语音克隆（录音指南）
利用优质训练数据打造高品质的定制语音
质量至上
要创建高质量的定制语音，输入的音频（训练数据）必须纯净无瑕。AI 会复刻它听到的所有内容——包括其中的瑕疵。
1. 录制地点
尽量减少房间内的回声与混响。可采用以下任一方法来“抑制”房间内的声音反射：
- 人声录音间： 专业隔音室（最佳选择）
- 衣橱： 装满衣物的衣柜能自然地吸收声音。
- 毯子堡垒： 用厚毯子将自己围起来，以减弱反射。
快速测试
在房间里拍手。如果听到明显的回声或余音，说明该房间需要进行更多的声学处理。
2. 设备
| 设备 | 推荐 | 备注 |
|---|---|---|
| 麦克风 | 专业级 XLR 麦克风（150-300美元） | 推荐 Audio-Technica AT2020 或 Rode NT1 |
| 接口 | USB 音频接口 | 推荐 Focusrite Scarlett 系列 |
| 防喷罩 | 必不可少的 | 防止爆破音（即发 P、B、T 音时气流冲击麦克风产生的噪音） |
3. 软件 (DAW)
使用 REAPER 或 Audacity 等专业录音软件。
推荐设置
| 设置 | 价值 |
|---|---|
| 文件格式 | WAV（未压缩） |
| 采样率 | 44.1 kHz 或 48 kHz |
| 位深 | 24位 |
| 峰值水平 | -6 dB 至 -3 dB |
| 平均响度 | -18 dB |
避免削波
切勿让音频电平达到 0 dB。发生削波（失真）的音频无法修复，且会毁掉你的语音克隆效果。
4. 定位
- 距离： 保持距离麦克风约 20 厘米（约两个拳头的宽度）。
- 角度： 说话时稍微偏离麦克风轴线（保持一定角度），以避免气息直接吹向麦克风。
- 一致性： 在整个录制过程中保持同一姿势。
5. 性能
保持一致至关重要
在整个录音过程中，请保持一致的精气神和语调。请勿在训练文件中混用不同的风格：
| ✅ 这样做 | ❌ 不要 |
|---|---|
| 保持音量一致 | 交替使用耳语与大喊 |
| 保持同样的能量水平 | 在兴奋与疲惫的表达状态之间切换 |
| 保持自然的节奏 | 匆匆带过某些部分 |
| 说话清晰利落 | 包含“嗯”、“呃”等语气词、结巴或错误 |
严重警告
AI 会复刻所有细节，包括呼吸声、结巴、咂嘴声以及“嗯”之类的语气词。请确保录音表现正是您想要克隆的效果，因为训练数据中的任何瑕疵都会在生成的语音中体现出来。
汇总核对表
- 该房间经过声学处理（无回声）。
- 使用配备防喷罩的优质 XLR 麦克风
- 以 44.1/48 kHz、24-bit 的 WAV 格式录音
- 峰值电平在 -6 至 -3 dB 之间
- 放置在距离麦克风 20 厘米处，并保持微小角度
- 始终保持一致的基调与活力
- 没有结巴、“呃”之类的停顿或多余杂音