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。声音由生理条件和环境塑造，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非常接近的语音。
本指南将详细介绍如何使用 ElevenLabs 克隆声音，包括该录制什么、如何在即时语音和专业语音克隆之间选择，以及克隆完成后如何使用。我们还为两种方式准备了可逐步操作的详细说明。
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、稳定的音频。
- 专业语音克隆最多需要 3 小时语音数据。
- 创建克隆后，可将其连接到其他 ElevenLabs 产品。
- 克隆声音必须获得明确授权。使用这些服务前，ElevenLabs 要求确认已获得授权。
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。
即时克隆几分钟内就能生成可用音色，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。
以下快速指南可帮助你选择最适合的方案：
了解两种方式的区别，能节省前期时间并快速开始。
使用 ElevenLabs 克隆声音前的准备
无论选择 ElevenLabs 专业语音克隆还是即时语音克隆，先做好一些基础准备都会有所帮助。虽然并非强制要求，尤其是即时克隆，但会显著影响克隆质量。
点击录制前，先考虑以下几点：
- 音频质量要求：专业录音麦克风会带来明显改善。最低要求是能录制 44.1 kHz 或 48 kHz、位深至少 24 bit 的 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 是一款不错的免费工具。
- 最短样本时长：请确认需要提供多少音频数据。重要的是所有文件的总时长，而不是文件数量。专业语音克隆请尽可能上传接近 3 小时的文件。
- 录制内容：ElevenCreative 的语音克隆旨在复刻你提供的声音。如果用缓慢、单调的声音朗读，录音也会呈现这些特点。请自然表达，并加入不同的情绪和语速。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，就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会创建声音的数字副本，可用于 32 种以上语言，同时匹配自然语言的情感和韵律。
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
先登录 ElevenLabs 控制台。在左侧边栏选择“音色”，然后点击加号图标。
屏幕上会显示如下弹窗，提供几个选项：
- 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所有文件的总时长，而非单个文件的时长。
建议至少提供 1 至 2 分钟干净、稳定的音频。
此处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，以及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 会开始合成语音克隆。此时可以预览声音效果，并为它命名。
还可为克隆添加语言、口音、性别和年龄等标签。描述框中可填写其他信息，便于整理该音色或供自己日后参考。
最后，需勾选授权确认框，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。
第 4 步：测试即时语音克隆
创建音色后，进入“我的音色”并点击“使用音色”，即可在文本转语音体验区中使用克隆。写一段简短脚本让它朗读。要充分测试效果，请使用训练音频中未包含的内容。
选择语音克隆并写好文本后，点击页面底部的“生成语音”，让它开口说话。
第 5 步：调整模型，持续优化
如果觉得语音克隆听起来不太对，无需从头开始。ElevenLabs 提供多项滑块设置，可调整最终音频效果。
试着调整屏幕右侧的以下控件，看看它们如何影响语音克隆：
- 稳定性：较高的稳定性能让声音更一致、可预测。较低的值可带来更多表现力，但可能出现不一致。大多数使用场景适合中等设置。
- 相似度：定义语音克隆与所提供语音样本的贴近程度。提高此滑块可让声音更像原声；如果出现失真，请降低此值。
- 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，就拥有可立即使用的 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，但能获得高度准确、非常接近原声的模型。
如果使用 Creator 或更高版本套餐，可按以下步骤通过 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
- 等待语音微调完成
- 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”。在弹窗中可看到与之前相同的选项。
这次请选择“专业语音克隆”。随后会显示多项建议，包括：
- 使用防喷罩
- 保持录音无噪声
- 在经过声学处理的房间录制
- 预处理音频
- 全程保持音量一致
- 提供至少 30 分钟音频，理想时长接近 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。也可以自行录制并直接上传到软件。我们提供了多种脚本，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人声。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。即时语音克隆使用 1 至 2 分钟音频已足够，但此服务建议上传 1 至 3 小时音频。
记得加入包含多种情绪的音频文件。多样化的录音室级内容可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，但这一步很有用，能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。上传完所有内容后，需要直接在界面中录制一段简短音频。请尽量使用与训练录音相同的麦克风和房间设置，并尽可能保持相近的语气和表达风格。
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：等待语音微调完成
验证声音后，ElevenLabs 将开始微调模型。通常需要 3 至 6 小时；如果前面还有许多专业语音克隆任务排队，耗时可能更长。
要查看克隆状态，请进入“我的音色”。音色模型可用后，也会收到通知。
第 7 步：使用语音克隆
恭喜，现在拥有功能完整的专业级语音克隆。完成的模型将显示在“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创建时命名的音色，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操作即可创建克隆，但还可以提前做一些额外准备。这些小调整可应用于录音工具或录制策略，帮助提升语音克隆质量。
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制。专业录音适合使用录音棚。如果不想预订录音棚，可看看当地共享办公空间是否有隔音舱可用。
- 麦克风距离：说话时，与麦克风保持约两个拳头的距离。虽然这是个实用准则，但请查看麦克风规格以了解更多信息。
- 样本的情绪范围：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变化。请充分展现自己，在不同语境下提供体现自然说话风格的多种情绪样本。
- 句式多样性与朗读脚本：朗读脚本是提供较长样本的实用起点，但可能显得排练过度或不够自然。尤其首次朗读时，可能无法准确表达句子应有的细腻情绪。为取得平衡，请提供多段不同脚本，并以更接近日常对话的方式表达。
遵循这些最佳实践，可为 ElevenLabs 提供更高质量的输入，从而创建更准确反映声线特征的语音克隆。
ElevenLabs 语音克隆有哪些用途？
通过 ElevenLabs 完成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 文本转语音体验区可让你选择音色，并朗读输入的任意内容。适合一次性生成旁白配音、播客片头等语音。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：可使用List Voices API endpoint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，可在接入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，让它说话时使用该声音。对于希望在不同平台保持一致声音形象的企业，这有助于为智能体打造统一的品牌体验。
- 跨语言使用：语音克隆支持 32 种语言，可翻译内容并以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还原语音的韵律和情感特点。
部署到所有产品后，就可以让声音发挥作用，并规模化创作高质量内容。
使用 ElevenCreative 克隆声音
无论是想加快视频制作的内容创作者，还是只想保存自己的声音，ElevenLabs 语音克隆都简单、快速且高效。
免费套餐提供即时语音克隆，只需几分钟即可完成。使用 Creator 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。
.jpg&w=3840&q=80)
