如何获得高质量克隆音色？

如需完整指南，强烈建议阅读有关 即时语音克隆 和 专业语音克隆 的文档。

关键在于：高质量且一致的输入 = 高质量且一致的输出。

时长

• 即时语音克隆：1 - 2 分钟高质量音频
• 专业语音克隆：30 - 180 分钟高质量音频

请使用能找到的最佳、最清晰的音频片段。音频中应只有 1 位说话者，没有背景噪声或干扰，且声音应清晰响亮。

与其为增加时长而使用许多质量不同的片段，不如优先选择麦克风质量明显更高、整体质量和语调保持一致的片段，而非专注于增加总时长。

确保片段中大部分对话符合你最偏好的说话风格和语调。不要包含过多说话者偏离目标语音模式的对话片段。

如有必要，可使用降噪工具减少背景噪声。

你可以在我们的文档此处找到更多信息。