如何用 ElevenLabs 克隆声音：深度解析
- 发布时间
- 最近更新
没有两个人的声音完全相同。声音由生理特征和环境共同塑造，并在多年的表达中逐渐形成。它独一无二。
直到最近，这种独特性还无法被复制。但 AI 的进步让高精度语音克隆成为可能。只需几分钟音频，AI 系统就能生成与原声极为接近的语音。
本指南将详细介绍如何使用 ElevenLabs 克隆声音。我们会讲解该录制什么、如何选择即时和专业语音克隆，以及克隆完成后如何使用。两种方式均附有可逐步跟随的详细教程。
摘要
- ElevenLabs 提供即时语音克隆和专业语音克隆服务。
- 即时语音克隆需要几分钟干净、一致的音频。
- 专业语音克隆最多需要 3 小时语音数据。
- 发布克隆音色后，可将其连接到其他 ElevenLabs 产品。
- 克隆声音必须获得明确同意。使用这些服务前，ElevenLabs 要求确认已获得同意。
即时克隆与专业语音克隆：该选哪种？
ElevenLabs 提供两种不同的语音克隆方法供你选择。
即时克隆只需几分钟即可生成可用音色，让你快速开始实际使用克隆音色。专业语音克隆耗时更长，但能生成保真度极高的模型。
以下速查指南可帮助你选择最适合的方案：
了解两种方式的区别，可节省前期时间并更快开始。
使用 ElevenLabs 克隆声音前的准备
无论选择专业还是即时 ElevenLabs 语音克隆，提前准备一些基础条件都很有帮助。虽然并非强制要求，尤其对即时克隆而言，但会显著影响克隆质量。
开始录制前，请考虑以下几点：
- 音频质量要求：专业录音麦克风会带来显著提升。最低要求是能以 44.1 kHz 或 48 kHz、至少 24 位比特率录制 WAV 文件。尽量在安静环境中，使用支持 WAV 的数字音频工作站（DAW）录制。Audacity 是一款不错的免费工具。
- 最短样本时长：请确认应提供多少音频数据。关键是所有文件合计时长，而非文件数量。专业语音克隆请尽量上传接近 3 小时的文件。
- 录什么内容：ElevenCreative 的语音克隆旨在复现提供的声音。若以缓慢、单调的声音朗读，录音也会体现这些特点。请自然说话，并保持丰富情绪和不同语速。ElevenLabs 为专业语音克隆提供内置脚本。
多花几分钟提前准备好这些事项，能获得质量更高的最终克隆音色。
如何使用 ElevenLabs 创建即时语音克隆
只要有几分钟时间并身处安静环境，就可以开始克隆声音。ElevenCreative可创建声音的数字副本，支持部署到 32+ 种语言，同时保留母语的情绪表达和韵律。
以下是使用 ElevenLabs 即时语音克隆的方法：
- 打开音色
- 上传样本
- 命名并保存音色
- 用脚本测试
- 调整稳定性和相似度设置
下面详细说明这些步骤。
第 1 步：在音色中进入即时语音克隆页面
首先，登录 ElevenLabs 控制台。在左侧边栏选择“音色”，然后点击加号图标。
屏幕上会显示一个弹窗（如下图），提供以下选项：
- 声音设计
- 即时语音克隆
- 专业语音克隆
- 声音混音
在模块中选择“即时语音克隆”，即可进入相应页面。
第 2 步：上传样本
按照屏幕提示上传预录音频文件，或直接在浏览器中录制。此时可向引擎上传多个文件。ElevenLabs 进行语音克隆时采用合计时长，而非单个文件长度。
建议提供至少 1–2 分钟干净、一致的音频供我们处理。
这里还会提供一些最佳实践，例如避开嘈杂环境、检查麦克风质量，并在所有录音中使用相同设备。
第 3 步：命名并保存音色
录制完成后，ElevenLabs 会开始合成克隆音色。此时可预览声音效果，并为其命名。
还可为克隆音色添加语言、口音、性别和年龄等标签。描述框中可填写其他有助于归类或方便日后识别的信息。
最后，点击同意复选框，确认已阅读并接受相关内容。无论克隆自己的声音还是他人的声音，都必须获得授权同意。
第 4 步：测试即时语音克隆
创建音色后，前往“我的音色”，点击“使用音色”，即可在文本转语音工作台中使用克隆音色。编写一段简短脚本让它朗读。为充分测试，请使用训练音频中未出现的内容。
选择克隆音色并输入文本后，点击页面底部的“生成语音”，让它开口说话。
第 5 步：调整模型并迭代
如果克隆音色听起来不太对，无需从头开始。ElevenLabs 提供多种设置滑块，可配置最终音频效果。
尝试调整屏幕右侧的以下控件，了解它们如何影响克隆音色：
- 稳定性：较高稳定性会生成更一致、可预测的声音。较低数值可带来更多表现力，但可能造成一定不一致。中等设置最适合大多数场景。
- 相似度：决定克隆音色与提供的语音样本贴合程度。提高此滑块可让声音更接近原声。如听到失真，请降低此滑块。
- 风格：想增强训练音频中的表现力？提高此滑块即可。但数值过高可能导致最终样本失真。
调整这些滑块后，再次点击“生成语音”，观察模型的变化。
完成这 5 步后，即可使用 ElevenLabs 克隆音色。
如何使用 ElevenLabs 创建专业语音克隆
使用 ElevenLabs 专业克隆声音比即时方案耗时更长，但可获得高度精准、极其贴近原声的模型。
如果使用 Creator 或更高套餐，可按照以下步骤通过 ElevenLabs 创建专业语音克隆：
- 打开音色
- 上传音频
- 查看样本时长反馈
- 处理音频样本以提升质量
