注意事项
关于语音克隆的一些注意事项以及最佳实践
最后更新于
这有帮助吗？
如中所述，如果您提供的声音样本较为独特，我们的AI曾经没有学习过类似的声音，则可能导致较差的生成结果，或无法较好的复刻该声音。
我们建议您通常使用5-8秒的清晰语音音频即可，且不应包含任何混响，回声，背景噪音以取得最佳效果。且对于音频文件的质量，我们推荐您使用源码率为128kbps或以上的音频来确保携带尽量完整的信息。
在开始您的前，您需要准备用于克隆的单个或多个音频样本文件。
音频样本文件需要符合以下要求：
所有音频样本文件相加的总时长至少为1分钟，最多60分钟；在该范围内，总时长越大，克隆效果越佳。
每个音频文件都需要为wav/mp3/mp4/flac/m4a/ogg格式。
请确保尽可能提供高质量的音频，**确保音频中包含可被识别的中文或英文语句，**且不应包含任何混响，回声，背景噪音以取得最佳效果。
音频样本文件准备完毕后，请将它们打包为未加密的Zip格式压缩包，压缩包的大小最大不能超过256MB。
我们的AI语音模型将尝试模仿它在音频中听到的所有内容，例如说话人的语调、语速、口音、呼吸方式、力度、背景噪音、人声噪音、迟疑停顿等其它所有一切。这意味着如果样本音频中包含相关信息，均有可能被AI模仿并表现于最终合成中。
也就是说，如果您用缓慢，平淡的声音说话，最终结果通常也会如此；或者您用激动，快速的方式说话，AI也会尝试对其进行模仿。
非常重要的一点是，我们建议您尽可能在各方面确保整段语音样本中语音表现的一致性，如果样本前2秒的表现是激动并快速的，那后续几秒也需要尽可能保持相似的表现，包括语调，语速，音量等各方面。如果您在同一段语音样本中表现波动过大，则有可能使AI感到困惑，并在每次生成时产生更为不可预测的结果。
总的来说：
声音的表现本身，口音，以及录音的质量会大幅影响克隆的最终效果
对于瞬时克隆，音频的长度不是那么重要，但我们建议尽可能至少为五秒以包含足够多的信息
尽可能保持整段音频样本中语音表现和录音质量的一致性，避免在同一段中出现过大的变化
音频的音量也可能会被AI复制，因此我们建议您找到良好的音量平衡范围，以避免声音过大或过小
目前，我们仅支持中英文样本语音，请确保您提供的样本语音中包含可被正确识别的中英文内容，且不包含其他语言内容，否则将会导致角色创建失败，或导致其它各类问题。
请勿使用我们的服务克隆或生成任何侵犯版权、违反道德伦理、或违反中华人民共和国与您所在地法律法规的内容。我们生成的所有内容均带有详细日志，自动/人工复审，以及可溯源的隐形音频水印，若发现您违反了相关规则，我们保留终止您的服务并上报政府机关等机构的权利。
更多信息请参阅、、。