> For the complete documentation index, see [llms.txt](https://docs.vocu.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.vocu.ai/zh/voices/tips.md).

# 注意事项

关于语音克隆的一些注意事项以及最佳实践

## 瞬时克隆/风格引导样本注意事项

如[概览](/zh/voices/overview.md)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。

{% hint style="info" %}
样本质量比长度更重要。有噪音的样本可能会产生不好的结果，请尽可能提供高质量的样本语音。目前，样本语音长度需**大于2秒**，且**文件大小不超过20M**。您也可以通过一些**音频编辑软件**的**人声分离/音频降噪/人声美化/响度标准化**等功能来尝试从任意音频中获得较高质量的人声音频样本。
{% endhint %}

我们建议您通常使用10-20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。

## 专业克隆注意事项

在开始您的专业克隆前，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（建议转为音频）/flac/m4a/ogg**格式。
* 请确保尽可能提供**高质量**的音频，且**确保音频中包含可被识别的语句（有关支持的语言，请参见**[**模型介绍**](/zh/introduction/models.md)**）**。同时，您需要避免音频中出现严重噪声、多个说话人等干扰。

音频样本文件准备完毕后，您可手动选择音频文件或拖动到上传框，也可打包为**未加密的Zip格式压缩包**，系统将自动统合整理样本文件。上传的文件总大小**最大不能超过256MB。**

## 综合注意事项

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，但我们建议至少保证五秒长度以包含足够的信息
* 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复刻，因此我们建议您调整至合理的音量平衡范围，以避免声音过大或过小

{% hint style="warning" %}
V2 系列版本的模型**(V2.9) 仅支持中文与英文**，使用 V2 系列模型时请确保输入的文本中不包含任何非中英文字符，例如日文韩文等，否则可能会导致**生成失败**等问题。

自 V3 系列开始，我们除中英文外新增粤语、日语、韩语、法语、德语、西班牙语及葡萄牙语，以及这些语言的共计30余种口音变体；请确保您使用的模型版本及文本内容输入符合对应的支持能力。
{% endhint %}