按照语音合成章节中的要求进行操作。preferred_name
string
-
✅
自定义音色名关键字。仅允许数字、大小写字母和下划线,不超过16个字符。
建议选用与角色、场景或版本相关的短标识,便于后续识别与管理。
该关键字会在复刻的音色名中出现,例如关键字为“guanyu”,最终音色名为“qwen-tts-vc-guanyu-voice-20250812105009984-838b”
audio.data
string
-
✅
用于复刻的音频(录制时需遵循录音操作指南,音频需满足音频文件格式要求)。
可通过以下两种方式提交音频数据:
公网可访问的音频URL(推荐将音频上传至OSS)
文件大小不超过10MB
确保URL稳定可访问且无需额外鉴权
Data URL是一种在网页或应用中直接以字符串形式嵌入数据的方法,而不是去请求一个单独的文件。
当前场景,要求如下格式:
data:<mediatype>;base64,<data>
<mediatype>
:MIME类型WAV:
audio/wav
MP3:
audio/mpeg
M4A:
audio/mp4
<data>
:音频转成的Base64编码的字符串Base64编码会增大体积,请控制源文件大小,确保编码后仍小于10MB
示例:
data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9
text
string
-
❌
用于复刻的音频(即
audio.data
参数)对应的文本。传入该参数后,服务端会对比音频与该文本的差异,若差异过大,将返回Audio.PreprocessError。
language
string
-
❌
用于复刻的音频(即
audio.data
参数)的语种。支持
zh
(中文)、en
(英文)、de
(德语)、it
(意大利语)、pt
(葡萄牙语)、es
(西班牙语)、ja
(日语)、ko
(韩语)、fr
(法语)、ru
(俄语)、id
(印尼语)。若使用该参数,设置的语种要和实际用于复刻的音频的语种一致。
响应参数
需关注的参数如下:
参数
类型
说明
voice
string
音色。
完成声音复刻后,将复刻的音色作为
voice
参数传入语音合成接口,即可生成对应音色的语音,请严格按照语音合成章节中的要求进行操作。target_model
string
声音复刻所使用的模型。该模型要和语音合成模型保持一致。
request_id
string
Request ID。
count
integer
本次请求实际计入费用的“创建音色”次数,本次请求的费用为
元。 创建音色时,count恒为1。
查询音色列表
分页查询已创建的音色列表。
URL
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
请求头
Authorization: Bearer {api-key} // 需将{api-key}替换为您自己的API Key Content-Type: application/json
消息体
包含所有请求参数的消息体如下,对于可选字段,在实际业务中可根据需求省略:
{ "model": "qwen-voice-enrollment", // 不要修改该值 "input": { "action": "list", "page_size": 2, "page_index": 0 } }
请求参数
参数
类型
默认值
必填
说明
model
string
-
✅
指定声音复刻的基础服务。固定为
qwen-voice-enrollment
。action
string
-
✅
固定为
list
。page_index
integer
0
❌
页码索引。取值范围:[0, 1000000]。
page_size
integer
10
❌
每页包含数据条数。取值范围:[0, 1000000]。
响应参数
需关注的参数如下:
参数
类型
说明
voice
string
音色。
gmt_create
string
创建音色的时间。
target_model
string
声音复刻所使用的模型。该模型要和语音合成模型保持一致。
request_id
string
Request ID。
count
integer
本次请求实际计入费用的“创建音色”次数,本次请求的费用为
元。 查询音色时,count恒为0。
删除音色
删除指定音色,释放对应额度。
URL
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
请求头
Authorization: Bearer {api-key} // 需将{api-key}替换为您自己的API Key Content-Type: application/json
消息体
包含所有请求参数的消息体如下,对于可选字段,在实际业务中可根据需求省略:
{ "model": "qwen-voice-enrollment", // 不要修改该值 "input": { "action": "delete", "voice": "yourVoice" } }
请求参数
参数
类型
默认值
必填
说明
model
string
-
✅
指定声音复刻的基础服务。固定为
qwen-voice-enrollment
。action
string
-
✅
固定为
delete
。voice
string
-
✅
待删除的音色。
响应参数
需关注的参数如下:
参数
类型
说明
request_id
string
Request ID。
count
integer
本次请求实际计入费用的“创建音色”次数,本次请求的费用为
元。 删除音色时,count恒为0。
语音合成
完成声音复刻后,将复刻的音色作为voice
参数传入语音合成接口,生成对应音色的语音。
完整示例代码请参见快速开始。
⚠️使用复刻生成的专属音色合成语音时,语音合成模型必须与声音复刻模型相同,即以下两个参数的值必须相同:
参数
说明
语音合成请求参数:
model
model
为语音合成使用的模型。请参考相应编程语言的API文档了解语音合成的参数和接口细节:
Java:Java SDK
Python:Python SDK
其他编程语言(如Go、C#、PHP、Node.js等):WebSocket API(实时语音合成交互流程、客户端事件和服务端事件)
语音合成服务选择 WebSocket 而非 RESTful,核心在于全双工通信能力:WebSocket 支持服务端与客户端双向主动传输数据(例如实时推送合成的音频),而基于 HTTP 的 RESTful 仅支持客户端发起的单向请求-响应模式,无法满足实时交互需求。
声音复刻请求参数:
target_model
target_model
为声音复刻使用的模型。请参考API详情章节了解声音复刻的参数和接口细节。
⚠️使用声音复刻系列模型合成语音时,仅能使用该模型复刻生成的专属音色,不能使用默认音色(如 Chelsie、Serena、Ethan、Cherry)。
录音操作指南
录音设备
可使用手机、数字录音笔、专业录音机等。
录音环境
场地
建议在 10 平方米以内的小型封闭空间录音。
优先选择配有吸音材料(如吸音棉、地毯、窗帘)的房间。
避免空旷大厅、会议室、教室等高混响场所。
噪音控制
室外噪音:关闭门窗,避免交通、施工等干扰。
室内噪音:关闭空调、风扇、日光灯镇流器等设备;可通过手机录制环境音并放大播放,识别潜在噪音源。
混响控制
混响会导致声音模糊、清晰度下降。
减少光滑表面反射:拉上窗帘、打开衣柜门、铺放衣物或床单覆盖桌面/柜面。
利用不规则物体(如书架、软包家具)实现声波漫反射。
录音文案
内容无特殊限制,建议与目标应用场景一致。
避免短句(如“你好”、“是的”),应使用完整句子。
保持语义连贯,朗读时避免频繁停顿(建议至少连续 3 秒无中断)。
可加入适当情绪表达(如温暖、亲切、严肃),避免机械朗读。
不包含敏感词汇(如政治、色情、暴力相关内容),否则会导致复刻失败。
操作建议
以普通卧室为例:
关闭门窗,隔绝外部噪音。
关闭空调、电扇等电器。
拉上窗帘,减少玻璃反射。
在桌面铺放衣物或毛毯,降低桌面反射。
提前熟悉文案,设定角色语气,自然演绎。
与录音设备保持约 10 厘米距离,避免喷麦或信号过弱。
错误信息
如遇报错问题,请参见错误信息进行排查。