如何用 ElevenLabs 克隆声音：深度解析
- 发布时间
- 最近更新
没有两种声音完全相同。声音由生理特征和环境塑造，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高度相似的语音。
本指南将详细介绍如何使用 ElevenLabs 克隆声音，包括录制内容、如何选择 即时和专业语音克隆，以及克隆完成后如何使用。两种方式都附有可跟随操作的详细步骤。
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清晰、稳定的音频。
- 专业语音克隆最多需要 3 小时语音数据。
- 克隆创建后，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：该选哪个？
ElevenLabs 提供两种不同的 语音克隆方式供你选择。
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。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：
提前了解两种方式的区别，可以节省时间并快速开始。
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，都有一些基础事项值得准备。它们并非必需，尤其对即时克隆而言，但会显著影响克隆质量。
开始录音前，请考虑以下几点：
- 音频质量要求：专业录音麦克风会带来明显提升。最低要求是以 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 文件的数字音频工作站（DAW）录制。Audacity 是不错的免费选择。
- 最短样本时长：请查看需要提供多少音频数据。关键在于所有文件的总时长，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 的语音克隆会复现所提供的声音。若以缓慢、单调的声音朗读，录音也会体现这些特征。请自然说话，并变化情绪和语速。ElevenLabs 为专业语音克隆提供内置脚本。
多花几分钟提前准备这些事项，能获得质量更高的最终语音克隆。
如何使用 ElevenLabs 创建即时语音克隆
如果有几分钟时间且身处安静环境，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，同时匹配自然语言的情感表达和韵律。
以下是使用 ElevenLabs 即时语音克隆的方法：
- 进入音色
- 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
下面详细介绍这些步骤。
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。
屏幕上会出现如下弹窗，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音。此时可以向引擎上传多个文件。ElevenLabs 进行语音克隆时使用的是总时长，而非单个文件时长。
建议至少提供 1–2 分钟清晰、稳定的音频。
这里还会显示一些最佳实践，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
录制声音后，ElevenLabs 将开始合成语音克隆。此时可以预览声音效果，并为它命名。
还可以添加语言、口音、性别和年龄等标签。描述框可填写其他有助于整理该音色或供自己备注的信息。
最后，点击同意框以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，都必须获得相应同意。
第 4 步：测试即时语音克隆
创建音色后，前往我的音色并点击使用音色，即可在 文本转语音体验区使用克隆。写一段简短脚本供语音克隆朗读。为了充分测试效果，请使用训练音频中未包含的内容。
选择语音克隆并输入文本后，点击页面底部的生成语音，即可试听效果。
第 5 步：调整模型并迭代
如果觉得语音克隆听起来不太对，无需从头开始。ElevenLabs 提供多项设置滑块，可调整最终音频效果。
尝试调整屏幕右侧的以下控件，了解它们对语音克隆的影响：
- 稳定性：稳定性越高，声音越一致、可预测。较低的值可带来更多表现力，但也可能引入不一致。大多数场景适合中等设置。
- 相似度：决定语音克隆与所提供语音样本的贴合程度。提高此滑块可让声音更接近原声。若听到失真，请降低此滑块。
- 风格：想增强训练音频中的表现力，可提高此滑块。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，查看模型如何变化。
完成这 5 步后，即可获得可用的 ElevenLabs 语音克隆。
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，但可生成高度精准、极其接近原声的模型。
如果使用的是创作者套餐或更高级别套餐，可按以下步骤使用 ElevenLabs 创建专业语音克隆：
- 进入音色
- 上传音频
- 查看样本时长反馈
- 处理音频样本以提升质量
- 验证本人声音以保障安全
- 等待声音微调完成
- 使用语音克隆
下面详细介绍这些步骤。
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。弹窗中会显示与之前相同的选项。
这次请选择专业语音克隆。页面将显示一系列建议，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，理想情况下接近 3 小时
第 2 步：上传音频
点击上传样本，添加预录音频文件。也可以自行录音并直接上传到软件。我们提供了多种脚本，可用于广告、叙述或对话建模等用途。
这些音频文件应仅包含说话声。目前不支持将歌唱作为输入或输出。
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，而此服务建议上传 1 至 3 小时音频。
请记得加入包含多种情绪表达的音频文件。多样化、录音室级别的内容能为模型提供尽可能丰富的信息。
第 4 步：处理音频样本以提升质量
在专业语音克隆平台中，可以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。
这一步并非绝对必要，但有助于提升最终语音克隆模型的质量。
第 5 步：验证本人声音以保障安全
创建专业语音克隆时，ElevenLabs 要求进行验证。上传所有内容后，系统会要求直接在界面中录制一段短音频。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，可以直接联系 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；如果前面排队等待的专业语音克隆较多，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，也会收到通知。
第 7 步：使用语音克隆
恭喜，现在已拥有一个功能完整的专业级语音克隆。完成的模型会显示在我的音色中，可用于其他所有 ElevenLabs 产品，如文本转语音、Studio、配音、API 和语音智能体。
在音色选择器控制台中选择该音色（使用创建过程中设定的名称），即可开始使用。
ElevenLabs 语音克隆最佳实践
按上述即时或专业语音克隆流程即可创建克隆，但还可以提前做一些额外准备。这些小调整可从录音工具或策略上提升语音克隆质量。
以下 AI 语音克隆最佳实践适用于即时和专业克隆：
- 房间声学和背景噪声：音频的纯净度会直接影响最终质量。请在没有背景噪声和回声的地方录音。专业录音可使用录音棚。若不想预订录音室，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，与麦克风保持约两拳距离。虽然这是一个实用原则，仍建议查看麦克风规格以了解更多细节。
- 样本中的情绪范围：AI 模型会使用声音自然的韵律和语音特征。如果表达平淡，模型的表达也可能不足。请充分展现不同情境下自然说话风格，并提供涵盖多种情绪的样本。
- 句子多样性与朗读脚本：朗读脚本是提供较长样本的实用起点，但可能显得排练感过强或不自然。尤其是第一次阅读时，未必能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朗读。
遵循这些最佳实践，可为 ElevenLabs 提供更高质量的输入，从而创建更准确反映声音特征的语音克隆。
ElevenLabs 语音克隆有哪些用途？
使用 ElevenLabs 创建专业或即时语音克隆后，音色会显示在我的音色中。之后可从所有其他 ElevenLabs 产品访问它。
可以在以下场景使用 ElevenLabs 语音克隆：
- 应用中的文本转语音：ElevenLabs 文本转语音体验区支持选择音色并朗读输入的任何内容。可用于一次性生成旁白配音、播客片头等。记得在实时设置中调整风格、相似度和稳定性，让声音尽可能符合预期。
- 通过 API：可以使用 List Voices API endpoint返回可供 API 调用的所有音色列表。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 语音克隆连接到智能体，使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智能体体验。
- 跨语言使用：语音克隆支持 32 种语言，可翻译内容并用该声音生成语音。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感特征。
部署到所有产品后，就可以让声音发挥作用，并大规模创作高质量内容。
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。
即时语音克隆包含在免费套餐中，只需几分钟。使用创作者套餐即可开始专业语音克隆。了解更多 ElevenLabs 语音克隆信息，或 注册，立即克隆声音。
