點樣用 AI 複製你嘅音色

音色複製會由真實錄音建立一個可重用的合成音色。VisionStory 會分析來源樣本、處理音訊、偵測語言與聲線特徵、建立複製音色，並生成預覽，讓你在用於影片前先行評估。

上傳只係機械步驟。最終效果夠唔夠似、夠唔夠穩定，關鍵在於來源錄音。一段乾淨、一致嘅 1 分鐘錄音，通常比用唔同咪高峰、喺唔同房間錄咗幾分鐘更有用。

請負責任咁使用音色。只複製你自己嘅音色，或者你已獲清晰授權可以使用嘅音色。請勿用音色複製去冒充他人、繞過同意，或誤導觀眾。

• 最佳來源：1–2 分鐘乾淨、單一講者嘅音訊。
• 快速錄音：喺 Clone 對話框內最多可錄 15 秒。
• 可用性：Pro 及更高級訂閱方案。

步驟 1：喺 AI 影片中開啟 Voice Clone

打開 AI 影片，並揀選你打算使用嘅頭像（avatar）。喺 Script 方塊下方嘅音色列，按目前音色旁邊嘅 Clone。Clone 對話框會打開，而唔會改變頭像現有音色。

步驟 2：選擇上傳或錄音

對話框提供兩種來源方式。你可以按自己係測試流程，定係想拎到最接近、最實用嘅匹配效果去選擇。

• 上傳音訊：品質優先之選。可行嘅話，盡量用 1 到 2 分鐘嘅乾淨樣本。
• 錄音：適合快速測試。App 內置錄音器目前最多可錄 15 秒。

可上傳檔案格式包括 .avi、.mp3、.mp4、.m4a、.wav 或 .mov。所選音訊片段最少要 3 秒，最長可達 120 秒。

步驟 3：準備更貼近目標的音訊

音色複製不止會拷貝聲音身份，亦可以重現語速、語調起伏、呼吸聲、房間環境聲、咪高峰音色特性，以及不想要的雜訊與瑕疵。請用你之後希望複製音色採用的風格去錄製原始音檔。

• 只用一位講者。移除音樂、重疊人聲同背景對話。
• 錄 1–2 分鐘乾淨音訊。提供足夠自然變化，同時避免混入品質或狀態不一致的錄音段落。
• 選擇安靜、唔回音嘅房間。柔軟傢俬有助減少殘響；避免風扇、車聲同冷氣噪音。
• 保持咪高峰穩定。整段樣本都維持同一個距離、角度、輸入音量同房間環境。
• 自然而一致咁講。保持口音、音量、語速同表演風格穩定。
• 避免長時間靜音空檔。用連續而有用嘅說話內容，唔好用靜音去「填長」檔案。

小貼士：如果第一次複製聽落偏弱，建議先用更乾淨、更一致嘅音訊去換掉原始素材，再考慮錄更長。混合品質嘅素材往往會令複製音色學到你本來想消除嘅不一致。

步驟 4：上傳、檢查並命名樣本

將檔案拖入 Import Audio，或按一下投放區域去選擇檔案。波形出現後，播放已選取嘅片段，留意有冇其他人聲、音樂、爆音（clipping）、回音、突兀剪接或長時間靜音。如果呢啲問題好明顯，就換返原始音檔。

輸入一個最多 20 個字嘅描述性名稱。加上地區後綴可令多個教學或活動音色更易分辨；例如：Tutorial Voice-en。

步驟 5：建立複製音色，並交俾 VisionStory 自動偵測語言

按 Clone Now。VisionStory 會以非同步方式處理樣本，並打開 Cloned Voice 分頁。處理期間項目會自動更新；預覽準備好之後就可以播放。

你唔需要手動揀選原始語言。VisionStory 會分析錄音並自動指定偵測到嘅語言。建議原始樣本全程只用同一種語言，咁偵測到嘅語系、口音同預覽效果會更容易判斷。

步驟 6：預覽、選擇並測試複製音色

喺揀選之前，先用複製音色嗰一列上面嘅播放按鈕預聽。留意音色辨識度、口音、語速、發音、室內回音、雜音，以及音色有冇不穩定嘅變化。若預覽已有明顯瑕疵，建議即刻改善音源，唔好等到影片做完先發現問題。

揀選已複製嘅音色，喺 Script 方格輸入一句短句，然後按 Preview Audio。短時間測試更易比較，亦可以確認複製音色啱唔啱你打算製作嘅內容類型。

Voice Clone 方案與名額上限

Voice Clone 只適用於 Pro 及以上方案。每個已儲存嘅複製音色會佔用 1 個名額，直至你將佢刪除。

當你唔再需要某個複製音色時，打開 Cloned Voice，刪除該音色並確認操作。刪除複製音色後會釋放相應名額。若該已刪除音色曾喺編輯器中被選用，VisionStory 會自動切換到可用嘅預設音色。

支援 88 種語言

88 種獨立語言。 VisionStory 會自動偵測複製樣本嘅語言；可用嘅音色選項及輸出特性會因語言而異。以下清單會喺合併地區變體及等同名稱後，以每種語言只計 1 個項目。

