1AI 语音生成

粘贴文案、选择音色、点「生成语音」，文字即合成为一条 mp3，直接保存在工作区。

语音生成界面：顶部是语音生成、音色管理、语音识别、字幕翻译四个场景标签；左栏是音色收藏，每个音色标着「样本」或「默认」；右栏上方是文案与分段情绪两个标签页，中间填着待合成的文案，下方是音色下拉框和语速、音调、音量三个参数，再往下是「生成语音」按钮和已生成列表
粘贴文案、选择音色、点「生成语音」。已生成的记录保留在下方列表中，每条都标注了所用音色和参数，点播放键即可回放。
  • 三个参数——语速、音调、音量，在音色下拉框右侧一行调整。
  • 细调语气——在文案上点右键，可为整段设定情绪，也可在光标处插入停顿或语气词，让朗读不至于过于平直。
  • 收藏栏——左侧一栏是已收藏的音色，「默认」为系统自带，「样本」为自己制作的——制作方法见下一节自创音色。
  • 配额——已生成列表会标注已用条数与总条数，不需要的可以随时删除。
上图中的「大家好，欢迎来使用算花，算力所至，万象生花」，用「青年大学生」音色合成的成品。

完整功能

语音生成功能一览
功能 功能说明
语音生成5 项
文案配音 粘贴文案、选择音色，合成一条 mp3，直接保存到工作区。
语速 / 音调 / 音量 三个参数在音色右侧一行调整，快慢与高低均可自行设定。
分段情绪 整段使用同一语气过于平直时，可切成几段分别设定情绪；也可在文案上点右键设定整段情绪、在光标处插入停顿和语气词。
音色收藏栏 把常用音色收藏起来，在左侧一栏随时选用，无需每次翻找列表。自创、克隆或混合得到的标「样本」，系统自带的标「默认」。
已生成列表 生成记录全部保留，每条标注时长、所用音色及音调音量语速，可回放也可删除。列表标题上显示已用配额。

2自创音色

「音色管理」面板有四个标签：默认音色是系统自带的一批，直接选用即可；后面三个用于制作专属音色——按描述生成、照录音复刻、或将两个音色混合。做好的音色会进入左侧收藏栏并标注「样本」，之后在语音生成中随时可用。三种方式各扣 1200 积分。

根据提示词生成音色

自创音色标签页：「音色特征」分成性别、年龄、音质/质感、风格/气质、语速/语气五组标签，如女声、青年音、磁性、知性、平稳叙述，点击勾选；下方是「补充描述」输入框和必填的「音色名称」，最下面是「生成音色 · 1200 积分」按钮
无需撰写长句，勾选标签即构成提示词：性别、年龄、音质、风格、语速各选几项，需要更细致时在「补充描述」里补一句。
  • 标签即提示词——五组特征可多选，选中的标签组合起来就是给 AI 的描述。需要「知性女声」，就选「女声」「青年音」「知性」「平稳叙述」。
  • 补充描述——标签无法表达的要求写在这里，例如「语速适中、带一点磁性」。
  • 命名——「音色名称」必填，后续在收藏栏和音色下拉框中以此识别。

克隆音色

克隆音色标签页：顶部说明「上传一段10秒到5分钟的音频或现场录音，AI 复刻出同款音色」；「上传音频」与「实时录音」两个切换按钮，下面是输入源下拉框（选的是麦克风）、「开始录音」「试听」按钮和「已录制 8s」；中间是录音波形，带播放、删除选区、撤销、另存为按钮；波形下方提示「当前时长仅 7.9 秒，声音复刻需 10 秒以上，请重录或减少删除」；再下面是音色名称输入框和「开始克隆 · 1200 积分」按钮
图中演示的是「实时录音」方式：选好麦克风，点「开始录音」说一段，波形随即出现。时长不足时会像这样在波形下方提示。
  • 两种来源——「上传音频」使用现成的录音，「实时录音」当场录制。输入源选「麦克风」录现场说话，选「扬声器」录电脑正在播放的声音。
  • 10 秒到 5 分钟——不足 10 秒会提示重录；录制过长时可在波形上框选并删除多余段落，也可用「另存为」先保留一份原始录音。
  • 先试听——点「试听」确认原声无误后，再命名并点「开始克隆」。

