文本转音频工作室 (Text to Audio Studio)
专为有声读物、播客和长篇旁白等大型项目而设计。与仅处理短文本的标准“文本转语音”工具不同，该工作室允许您在同一个工作区内管理、编辑和生成完整的文档。
主要特点
批量导入(Bulk Import)：直接上传整本书或文本（Word 文档格式：.doc, .docx）。
- 智能分段（Smart Segmentation）：系统会自动将上传的文档拆分为易于管理的行或章节。这使您能够将每个句子或段落视为独立单元进行处理，并根据需要应用不同的设置或进行修改。
集成翻译（Integrated Translation）：您可以在项目设置期间启用“翻译”（Translation）功能，以便在生成音频之前，自动将您上传的文档完整翻译成 100 多种语言。
自动化制作（Automated Production ）：项目设置完成后，只需点击“转换”（Convert）按钮，即可一键生成整个项目的音频。
如何在 Studio 中创建项目
- 项目信息：为您的项目命名（例如：我的第一本有声书）。
- 内容来源：拖放您的 Word 文件。
- 文本处理：选择：
- 基础(Basic)：快速处理标准文本。
- 人工智能增强(AI-Enhanced)：采用先进处理技术（针对阿拉伯语优化），确保整篇文档的发音与标音（Tashkeel）准确无误。
- 翻译（可选）：如果您希望将源文本转换为另一种语言，请启用“Enable Translation”（启用翻译）选项。
- 创建(Create)：点击“Create Project”（创建项目）。随后，您将进入工作区，在那里可以查看片段并启动批量生成流程。
阅读本文，了解如何通过简短的步骤制作有声读物：
https://moknah.io/blog/2025/7/27/convert-book-to-audiobook-in-15-minutes/
专业指南：精通AI阿拉伯语语音生成
技能、技巧与最佳实践
AI 语音生成工具的终极目标，是在最大限度减少额度消耗的同时，生成音质极佳且表现自然的语音。在 Maknah，我们为您提供实现专业配音效果的先进工具。本指南将涵盖您所需掌握的基本技能。
- 划分的艺术（文本准备）
人工智能模型会严格遵循你文本的结构。你划分文本的方式决定了性能质量、节奏以及成本。
问题：文本块 (The Text Block)
如果您粘贴了一个长段落而未将其拆分，表单会将其视为单行。
- 后果：人工智能往往会急于结束长句，从而导致语速不自然。
- 成本：如果有一个词出错，你就必须重新生成整个段落，从而浪费额度。
错误：随机划分
如果你在句子中间随意按下 Enter 键，人工智能会遵循你的指令并强制……
在每一行末尾停顿（读作静音/无元音）。
- 后果：这会导致语音断续、缺乏连贯性并增加语法错误，因为人工智能是根据完整的句子结构来确定发音标注（Tashkeel）的。
专业解决方案：明智的分区
- 规则 1 ：根据标点符号（逗号、句号、分号）对文本进行分割。
- 规则 2：如果源文本缺少标点符号，请自行添加，尤其是在连词（如“和”、“但是”）之前。
- 黄金法则：大声朗读文本。凡是自然停顿换气的地方，就在那里另起一行。
- 针对长篇内容：请使用“文本转语音”工作室（Text-to-Speech Studio），它专为上传完整 Word 文档而设计，能够自动为您处理内容拆分。
- 成型与加工
问：我必须手动为整个文本添加变音符号吗？答：不必。过度手动添加变音符号会给模型施加过多限制，从而削弱其利用自动变音能力（该能力源自被克隆的原始人声）的表现。
方案 A ：人工智能增强处理（魔法按钮）
这项功能（可在界面中找到）是您的秘密武器。一旦选中，系统便会……
自动：
- 阿拉伯语文本的上下文标音
- 添加必要的标点符号。
- 纠正排印错误。
- 结果：无需人工干预，即可解决 99% 的发音问题。
- 方案 B ：战略性人工编排
如果您使用基本规范化（Basic Normalization），请遵循最小化原则：
- 应该标注什么：仅标注那些难以阅读的词，或具有双重含义的词。
- 方法：无需为整个单词标注发音符号，只需在那个容易引起歧义的特定字母上添加符号即可。
- 例如：若要区分 *kutiba*（被动语态）与 *kataba*（过去式动词），只需在第一个字母上加上合口符（ḍamma）：*kutiba*。
- 文本格式规则
يفضل النموذج استخدام نصوص بسيطة وواضحة. يرجى اتباع قواعد التنسيق التالية:
- ✅ 将数字转换为文字：模型在处理复杂数字（如日期、货币）或其语法形式时可能会遇到困难。例如，请写“两千二十年”而不是“2020”。
- ✅ 使用破折号 (-)：可用于插入语，尽管逗号更为常用。
