即时语音克隆与专业语音克隆有什么区别？

与只需不到 2 分钟音频即可快速克隆声音的 即时语音克隆 不同，专业语音克隆 可训练出更逼真的声音模型。它会使用大量语音数据训练专属模型，生成的声音几乎与原声无法区分。

专业语音克隆需要微调和训练，因此暂时无法立即使用克隆的声音。具体时间取决于前方排队人数及其他因素，难以准确预估，但微调通常需要 3–6 小时。

专业语音克隆准备就绪后，会收到邮件通知。