精品声音克隆录音要求

录音文件要求

1、音频文件支持wav/mp3/m4a格式，采样率建议满足24~48kHz，语音数据有效时长满足30分钟以上；

2、将音频数据压缩至zip包内（无目录限制要求）；

3、录音应避免出现噪音、混响等问题；

4、录音完成后请联系官方客服：微信 jwzm77，电话 15683973361，提供音频压缩包，技术人员会协助检查音频是否符合要求，若满足要求便可提交训练；

5、训练声音模型限时免费，名额有限，早到早得。

录音前准备

录音设备：

通常情况下使用手机系统自带录音软件即可，无需耳机、耳麦。如使用其他录音软件，需设置录制格式为WAV（PCM）、单声道、采样率为48kHz。

环境选择：

录音环境的选择主要考虑降低噪音和混响，建议使用10平方米以内的小房间进行录音，有吸音装置的房间是理想环境。可使用价格低廉的吸音棉对房间进行改造，目的是为了改变声波的平面反射为漫反射，降低混响。

噪音控制：

室外噪声可以通过关闭门窗部分解决，室内噪声主要来自空调、风扇（含电脑风扇）、日光灯镇流器等。可使用手机录制环境声音并放大音量倾听录音，辨别并关闭噪声源。需要在源头避免噪声，而不是通过降噪软件后期处理。

混响控制：

混响是由于声波在墙壁、玻璃上等光滑平面上反射产生，会导致声音浑浊。录制时，不要选择空旷的房间，应尽量选择有吸音设施，或摆放不规则的环境，以降低混响。日常的办公环境、会议室是不可以用来做录音环境的。

录音文案：

建议在录音前熟悉文案，并确定好人设及演绎风格。文案内容无特殊限制，可以使用与待合成内容一致。合成内容中如包含英文字母，需要进行单独录制，如NBA，CEO等。

重要

普通的卧室，是相对常见的理想录音环境，录音时可以：

关闭门窗，降低室外噪音；

关闭空调/电扇，阻止室内噪音源；

拉窗帘，降低玻璃的声音反射；

打开柜门、使用衣物床单等覆盖柜面/桌面，降低光滑平面的声音反射；

录制中注意事项

麦克风距离：

录制时口部与麦克风保持10~15cm距离，并需要保持位置、距离稳定，防止音量大小不一致。不要让讲话的气流正对麦克风，防止喷麦造成的噪音。

身姿控制：

录音时尽量保持姿态稳定，减少不必要的肢体动作，椅子的响声、衣物的摩擦音、鼠标键盘的敲击声都是常见的人为噪声，需要格外注意细节。

发音：

录音时需要保持音量大小、语速稳定、注意断句、避免口腔噪音（如口水声）。结合最终使用场景与人设加入适当演绎，避免朗读风格过于严重，并保持整体风格一致。

重要：

如口误无需终止录音，可停顿1~2秒后，继续录制即可。文案中所有文字不必追求一字不落地完成，可以接受丢字、填字，保持语句通畅即可。

保障发音清晰准确，让假想听众能够听的清楚更重要。通常情况下，一次性完成全部录音是不可取的，分段、多次录制有利于缓解疲劳，调整状态，是更好的选择，需额外注意多段音频的一致性。

自制录音常见问题

音频分析工具：

录音质量的高低除人工倾听判断外，更多细节需要通过专业软件配合，我们推荐使用Adobe Audition（付费）或Audacity（免费），建议从官方网站下载使用。

噪声问题：

噪声是人声以外的声音，对最终合成效果影响很大，且很难有效去除，因此需要在录制阶段特别注意。含有噪声的音频具体表现为句间静音部分有持续不断的非人声数据，通过波形图或频谱图放大后如下图所示：

理想的低噪声数据在波形图中表现为平整，在频谱图中表现为无（低）能量信息，如下图所示：

混响问题：

混响会导致声音浑浊，听感类似回声，对最终合成效果影响很大，且很难有效去除。录音时请保持每个字的有相对清晰的边界，正常的呼吸音无需特别控制，保持自然即可。

情绪过于平淡：

当前算法最终合成效果的情感与录音数据是一致且单一的，如希望最终合成慷慨激昂、富裕感染力的声音，则需要提供相同情感的录音文件。常见的问题是录音人按照固定文案，通过朗读的方式进行录制，缺乏情感表现，另会由于疲惫导致情感逐渐低落，需要特别注意。录音时可以通过不断的心理暗示，提示自己要保持亢奋，按照最终使用场景完成录制。也可以请其他人帮忙监督，或通过回听的方式检验录音效果，防止情绪波动。

音量、语速不一致：

此问题主要是拼接多段不同来源的音频导致，因此建议一次性录制完成

音量过大或过小：音量过大，会产生音频截幅现象，会导致声音信息不完整，一定要控制麦克风距离，不能太近太远，发声不能太高太小，录音软件的增益调节适当。