- ❌ 禁用列表：请勿使用项目符号（Bullet points）。
- ❌ 拒绝拉长字符：避免使用字符拉伸/Kashida（例如 mـرحـبـاً）。
- ❌ 勿使用斜杠或下划线：避免使用 / 或 _
- ❌ 避免使用省略号（...）：除非你特意想要营造一种犹豫不决或声音渐弱的语气，否则不要使用多个点号来分隔句子。
外来字母（P、G、V、CH）的窍门
阿拉伯语中缺少 P、G 或 V 等发音；若要让人工智能在阿拉伯语文本中正确读出外语名称，请使用乌尔都语/波斯语字母：
| 所需声音 | 字母 | 阿拉伯语写作 | 乌尔都语/波斯语——字母的把戏 |
| P | P | 我喝了一罐百事可乐。 | 我喝了一罐百事可乐。 |
| G | G | 我在谷歌（Google）上搜索了这条信息。 | 我在谷歌（Google）上搜索了这条信息。 |
| CH | چ | 这是一个奶酪三明治。 | 这是一个奶酪三明治。 |
这些字母如下：
🟢 字母 پ (Pe)
🔸 句子：
我和朋友一起去了巴基斯坦。
地点：巴基斯坦
🔹 说明：字母“پ”的发音与 P 相同，这也是单词Pakistan 的正确发音。
🟢 字母 چ (Che)
🔸 句子：
我在印度看到了美味的茶。
可替换为：شايًا 或 شاي
🔹 说明：单词“چاي”在乌尔都语中写作这样，发音为“چاي”（即“chai”）。
🟢 字母 ٹ (Ṭe)
🔸 句子：
我在一家锡厂工作过。
替代方案：tin，用于标示某些外来名称中的厚重音（或“重读音”）。
🔹 说明：“ٹ”是一个重读的“t”音，通常用于诸如“سعید ٹيچر”（赛义德老师）之类的名称中。
🟢 字母 ڈ (Dāl)
🔸 句子：
我在医院见到了医生。
头衔：博士
🔹 说明：字母“ڈ”的发音类似于“厚重”或“硬”的 D 音，常见于乌尔都语中源自英语的借词。
🟢 字母 ڑ (ڑے)
🔸 句子：
我住在山边的一个村庄里。
پہاڑ = 山
🔹 说明：“ڑ”是一个卷舌音（重读的“r”音），用于像“پہاڑ”（山）这样的词汇中。
🟢 字母 گ (Gāf)
🔸 句子：
我们去古吉拉特邦进行了一次短途旅行。
替代：程序
🔹 说明：“گ”的发音与 G 相同，在读“古吉拉特”（Gujarat）这一邦名时，这种发音是正确的。
🟢 字母 ے (大 ے)
🔸 句子：
我在清真寺里遇到了阿里。
津贴：阿里
🔹 说明：“ے”用于名词末尾，表示变音的“yā”（yā-ye-ma'īla）或长元音“yā”。
🟢 字母 ں (鼻音 Nūn)
🔸 句子：
这是来自麦地那的艾哈迈德。
词末鼻音“n”的示例
🔹 说明：“ں”的发音类似于轻微的鼻音“n”，常见于乌尔都语，尤其是在名词词尾。
- 掌控表现与情绪
- 你可以引导人工智能像演员那样表现，而不是像新闻播报员那样。这可以通过模式和设置来实现。
- المستوى 1 : اختيار الوضع
- 在生成界面中，您会看到一个复选框：Enable Emotions & Dialects Mode。
- A. 标准模式（未勾选复选框）
- 最适合：专业旁白、有声书、在线教育。
- 如何控制：
- 暂停：若要强制静默，请在新行中添加此标签：
- 轻微情感：在行尾使用语境或描述性标签（实验性）：我看着花朵……
ب.情感与口音设置（已勾选）
- 最适合：剧情、游戏、角色对话。
- 如何控制：
- 情感标签：必须使用花括号 { }，并将情感名称以英文书写在句首。
- 格式：{Emotion} 在此输入您的阿拉伯语文本。
- 示例： {Shouting} 喊叫 // {Whispering} 耳语 // {Laughing} 笑 // {Sighs} 叹气。
级别 2：音频设置
使用滑块精确调整输出：
- 温度(Temperature):
- 较少（僵硬）：稳定、固定、略显机械。适合新闻播报。
- 更高（灵活）：更具创造力与情感。警告：设置过高可能会导致不稳定或听觉幻觉。
- 相似性(Similarity):
- 该设置控制声音与原始克隆版本的相似度。若需高保真度，请保持较高数值。
- 表现力(Expressiveness):
- 它能增强情感表现的幅度。请谨慎使用；对于长文本，建议保持较低数值以确保稳定性。
- 精通方言
- 黄金法则：对于阿拉伯语方言（沙特、埃及、约旦等），音频必须与文本相符。
- 如果您使用埃及方言进行写作，则应选择针对埃及方言训练过的语音。
- 不要试图强迫使用标准阿拉伯语（Fusha）的语音说方言；否则效果会显得很怪异。
- 启动效应（Priming）的把戏：
- 为了帮助人工智能立即识别方言，请用一个具有该方言特色的典型词汇作为文本的开头。
- 例如：与其以中性表达开头，不如用“你好吗？最近怎么样？”（“إزيك، عامل إيه؟”）来起头。这能让模型在后续段落中保持埃及方言的语境与风格。