• 🇿🇦 南非語（Afrikaans）
• 🇦🇱 阿爾巴尼亞語
• 🇪🇹 阿姆哈拉語
• 🇸🇦 阿拉伯語
• 🇦🇲 亞美尼亞語
• 🇮🇳 阿薩姆語
• 🇦🇿 阿塞拜疆語
• 🇪🇸 巴斯克語
• 🇧🇾 白俄羅斯語
• 🇧🇩 孟加拉語（Bangla）
• 🇧🇦 波斯尼亞語
• 🇧🇬 保加利亞語
• 🇲🇲 緬甸語
• 🇭🇰 粵語
• 🇪🇸 加泰隆尼亞語
• 🇵🇭 宿霧語
• 🇲🇼 奇切瓦語
• 🇨🇳 中文（普通話）
• 🇭🇷 克羅地亞語
• 🇨🇿 捷克語
• 🇩🇰 丹麥語
• 🇳🇱 荷蘭語
• 🇬🇧 英語
• 🇪🇪 愛沙尼亞語
• 🇵🇭 菲律賓語
• 🇫🇮 芬蘭語
• 🇫🇷 法語
• 🇪🇸 加利西亞語
• 🇬🇪 格魯吉亞語
• 🇩🇪 德語
• 🇬🇷 希臘語
• 🇮🇳 古吉拉特語
• 🇭🇹 海地克里奧爾語
• 🇳🇬 豪薩語
• 🇮🇱 希伯來語
• 🇮🇳 印地語
• 🇭🇺 匈牙利語
• 🇮🇸 冰島語
• 🇮🇩 印尼語
• 🇮🇪 愛爾蘭語
• 🇮🇹 意大利語
• 🇯🇵 日語
• 🇮🇩 爪哇語
• 🇮🇳 卡納達語
• 🇰🇿 哈薩克語
• 🇮🇳 孔卡尼語
• 🇰🇷 韓語
• 🇰🇬 吉爾吉斯語
• 🇱🇦 老撾語
• 🇻🇦 拉丁語
• 🇱🇻 拉脫維亞語
• 🇨🇩 林加拉語
• 🇱🇹 立陶宛語
• 🇱🇺 盧森堡語
• 🇲🇰 馬其頓語
• 🇮🇳 邁蒂利語
• 🇲🇬 馬達加斯加語
• 🇲🇾 馬來語
• 🇮🇳 馬拉雅拉姆語
• 🇮🇳 馬拉地語
• 🇲🇳 蒙古語
• 🇳🇵 尼泊爾語
• 🇳🇴 挪威語
• 🇮🇳 奧里亞語
• 🇦🇫 普什圖語
• 🇮🇷 波斯語
• 🇵🇱 波蘭語
• 🇵🇹 葡萄牙語
• 🇮🇳 旁遮普語
• 🇷🇴 羅馬尼亞語
• 🇷🇺 俄語
• 🇷🇸 塞爾維亞語
• 🇵🇰 信德語
• 🇱🇰 僧伽羅語
• 🇸🇰 斯洛伐克語
• 🇸🇮 斯洛文尼亞語
• 🇸🇴 索馬里語
• 🇪🇸 西班牙語
• 🇰🇪 斯瓦希里語
• 🇸🇪 瑞典語
• 🇮🇳 泰米爾語
• 🇮🇳 泰盧固語
• 🇹🇭 泰語
• 🇹🇷 土耳其語
• 🇺🇦 烏克蘭語
• 🇵🇰 烏爾都語
• 🇻🇳 越南語
• 🇬🇧 威爾斯語

計算方式：以語言為單位，而非以地區/語系為單位——例如英語不同地區變體只算 1 次；挪威語的 Bokmål 與 Nynorsk 只算 1 次；孟加拉語/Bangla 亦只算 1 次。

排解音色複製聽起來唔夠似嘅問題

音色辨識度偏弱

用一段更乾淨嘅 1 至 2 分鐘樣本取代來源音檔，最好係同一段無中斷錄音。保持咪高峰、環境、語速同演繹一致。

複製音色聽起來好多雜音或有金屬感

用耳機聽返原始音檔，移除背景音樂、回音、風扇聲、車流聲、過度去噪、爆音（clipping），以及重複以有損格式匯出。通常更乾淨嘅原檔，比再加工更有效。

語速或情緒唔啱

複製音色會由樣本學到你嘅講法同演繹選擇。錄來源音檔時，就用你之後想聽到嘅語氣、能量、節奏同講話風格。

語言或口音出乎意料

整段樣本盡量只用 1 種語言，避免喺複製錄音期間切換語言。想要最準嘅發音同口音匹配，請用你計劃發佈嘅語言去複製同測試。

建立你嘅音色複製

準備一段乾淨嘅來源錄音，打開 AI 影片，並喺用於更長製作之前先預覽效果。更多關於自訂及多語言音色，請參閱 VisionStory 音色複製功能。