读什么,怎么读
声音克隆学习你说话的方式,所以朗读内容需要多样。读什么、避免什么,以及如何用自然的节奏和情感来演绎。

AI 学的不只是你的音色,它学的是你说话的方式。所以朗读内容必须给它多样性,演绎必须是你自己的。
读什么
专业克隆需要四种语气:
- 中性、专业语气的文字。
- 亲切、口语化的句子。
- 带有活力和热情的片段。
- 严肃、沉稳的部分。
我会准备一份文档,里面有企业文字、讲解类段落(如教程或脚本)、口语化句子,以及一些带情感的片段。你也可以读一本书的几个章节。
我避免只读互不相关的零散句子,也避免把同一段重复太多次。
怎么读
- 清晰的发音。 吐清辅音和元音,不拖字。
- 分明的口音。 尊重你自然的口音,不要刻意改变。
- 自然的节奏。 不太慢,也不仓促。
- 合乎逻辑的停顿。 在真实对话中会换气的地方换气。
- 柔和而在场的情感。 讲解时有兴趣,思考时平静,号召行动时适度有力。
避免自动驾驶
带着情感和在场感去读。模型想学的是你在不同情境下怎么说话,而单调的朗读只给了它一种情境。
「足够好」是什么意思
不需要完美的表演。我寻找的是一致、清晰、足够丰富,让 AI 理解你怎么说话的表演。不要对结果过度编辑。
清单
- [ ] 文本中包含四种语气:中性、亲切、有活力、严肃。
- [ ] 真实口音、清晰吐字、自然节奏。
- [ ] 停顿和换气的位置像真实对话。
- [ ] 没有自动驾驶。



