AI 語音 複製

語音複製能以某個特定聲音的音色來產生新的語音,包括音高、質感、口音,以及說話的咬字方式。早期系統通常需要長時間的錄音室錄音和一輪訓練。現在許多模型只需一小段參考音訊:聽過幾秒鐘的聲音後,就能用相近的聲音說出新的文字。

在 Mage 中,複製的聲音一開始是一段音訊參考。你可以上傳 MP3 或 WAV、選擇一個作品或已儲存的音效,或貼上音訊或社群連結,再選擇片段的起點,Mage 會以 @handle 保留最多 15 秒。在 Seed Audio 的提示詞中標註該 handle,就會用那個聲音說出你的文字,並輸出長度與你設定完全相同的 MP3。完全不需要訓練:每次使用時都會直接讀取該片段。

同一個聲音也能用在影片中。把片段儲存為角色的聲音後,只要該角色開口說話,Cherry、Raspberry、Plum、Lemon 和 MiniMax-H3 就會使用它;Cherry、Plum、Lemon、MiniMax-H3 和 Blueberry 也支援在影片提示詞中加入音訊參考。請只複製你自己的聲音,或你已明確取得授權的聲音。

模型會複製它聽到的一切，包括房間的聲音。在有回音的廚房錄的音訊，生成後聽起來就像在廚房裡。請在擺設柔軟的小房間裡錄音，距離麥克風一到兩個手掌寬，背景不要有音樂、電視或其他人聲。在安靜衣櫃裡用手機錄的語音備忘錄，往往比在空蕩房間裡用好麥克風錄得更好。

請用你之後想要的聲音風格說話。平穩均勻的朗讀會複製成沉穩的旁白；生動活潑的朗讀則會複製成充滿活力的聲音。請錄 10 到 15 秒連續的語音，包含幾個不同的句子，讓模型聽到多樣的發音，並避免長時間停頓、咳嗽和笑聲。

如果最好的一段在較長的錄音中，可以上傳整個檔案，並把起始時間設在最理想的 15 秒處。角色聲音只會保留 10 秒，所以為角色挑選時，請選最像該角色的 10 秒。

• 一位說話者、安靜的房間、沒有音樂。
• 10 到 15 秒的連續語音。
• 用你想要的語氣朗讀。
• 用起始時間挑選最好的片段。
• 保持音量穩定：不要爆音，也不要用氣音。

在 Seed Audio 中，用 @handle 提及這個聲音，把要說的內容放在引號裡，並描述語氣和空間：「@ana-voice，溫暖從容，在安靜的房間裡靠近麥克風，說：…」。@handle 帶來聲音本身的特色，描述則塑造表演方式。

請在撰寫前先選好長度。Seed Audio 會輸出你所選的確切時長（5、10、30、60 或 120 秒），過長會裁切、過短會補足，所以請讓文字長度與時長相符。人以自然的速度每秒約說兩到三個字，因此 10 秒的台詞大約是 20 到 30 個字。如果朗讀需要微調，語速、音量和音高都有各自獨立的設定。

一次 Seed Audio 生成最多可使用三個音訊參考，或一個圖片參考，兩者不能同時使用。如果要為圖片中的場景配音，請在不加入聲音的情況下生成，再用另一段音訊加入聲音。

• 在台詞前先提及 @handle。
• 把要說的內容放在引號裡。
• 描述語氣和房間環境。
• 先選好時長，再調整文字長度。

最簡單的方式是使用角色聲音。建立或編輯角色時，開啟「角色聲音」並上傳 MP3 或 WAV（會保留從起始時間開始的前 10 秒），或根據角色圖片生成一個聲音，也可以加上描述，所需 Gems 會顯示在按鈕上。之後只要該角色說話，Cherry、Raspberry、Plum、Lemon 和 MiniMax-H3 都會使用這個聲音，除非你關閉角色聲音。AI 角色生成器指南介紹了如何儲存角色。

你也可以直接在影片提示詞中提及音訊參考。Cherry、Plum 和 MiniMax-H3 最多可使用三個，Lemon 最多五個，Blueberry 則是一個，角色聲音也會計入同一個上限。附加音訊時，Cherry 的提示詞中至少需要一張圖片，例如角色或參考圖。

如果台詞必須完全精確，請先用 Seed Audio 以複製的聲音生成，再開啟Lipsync，搭配一張人像或已儲存的角色，以及最多 15 秒的該段音訊。AI 會說話的照片指南會示範完整流程。

只能複製你自己的聲音，或你已明確取得使用許可的聲音。在 Mage 上，未經同意模仿真實人物是不允許的，社群守則禁止為了有害目的冒充朋友、名人、公眾人物或品牌，也禁止任何在你所在地屬於違法的內容。如果有人要求你移除以他們為主角的作品，請移除。

請取得書面許可，而且內容要具體：是誰的聲音、會說什麼、會出現在哪裡、是否為商業用途以及使用多久。配音員的合約應明確寫出可用於合成語音；一般的錄音授權書通常並不涵蓋這一點。

法律的方向也是一致的。在美國，FCC 於 2024 年 2 月裁定，AI 生成的聲音屬於自動語音電話法規中的「人工」聲音，因此未經同意在自動語音電話中使用是違法的；而田納西州的 ELVIS Act 自 2024 年 7 月起生效，禁止未經許可使用 AI 模仿他人的聲音。本頁面不構成法律建議，請確認你發布內容所在地的規定。

影片模型的供應商也會審查音訊。如果音訊含有受版權保護的音樂或真人的聲音，生成可能會被拒絕，而被拒絕的生成會退還費用。

• 你自己的聲音：可以放心使用。
• 別人的聲音：須先取得書面許可。
• 公眾人物和名人：沒有授權就不行。
• 絕不用於欺騙：不得製作假通話、假代言或假聲明。
• 在平台要求時，標示逼真的合成語音。

當說話者必須是特定的人時，就複製聲音：例如你自己、同意授權的配音員，或你已配過音的角色。如果任何好聽的聲音都可以，預設聲音會更快：AI 文字轉語音可用 16 種 ElevenLabs 聲音之一朗讀最多 5,000 個字元，而AI 語音生成器則介紹如何用音訊標籤指導朗讀方式，以及如何在提示詞中描述全新的聲音。

Eleven Speech 在 Mage 上不支援複製聲音：它只能使用預設聲音說話。複製聲音是透過 Seed Audio，以及支援音訊參考和角色聲音的影片模型來進行。開發者可以透過音訊生成 API完成所有這些操作。