关于声音克隆
什么是 AI 声音克隆？
AI 声音克隆通过分析一段简短录音，创建说话者的数字语音模型。该模型捕捉音色、音高、节奏与口音特征。创建完成后，可朗读任意文本 — 听起来如同原始说话者本人。在 SpeechGen 上，一个克隆声音支持全部 15种语言。
如何用 AI 克隆声音？
上传音频样本（10 至 60 秒）或直接在浏览器中录音。系统分析语音特征，约 30 秒内完成语音模型构建。之后，输入或粘贴任意文本，选择语言并转换 — 输出音频即采用您的克隆声音。
声音克隆支持粤语（广东话）吗？
目前 SpeechGen 的声音克隆功能支持普通话（中文），对粤语的支持正在规划中。稳定版中文支持普通话语音合成，克隆的声音可在标准中文输入下自然发音。如有粤语需求，可持续关注功能更新。
克隆一个声音需要多长时间？
上传音频样本后，处理时间约为 30 至 45 秒。语音模型随即可用 — 输入任意文本即可用克隆声音朗读。无排队等待，无需人工审核。
声音克隆支持哪些语言？
共 15种语言 — 9 种稳定版（英语、西班牙语、德语、法语、意大利语、葡萄牙语、中文、韩语、荷兰语）和 6 种实验版（日语、俄语、阿拉伯语、印地语、希伯来语、波兰语）。实验版语言效果可能略逊，正在持续改进中。
质量与使用
克隆声音可以用于文字转语音吗？
可以 — 这正是主要应用场景。创建语音模型后，它将与 SpeechGen 5,000 余款内置声音一同出现在文字转语音编辑器中。选择克隆声音，输入文本，转换。输出格式：MP3、WAV、OGG。
如何获得最佳克隆声音质量？
在安静环境中录音，尽量减少背景噪音。以正常语速自然说话，避免单调朗读。12 至 30 秒的样本效果最佳。USB 麦克风最为理想，在安静房间中使用笔记本自带麦克风也可达到良好效果。
需要什么格式和时长的音频？
支持格式：MP3、WAV、M4A、AAC、OGG、WebM。推荐时长：12 至 60 秒。最大文件大小：每个文件 25 MB，最多 3 个文件。录音应包含单一说话者的清晰语音 — 无背景音乐或混叠人声。
价格
克隆声音的费用是多少？
创建一个克隆声音需要 2,000 积分（一次性费用）。保存一个启用的克隆声音每天消耗 250 积分。语音合成采用 SpeechGen 标准费率 — 与 HD 声音相同。随时删除克隆声音即可停止存储扣费。
声音克隆是付费功能吗？
是的，声音克隆是高级功能。SpeechGen 采用按需付费模式：无月度订阅，无最低消费。按需购买积分，用于克隆、合成或其他任何功能。
使用声音克隆需要注册账号吗？
需要 — 声音克隆须登录账号，因为语音模型存储在您的私人账户中。注册快捷，无需信用卡。语音合成可试用，但克隆声音的创建按积分计费（每个声音 2,000 积分）。
可以删除克隆声音吗？
可以。删除克隆声音即时生效，并立即停止所有存储扣费（250 积分/天）。语音模型将从 SpeechGen 服务器上永久删除 — 删除后无法恢复。
隐私与法律
AI 声音克隆合法吗？
在大多数司法管辖区，克隆自己的声音是合法的。克隆他人声音须获得其明确的书面同意。SpeechGen 禁止将克隆声音用于冒充、欺诈或欺骗。AI 生成的音频在发布时应进行适当标注。
我的语音数据安全吗？
语音模型为私密数据 — 仅对您的账户可见和可访问。音频样本在安全服务器上处理，不与第三方共享。您可以随时在个人资料设置中删除克隆声音及所有相关数据。