- 验证本人声音以确保安全
- 等待声音微调完成
- 使用克隆音色
下面详细说明这些步骤。
第 1 步：在音色中进入专业语音克隆页面
登录 ElevenLabs 控制台，在左侧边栏选择“音色”，然后点击“创建音色”。弹窗中会显示与此前相同的选项。
这次请选择“专业语音克隆”。随后会显示一系列建议，包括：
- 使用防喷罩
- 确保录音无噪声
- 在经过声学处理的房间录音
- 预处理音频
- 全程保持音量一致
- 至少提供 30 分钟音频，最好接近 3 小时
第 2 步：上传音频
点击“上传样本”并添加预录音频文件。也可自行录音并直接上传到软件。我们提供多种脚本，可用于广告、叙事或对话建模等不同用途。
这些音频文件应仅包含口语声音。目前不支持将唱歌作为输入或输出。
第 3 步：查看样本时长反馈
成功上传音频后，请查看时长反馈。即时语音克隆只需 1–2 分钟，但此服务建议上传 1 至 3 小时音频。
请记得加入包含多样情绪内容的音频文件。丰富的录音室级内容能为模型提供尽可能充分的信息。
第 4 步：处理音频样本以提升质量
在专业语音克隆平台中，可直接提升音频样本质量。从去除背景噪声到分离不同说话人，ElevenLabs 可帮助创建高质量音频输入。
虽然并非绝对必要，但这一步有助于提升最终克隆音色模型的质量。
第 5 步：验证本人声音以确保安全
创建专业语音克隆时，ElevenLabs 要求进行验证。上传所有内容后，我们会要求你直接在界面中录制一段短音频。请尽可能使用与训练录音相同的麦克风和房间设置，并尽量匹配语气和表达风格。
如果验证失败，可在 24 小时后重试。如需提前开始，可直接联系ElevenLabs 支持团队获取帮助。
第 6 步：等待声音微调完成
验证声音后，ElevenLabs 将开始微调模型。通常需要 3 至 6 小时；如果前方有许多专业语音克隆排队，可能需要更久。
要查看克隆状态，请前往“我的音色”。声音模型可用后，我们也会发送通知。
第 7 步：使用克隆音色
恭喜，你现在拥有一个功能完整的专业级克隆音色。完成的模型会显示在“我的音色”中，可用于其他 ElevenLabs 产品，例如文本转语音、Studio、配音、API 和语音智能体。
在音色选择器中选择声音（使用创建过程中为其命名的名称），即可开始。
ElevenLabs 语音克隆最佳实践
按照上述即时或专业语音克隆步骤即可创建克隆音色，但事先还可采取一些额外措施。这些小调整可优化录音工具或策略，提升克隆音色质量。
以下 AI 语音克隆最佳实践适用于即时和专业克隆：
- 房间声学与背景噪声：音频的干净程度会直接影响最终质量。请在没有背景噪声或回声的地方录音。专业录音可使用录音棚。如果不想预订录音棚，也可查看当地共享办公空间是否有隔音舱。
- 麦克风距离：说话时，与麦克风保持约两个拳头的距离。虽然这是一条实用规则，仍建议查看麦克风规格了解更多细节。
- 情绪范围：AI 模型会利用声音自然的韵律和语音特征。如果表达平淡，模型的表现也可能缺乏起伏。请充分展现自己，在不同语境下提供能体现自然说话风格的多种情绪样本。
- 句子多样性与朗读脚本：朗读脚本是提供较长样本的良好起点，但可能显得排练痕迹重或不自然。特别是第一次朗读时，可能无法准确表达句子应有的情绪细微差别。为取得平衡，请提供多段不同脚本，并以更自然的对话方式表达。
遵循这些最佳实践，可为 ElevenLabs 提供更高质量的输入，从而创建更贴合声线特征的克隆音色。
ElevenLabs 克隆音色可以如何使用？
使用 ElevenLabs 创建专业或即时克隆音色后，声音会显示在“我的音色”中。之后可从其他所有 ElevenLabs 产品访问它。
可在以下场景使用 ElevenLabs 克隆音色：
- 应用内文本转语音：ElevenLabs 文本转语音工作台可选择音色，并朗读输入的任何内容。可用于一次性语音生成，如旁白配音或播客片头。记得在实时设置中调整风格、相似度和稳定性，让声音尽可能贴合预期。
- 通过 API：可使用List Voices API 端点返回 API 调用可用的所有音色列表。每个音色都有唯一的 voice ID，可在连接ElevenAPI的任何位置使用。
- 在语音智能体中：将 ElevenLabs 克隆音色连接到智能体，让其说话时使用该声音。对于希望在不同平台保持一致声音形象的企业，这有助于打造统一的品牌化智能体体验。
- 跨语言使用：克隆音色支持 32 种语言，可翻译内容并用自己的声音生成语音。即使没有该语言的声音样本，ElevenCreative 也能在不同语言中高度匹配语音的韵律和情绪特征。
将其部署到各项产品后，即可让声音焕发生机，并大规模制作高质量内容。
使用 ElevenCreative 克隆声音
无论是希望加快视频制作的内容创作者，还是只想保存声音，ElevenLabs 语音克隆都简单、快速且有效。
Starter 套餐提供即时语音克隆，只需几分钟。使用 Creator 套餐即可开始专业语音克隆。了解更多ElevenLabs 语音克隆，或注册，立即克隆声音。
常见问题
Jack Limebear 隶属于增长团队，负责博客和洞察页面的内容撰写与策略。加入 ElevenLabs 前，他曾在多家快速成长的 SaaS 初创公司和世界 500 强企业，拥有十余年内容策略管理经验。剑桥大学英语文学硕士。
