输入最佳实践 (Best Practices for Input)
数字 (Numbers)
- 数字：文本转语音模型在处理电话号码或货币等格式时，可能会遇到困难。
- 建议：将数字写成单词以消除歧义（例如，写“一”而不是“1”）。
- 电话号码：123-456-7890 ← 一二三、四五六……
- 货币：$45.67 ← 四十五美元六十七美分。
- 缩写：请将其展开并写出全称，以确保清晰明确。
- د. ← 博士，ش. ← 街。
- 链接/符号：
- moknah.io/docs ← moknah.io/docs（请按此拼写）
发音）。
- 100% ← 百分之百。
概述 (Overview)
利用“文本转语音”功能或“文本转语音工作室”（Text to Audio Studio）生成您的第一个音频文件非常简单。不过，为了充分利用这些功能，仍有一些事项需要注意。
指南
1
在“文本转语音”页面的输入框中输入或粘贴您的文本。
您始终可以在文本中加入表达性标签，以实现卓越的语音生成效果。
- 若启用情感（Emotions）功能，请使用方括号内的标签，例如 [shouting]（喊叫）或 [breathing]（呼吸）。这些标签非常有效（完整列表请参阅 Voice Tags 部分） 。
- 若未启用情感功能，您仍可描述所需的表现方式（例如输入“excited”表示兴奋），或使用包含在 标签内的标记；不过，这些标记属于实验性质，其运行稳定性可能不如预期。
- 注意：所有标签必须使用英语，因为使用其他语言属于实验性功能，可能无法稳定运行。我们正致力于在未来的更新中通过引入表情符号（ Emoji ）和按钮来简化这一流程。
- 字符限制与长文本内容：标准语音生成框专为短片段设计，仅支持最多 1500 个字符（为获得最佳音质，建议每次生成约 200 个字符）。
- 针对大批量内容：如果您希望生成一段连续完整的音频（无需后续编辑或拼接）——例如有声读物或长篇文章——请勿使用此输入框。建议改用“文本转音频工作室”（Text to Audio Studio）。该工作室支持上传完整文档，助您高效实现长篇内容的自动化制作。
2
语音选择 (Voice selection)
从列表中选择您想要使用的声音。
选择合适的声音至关重要；例如，如果您需要一个讲现代标准阿拉伯语的声音，最好从一开始就选择专为此设计的语音，而不是选择针对某种方言的声音。不过，这并不意味着选择了特定方言的声音就无法朗读标准阿拉伯语文本；实际上，它不仅能朗读，甚至可能赋予文本良好的生动感。但需要注意的是，如果调高情感参数（emotion parameter）或温度参数（temperature），可能会导致意想不到的结果，因为声音会倾向于表现出其原始克隆样本所对应的方言特征。
举个例子，假设你需要某种特定方言的演绎效果。在这种情况下，如果你不想启用情感参数，而是选择了一个通用音色，那么增加表现力和情感热度将使最终效果更接近你想要的方言风格。无论如何，语音表现都建立在输入内容的语境之上；只要模型理解了输入的方言特征，它就会尝试进行模仿和演绎，即便所选音色并非专门针对该方言。请务必记住，随着练习的深入，你将更透彻地掌握各项设置及其调节技巧，从而找到最佳平衡点，实现令人惊叹的效果。
3
调整设置（可选）
调整音频设置以获得所需的输出。
我们推荐的默认设置如下图所示：
设置：
- 创造力系数 (Temperature)：
- 更高= 灵活性更高
- 更少= 更僵化
- 提高“温度”（Temperature）参数能赋予人工智能模型更大的音频控制自由度，但如果数值过高，可能会导致输出结果出现异常；反之，若将其降至零，音频表现则会变得生硬且缺乏生气。因此，将其设定在符合您需求的适中水平是最佳选择。
- 相似性： Similarity
- 最高= 类似于原始声音
- 更少= 与原声的相似度较低
- 提高匹配系数可增强与原始复刻声音的相似度；然而，若参考样本不够纯净或质量不高，将其调至最大值可能会引入杂音（如噼啪声）等失真现象。如果样本质量上乘且您需要完全匹配，可将其设为最大值；否则，建议降低该数值以获得更纯净、更优质的效果。
- 速度： Speed
- 更高= 更快
- 更少= 更慢
- 将语速调至最大或最小可能会降低生成音频的质量；因此，建议仅在必要时才使用此选项。
- 表现力：Expressiveness
- 最高= 充满情感的朗诵
- 较少= 中性语气
- 提高情感系数可使输出效果更接近自然表现，但过高设置可能会导致异常表现；因此，在进行大规模语音生成（特别是在 Voice Studio 中）时，建议将其保持为零，并针对特定句子进行试验性调整。
情感设定（Emotion Setting slides）：
我们推荐的默认设置如图所示：
如果您选择启用情感（Enable Emotion），如图所示，建议的设置是提高温度（Temperature）值。
4
选择所需的处理模式（归一化）
- 基础型(Basic)：适用于不带任何附加内容的阿拉伯语，也适用于非阿拉伯语的其他语言。
- 人工智能增强（AI-Enhanced）：专为阿拉伯语设计，能够理解语境，对句子或段落进行切分，并添加符合发音要求的必要标音符号。
5
生成 (Generate)
点击“Text to Audio”页面上的“Run”（生成）按钮，或“Text to Audio Studio”中的“Generate”（生成）按钮，即可创建音频文件。在 Studio 中，您可以通过点击“Merge”（合并）按钮，一次性生成数千行内容。