本文提供一些声音复刻的实践经验及指导，旨在帮助您准备高质量的参考素材

文件格式

大模型实时互动服务，依赖高质量的参考音频文件的和对应的文本，提供语声音复刻能力

• 音频格式：wav，采样率 24000Hz 或 44100Hz，位深16bit，单声道。
• 音频长度：30~45s，或 2~3 段 10~15s 高质量语音，每段语音分别包含独立完整的句子。
• 参考文本：参考文本需要完全和语音对应，包括标点符号。

提高音质

声音复刻效果高度依赖素材音频的质量，请尽量保持语音的清晰、稳定，否则参考素材中的这些表现，会出现在合成语音的不可控位置，导致不自然效果。

录音环境

原则上录音环境的准备是为了尽量减少音频的杂音噪声，提高语音的清晰度。

如果您的声音素材是通过语音录制方式生成，请尽量遵循以下录音环境要求，以提高录音质量：

• 录音空间：选择10平米以内的封闭空间，使收音效果不会过于空旷或干涩。
• 环境安静：尽量选择无回声、无背景噪音的房间（如铺地毯或挂窗帘、隔音棉），保证空间内没有杂音、底噪等影响。
• 专业设备：建议使用外接麦克风，避免手机直接录制。
• 防喷麦：麦克风距离嘴巴约 15~20cm，保持距离稳定，可搭配防喷罩减少气流声。

录音过程

可以在正式录制前，提前熟悉文本，试读几遍，防止在录制时出现停顿、错读等问题。

录制时请注意以下几点，确保音频素材质量

• 语速稳定：保持自然、均匀的语速，避免忽快忽慢。
• 停顿规范：句首和句尾留1秒静音（方便模型识别起止），长句中适当加入0.5秒停顿（避免连读导致不清晰）。
• 音量音调：避免声音突然变大/变小或音调起伏过大。
• 情感自然：尽量使用平静、清晰的语调，避免过度夸张。
• 阅读正确：发音正确，吐字清晰。如果出现错读、误读、音调错误等情况，请重新录制。
• 避免口癖：如“嗯”、“啊”等多余语气词会干扰模型学习。
• 避免截断：句子开头或结尾被突然切断会影响模型训练。

音质优化

为了进一步提高素材可用性，您可以使用音频编辑工具，按照以下目的编辑优化：

• 首尾留白：音频文件的首尾尽量有1s左右的留白。
• 分句间隔：分句中间加入0.5s左右的停顿。
• 人声增强：进一步消除背景噪声、杂音，增强人声部分的稳定性。

参考文本

本段提供一些录音文本段，适用于不同声音风格或使用场景，仅供参考

• 我上次去了那座海滨小城，刚踏入那里，咸咸的海风就扑面而来。沿着海岸线漫步，沙滩上五彩的贝壳随处可见，海浪拍打着岸边的礁石，溅起白色的水花。到了傍晚，海边的夜市热闹非凡，各种特色小吃、手工艺品琳琅满目，让人充分感受到这座小城独特的风情与魅力，真是一趟难忘的旅行呀。
• 各位听众朋友们，今日为您带来一则重要消息。在本市的科技创新园区内，一家新兴的科技企业成功研发出一款具有跨时代意义的医疗设备，它将极大提高某些疑难病症的诊断准确率，有望改写众多患者的治疗进程。
• 嘿，你知道吗？我今天出门太着急，居然把袜子穿反了，自己还浑然不知，大摇大摆地走在街上呢。结果碰到个熟人，那眼神儿就像看外星人似的，我还纳闷呢。后来才发现这尴尬事儿，哎呀，我这迷糊的性子呀，估计能给生活添不少笑料，真是哭笑不得咯。
• 在那遥远的魔法森林里，住着一群可爱的小精灵。它们有着透明的翅膀，能在花丛间轻快地飞舞。每到月圆之夜，小精灵们就会聚集在巨大的蘑菇伞下，念起神秘的咒语，让森林里的树木都闪烁起梦幻的光芒，守护着这片充满奇幻色彩的家园，那画面别提多美妙啦。
• 红彤彤的小龙虾，饱满的虾肉浸满了浓郁醇厚的麻辣汤汁，光是看着就让人食欲大增。轻轻剥开虾壳，鲜嫩的虾肉弹牙爽滑，一口下去，麻、辣、鲜、香几种味道在舌尖上碰撞，那滋味，简直是味蕾的狂欢啊。

常见问题

• 复刻声音存在杂音、噪音、人声不清晰等问题：提高录制环境质量、按要求提供音频格式。
• 合成语音存在断句、节奏等问题：提高参考语音的说话稳定性，保证断句、分句合理性，首尾添加留白。
• 合成语音出现吞音、突变等问题：尝试重新录制，替换、或提供新的音频素材。
• 如果您的素材不来自于录音，也请按照文档说明的音质要求和优化手段，检查提高素材质量。
• 如遇其他复刻效果不如预期现象，请按照上述实践指导检查音频素材，在提交素材前，请反复试听检查。