AssemblyAI 团队分享语音克隆四要点：WAV 格式+15~25秒参考音频
AssemblyAI · x · 2026-10-29
AssemblyAI 团队总结了做出更逼真语音克隆的实操经验：
- 用 WAV 而非 MP3，避免有损压缩损伤音色细节；
- 参考音频取 1525 秒（官方文档支持 1030 秒，取自 2 分钟以内的录音）；
- 照稿读和自由说两种样本都试，看哪种更贴合使用场景；
- 根据用途选麦克风，采集环境与设备要匹配目标场景。
文档还说明：克隆声音须获得说话人同意，授权有效期 60 天，到期需续期才能继续使用；克隆声音仅归属创建账号私有管理。
「多模态」频道最新
- 8GB 显存的 4060 跑本地视频生成:14 秒场景渲染 30 分钟 — cocktailpeanut · 2026-10-29
- AI 探索短片《Of Old Kings and Forgotten Lands》 — sergeantsref · 2026-10-29
- 用 Adobe Firefly 制作万圣节短片《The Porch Light》全流程 — LudovicCreator · 2026-10-29
- MOSS-Image 训 8 倍缩放 LoRA,直接生成可对齐像素网格 — berthol · 2026-10-29
- AI 生成 MV《Copyright the Moonlight》展现电影级画面 — monopreme-tv · 2026-10-29
- Inktober 创作者用 three.js 在球面绘制 Perlin 噪声流场线 — thespite · 2026-10-29