文档反馈
问问助手声音复刻功能借助业界领先的在途学习（In-Context Learning, ICL）技术，仅需一段 10-30 秒的参考音频，即可快速、精准地克隆出目标音色，并将其应用于语音合成（TTS）任务。该功能能够让您的智能硬件发出特定人物的声音，打造个性化、高拟真度的语音交互体验。
背景信息
目前支持复刻的语种包括：中文、英语、日语、西班牙语、印尼语、葡萄牙语。
我们提供以下两种声音复刻版本，价格相同，您可以根据业务需求选择合适的版本。
功能版本 | 特性 | 推荐场景 |
|---|---|---|
声音复刻 1.0 | 秒级极速复刻，延迟低 | 对合成速度要求高，追求快速响应的场景。 |
声音复刻 2.0 | 复刻音色在合成时可灵活调控情感、语速等风格属性 | 对音色表现力要求高，希望生成更具个性化和情感化语音的场景。 |
说明
我们推荐您使用声音复刻 2.0 版本，以获得更自然、更富表现力的合成效果。
计费说明
声音复刻为付费功能，您需要根据希望复刻的音色数量购买声音复刻资源。每个购买的声音复刻资源支持最多 10 次训练，以帮助您达到满意的复刻效果。更多信息，请参考 硬件对话智能体计费。
准备工作
在开始使用声音复刻功能前，我们建议您提前准备好一段用于复刻的参考音频。您也可以在操作时直接使用系统提供的录音功能。
一段高质量的参考音频是获得理想复刻效果的关键。请参考 参考音频要求 准备音频，并注意以下主要要求：
- 音频格式：支持小于 3MB 的 WAV、MP3、M4A 格式文件，推荐使用 WAV 格式。
- 音频时长：建议控制在 10-30 秒。
- 音频质量：避免多人对话、明显杂音、噪音、混响等情况。
使用流程
您可以通过以下三个步骤，完成声音复刻并在智能体中应用复刻的音色：
步骤一：购买声音复刻资源
- 登录硬件对话智能体控制台。
- 在左侧导航栏，选择 AI 服务购买与管理 > 购买。
- 在 License 和扩展资源购买 页面，选中 声音复刻 1.0 或 声音复刻 2.0，然后在购物车中设置要购买的数量。
- 阅读并同意服务条款，单击 确认订单。
- 按照页面提示完成支付。
完成购买后，您可以在 我的声音 > 复刻音色 页面查看已购买的声音复刻资源。
说明
每个声音复刻资源均有 1 年的有效期。在 复刻音色 页面，系统会提示您即将到期（有效期不足一个月）的资源数量，您可以通过续期或批量续期操作，按月延长资源的有效期。
步骤二：训练并生成音色
在左侧导航栏，选择 我的声音 > 复刻音色。
在 复刻音色 页面上方，选择音色版本：1.0 音色、2.0 音色。
在 声音列表，将光标悬停在一个声音上，单击浮现的 编辑 按钮。
为当前声音设置一个名称（例如
my_voice），然后按回车键保存。将光标悬停在当前声音上，单击浮现的 复刻音色 按钮。
在弹出的对话框中，通过上传或录制的方式提供一段音频。系统将基于该音频复刻出目标音色。
- 选择音频语种：默认选择 中文。如果您的参考音频是其他语种，请在下拉列表中选择相应的语种。
- 提供音频文件：
- 上传音频：从本地上传音频文件。
- 开始录音：通过麦克风进行录音。
收到音频文件后，系统会自动分析音频中的语音特征，并生成一个与所提供音色一致的新音色。训练完成后，您可以单击声音卡片上的声音图标，试听复刻音色的效果。
步骤三：在智能体中应用复刻音色
完成音色训练后，您可以将复刻音色应用到智能体配置中，以实现自定义音色的语音合成。
进入智能体配置页面。您可以新建一个智能体，也可以编辑一个已有的智能体。
定位到 语音合成（TTS） 配置部分，完成以下设置：
- 选择 火山引擎声音复刻。
- 在 选择合成声音 下拉列表中，选择一个已训练完成的音色。
单击 保存配置。
完成以上配置后，当用户与关联了当前智能体的设备进行语音交互时，设备将使用您所选择的复刻音色进行应答。
更多信息
参考音频要求
参考音频的质量直接决定了最终复刻音色的效果。为了获得最佳效果，我们建议您在准备参考音频时遵循以下准则：
- 时长与格式：
- 音频时长建议控制在 10-30 秒。过长的音频会被系统自动截断，可能会无意中保留瑕疵部分，从而影响最终效果。
- 推荐使用
wav格式，以保证音频质量。
- 录音环境与设备：
- 请在安静的环境中录音，避免出现噪声、混响或背景音。
- 建议使用单声道进行录制，以匹配模型训练所用的音频格式。
- 发音与内容：
- 请使用自然、平稳的语气进行朗读，避免过大的情绪波动。
- 确保发音清晰，吐字标准。
- 如果您的应用场景涉及中英文混合，建议参考音频中也包含中英文内容。
- 音频后期处理：
- 在上传前，请检查并剔除音频中的毛刺、吞音或口误等瑕疵。
- 如有条件，可进行专业的降噪处理，以进一步提升人声的清晰度。