声音克隆：用 AI 克隆自己的声音

什么是声音克隆，怎样才算克隆得好

简单说，这是一种 AI：它从一段短录音里学会一个人的声音特点，包括音色、口音、节奏，以及那些让人一听就认出来的小习惯。之后你输入任何文稿，克隆声音都会用同一个声音读出来，写一句话就代替了录一遍。

克隆的效果取决于样本。清晰、自然的录音让 AI 准确了解你的声音，结果听起来就像状态最好的你。所以下面几步都先从样本说起。

怎样录好克隆样本

克隆会照着它听到的声音学，所以房间和嗓音一样重要。找一个安静、有软装的房间，关掉风扇和音乐，麦克风离嘴大约一个手掌宽，整段录音都保持这个距离。

用你希望听到的语气读：讲课就平静，主持节目就明快。三十秒到一分钟干净的说话声最合适。如果是上传录音，选只有你一个人说话的干净片段。

1. 1选家里最安静的房间，窗帘、沙发和地毯都能吸掉回声。
2. 2麦克风离嘴一个手掌宽，整段录音保持同样的距离。
3. 3用自然的语速和你想要的语气朗读，小停顿让它自然发生。
4. 4让实时音量条稳定在中间；开始前先喝口水。

声音克隆用什么麦克风

录音棚可有可无。较新的手机拿在胸前，或者带麦克风的耳麦，都能录下适合克隆的干净人声，浏览器会边录边检查音量。

房间有点吵时，USB 麦克风帮助最大，因为它收到的主要是你的声音，而不是周围的环境声。不管用哪种设备，每次都用同一个；克隆学到的，除了你的嗓音，还有麦克风的声音。

先录十秒测试，用耳机回放，听听有没有电流声、回声或爆音。一次简单的测试，是得到干净克隆最省事的办法。

写出像你本人说话的文稿

文稿越像你平时说话，克隆声音就越像你。用你每天都说的词和表达，句子写短，数字和名字按你的读法写。

标签能补上平铺直叙的文稿缺少的瞬间：重点前加 [pause]，轻松的句子后加 [laughs]，随口一提的话加 [sighs]。把一个词加进读音表一次，以后每篇文稿都会按你的读法念。

用克隆的声音说其他语言

克隆好之后，你的声音可以在文字转语音里朗读 36 种语言。粘贴翻译好的文稿，保持同一个声音，其他市场的观众听到的就是他们熟悉的主讲人。

用你说得最自然的语言录样本，你的语气和节奏会带到其他语言里。新语言里的人名和品牌词，先听前几句，需要时加进读音表。

声音克隆的授权和法律

克隆声音是否合法，首先取决于是否得到同意。美国田纳西州的 ELVIS 法案保护人的声音（包括模拟出来的声音）不被擅自使用，纽约州的公开权法律规定，把他人的声音用于广告或商业目的需要书面同意。克隆不属于你的声音之前，先取得声音主人的书面许可。

欧盟《人工智能法案》要求发布与真人相似的 AI 音频时说明这一点，加一句“旁白由我的 AI 声音朗读”就够了。

用好你的克隆声音

打开文字转语音，在“我的声音”里选中你的声音，粘贴文稿。短句和日常用语听起来最像你。

想让听众听到你本人时就克隆。需要一个角色或第二个说话人时，就按喜欢的风格根据描述设计全新的声音，或者直接用文字转语音里内含的 300+ 种预设音色；设计和克隆的声音都并排放在“我的声音”里。