选择声音或克隆你自己的声音

概述

Sokuji 朗读翻译时，KizunaAI 会使用一个声音：对方听到的翻译打开时（我或两者模式）用于你的翻译，我听到的翻译打开时用于对方的翻译。你可以从约 200 个预设声音中选择一个，也可以用一段简短的录音克隆你自己的声音，让对方用你的声音听到翻译。这些都位于设置 → 高级 → 提供商中，本页介绍的是 Soniox 引擎；Qwen 引擎的声音见下面最后一个问题。截图来自 Sokuji 0.44.0。

1打开语音设置

打开设置，用面板右上角的按钮切换到高级，然后选择提供商标签页。语音设置会显示当前使用的声音，并附有对其音色的简短描述。也可以从语音部分进入：每个会朗读的行下方都有“声音”和声音名称，点击名称即可打开语音设置。

2浏览和筛选预设声音

点击该声音即可打开列表。可以按性别、年龄、口音、用途和风格筛选，点击播放按钮试听样本。试听内容是为你实时合成的，费用从你的账户余额中扣除。

3添加你自己的声音

在自定义声音（0/1）下选择添加声音…。可以用导入声音…导入音频文件，用录制声音…直接录音，或者把文件拖放到对话框中。片段长度必须在 3 秒到 2 分钟之间，大小不超过 35 MB。

Tip

在安静的房间里自然地说话、录得清晰，效果最好。

4试听、确认并克隆

试听片段，勾选我确认我有权使用此声音，然后点击克隆声音。录音会发送给 Kizuna AI，并转交给 Soniox 以生成你的声音。它不会存储在 Kizuna AI 的服务器上，而是保留在本设备上，以便日后重新生成你的声音。

5使用“我的声音”

你克隆的声音会以我的声音出现在自定义声音（1/1）下。像选择预设声音一样选中它即可；播放按钮用于试听，垃圾桶按钮用于删除。

6更换你的声音

每个账号只有一个自定义声音。拥有它期间，列表会显示自定义声音（1/1），也不再提供添加声音…。要使用新的录音，请先用垃圾桶按钮删除我的声音，添加声音…随后就会重新出现。

7选择你听到的声音

当对方的翻译会朗读给你听时（我听到的翻译已打开），语音设置中有两行。对方听到的声音是你的翻译所用的声音：预设声音或“我的声音”。我听到的声音用来把对方的翻译朗读给你听，只能选择预设声音。默认情况下两者是不同的声音，方便你分辨两个人；如果你给两者选了同一个声音，“我听到的声音”下方会注明改用哪个声音朗读。

8调整语速

在语音合成（TTS）设置下，语速可以让翻译语音变慢或变快，范围为 0.7× 到 1.3×。

提示

只有在朗读翻译时才会用到声音。“对方听到的翻译”和“我听到的翻译”都关闭时，不需要声音。
创建自定义声音和试听声音都需要账户中有余额。
会话运行期间设置会被锁定。请先停止会话，再更换声音。

常见问题

为什么会话使用的是内置声音，而不是“我的声音”？

出现这种情况时，Sokuji 会告诉你并说明原因。最常见的原因有：本设备上没有你的录音副本（在设置中重新录制，即可在这台电脑上使用你的声音）；所有自定义声音名额暂时都在使用中；或者无法用该片段生成声音（请尝试更清晰的录音）。会话会继续使用内置声音。

录音必须用译文的语言吗？

不必。克隆出的声音不受录音语言的限制：用中文录音克隆，它照样能用你的声音说出英语译文。如果可以，就用译文的语言录音，这样听起来最像你本人在说那种语言。

我可以克隆别人的声音吗？

只有在对方许可的情况下才可以。克隆之前，你需要确认自己有权使用该声音。

对方的翻译能用我克隆的声音朗读吗？

不能。“我听到的声音”只能选择预设声音。你克隆的声音用来朗读你自己的翻译。

我的声音在所有区域都能用吗？

使用 Soniox 引擎时，自定义声音只属于一个区域，每个区域会分别记住自己的声音选择。如果更改了区域，请在新区域重新添加你的声音。“我听到的声音”则是所有区域共用的一个选择。Qwen 引擎的声音在它的两个区域都能用。

Qwen 引擎的声音是怎样的？

使用 KizunaAI（Qwen 驱动）时，语音设置提供 47 个预设声音和两种克隆选择：复刻说话人的声音会在每一轮实时复刻你的声音，复刻第一位说话人的声音只在开始时复刻一次并一直沿用——无需录音，不保存任何内容，也不占用自定义声音名额。每个预设声音都能说 Qwen 能说的所有语言。我听到的声音以同样的方式为对方选择声音，也包括复刻。

故障排除

仍然无法解决？可以从账号菜单向我们发送反馈，或发送邮件至 support@kizuna.ai。你也可以在 GitHub Discussions 中提问。