混合音色

混合音色标签页：说明文字「选两个收藏音色按比例试听；每次试听生成一个标签（最多 20 个，保留不丢）。选中一个标签即可保存为新音色」；音色 A 和音色 B 两个下拉框各带「停止」按钮，中间是 A 50% / B 50% 的比例滑块；「试听混音」按钮旁标着「试听标签 16/20」，下方是两列试听标签，如「克隆-销售2+新闻女声_A84」，每个带播放三角和删除叉；最下面是音色名称输入框和「克隆音色 · 1200 积分」按钮，旁边提示「先选中一个试听标签」
A、B 各选一个收藏音色，拖动滑块确定比例，每点一次「试听混音」生成一个标签。图中已试听 16 个，选中效果最好的一个再保存。
  • 选择 A 和 B——两者均从收藏栏中选取，默认音色、自创音色、克隆音色皆可，旁边的按钮可分别单独试听。
  • 调整比例——滑块偏向哪一侧，合成的声音就更接近哪个音色。
  • 试听生成标签——每点一次「试听混音」生成一个标签，最多保留 20 个，不满意的点 × 删除；找到合适的，选中它、命名，点「克隆音色」保存。

3AI 语音识别

「语音识别」处理的是相反的方向：把声音转成文字。既可以把整段录音转成文稿，也可以边播放边出字，更进一步还能实时翻译成外语字幕。

语音识别界面的实时识别标签页：上方是输入源下拉框（这里选的是扬声器）和刷新按钮，旁边是停止按钮与「识别中…」状态，下方「识别结果」文本框里是正在追加的转写文字，右上角有复制按钮；左栏列出语音生成保存目录下的音频文件
「实时识别」标签页，红框标出两处：上方选择音频源，下方是实时追加的文字。图中选择的是「扬声器」，转写的是电脑正在播放的内容。

关键在输入源一栏：选「扬声器」转写的是电脑正在播放的声音——线上会议、外语视频、他人分享的录音，都无需外放后再用麦克风录制；选「麦克风」才是转写现场说话。文字实时追加到下方的文本框，识别完成后点右上角「复制」即可取用。

完整功能

语音识别功能一览
功能 功能说明
语音识别3 项
音频转文字 选择文件或直接拖入，整段转成文字。会议录音、采访录音、课堂录音都适用。
实时识别 边播放边出字，无需等录制结束。输入源选「扬声器」转写电脑正在播放的声音，选「麦克风」转写现场说话；结果可一键复制。
字幕翻译 在实时识别的基础上逐句翻译成目标语言，双语字幕显示在下方。默认转写电脑扬声器正在播放的声音，因此观看外语视频、参加外语会议都可直接生成字幕；也可切换为麦克风。

4音频播放

在工作区双击音频即可播放，同目录的其它音频自动排成歌单。

音频播放器界面：顶部是唱片图标、曲名和「歌单名 · 第几首 / 共几首」，下方是带时间的进度条；一行控制按钮依次是播放模式、上一首、播放/暂停、下一首、音量条和转到音频编辑器的编辑按钮；最下方的「播放列表」面板列出当前文件夹自动生成的歌单，正在播的那首高亮
  • 四种播放模式——顺序播放、列表循环、单曲循环、随机播放。
  • 格式——mp3、wav、flac、aac、m4a、ogg、opus、wma 均可播放；个别无法解码的会给出提示并自动跳过。
  • 随时编辑——听到需要剪辑的地方，切换到音频编辑器继续处理即可，两者操作的是工作区里的同一个文件。