三种工作模式
常见使用场景
视频配音
为短视频、课程、Vlog 生成旁白或解说
操作步骤
- 1整理好视频的旁白/解说文本，按段落拆分
- 2在编辑器左侧选择合适的音色（推荐试听几个找到最匹配的风格）
- 3调整语速和情感标签，如 "解说" 或 "gentle"
- 4使用「批量模式」将每段文本分行导入，一次性生成所有片段
- 5下载全部音频，导入剪映 / PR / 达芬奇等软件，对齐时间轴
💡 小技巧
· 批量导入时每行对应一段，建议按视频场景切分，方便后期对齐
· 如果旁白较长，可先在标准模式试听效果，满意后再批量生成
· 导出格式选 MP3 兼容性最好，WAV 音质更高但文件较大
有声书 / 小说演播
为小说或故事内容生成多角色有声版本
操作步骤
- 1准备好小说章节文本，识别出其中的角色对话
- 2切换到「对话模式」，点击「快速开始」创建角色
- 3为每个角色分配不同音色（如男主用低沉音色，女主用清亮音色）
- 4将台词按角色分行填入，或使用「导入剧本」功能批量导入
- 5点击「生成对话」，系统按顺序合成每行台词
- 6下载全部音频，用音频软件拼接成完整章节
💡 小技巧
· 剧本导入格式：每行 "角色名：台词内容"，支持中英文冒号
· 可为每个角色单独设置情感标签，让表演更有层次
· 旁白部分建议单独用一个"旁白"角色，选用中性稳重的音色
播客 / 广播节目
生成播客开场白、广告语或节目片段
操作步骤
- 1在「标准模式」输入开场白或广告文案
- 2选择播客风格的音色，调整语速（建议 0.9–1.0 倍速，自然流畅）
- 3添加情感标签如 "confident" 或 "warm" 提升感染力
- 4试听满意后下载，导入播客制作软件（如 GarageBand、Audacity）
💡 小技巧
· 播客通常需要较自然的语调，避免使用过于夸张的情感标签
· 可以用「预设管理」保存常用的音色+参数组合，下次直接调用
· 多段内容用批量模式，效率更高
在线课程 / 教学内容
为 PPT、课件或教学视频生成讲解音频
操作步骤
- 1将每张 PPT 或每个知识点的讲解文字整理好
- 2使用「批量模式」，每条对应一张幻灯片或一个知识点
- 3选择清晰、专业的音色，语速可适当放慢（0.85–0.95 倍速）
- 4批量生成后，按编号顺序导入视频制作工具
💡 小技巧
· 教学内容建议语速稍慢，让学生有时间理解
· 专业术语较多时，可在文本中加入适当停顿标点（逗号、句号）
· 批量导出的文件按序号命名，方便在视频软件中排序
App / 产品演示
为产品 Demo 视频或应用内语音提示生成音频
操作步骤
- 1整理产品演示的旁白脚本，或 App 内需要的提示语列表
- 2选择与产品调性匹配的音色（科技感产品推荐清亮现代的音色）
- 3短提示语用「批量模式」一次性生成，旁白用「标准模式」
- 4下载后集成到产品或演示视频中
💡 小技巧
· 系统提示音建议简短有力，避免超过 10 个字
· 可以用 VoiceDesign 模式用自然语言描述想要的音色风格
· 保存常用参数为预设，团队成员可以复用保持风格一致
克隆自己的声音
上传声音样本，用自己的声音合成任意文本
操作步骤
- 1录制 10–30 秒的清晰语音样本（安静环境，普通话或目标语言）
- 2在编辑器中选择「VoiceClone」模式
- 3上传录音文件（支持 MP3、WAV、M4A）
- 4输入想要合成的文本，点击生成
- 5系统会用你的声音特征合成新的语音内容
💡 小技巧
· 样本录音越清晰，克隆效果越好，避免背景噪音
· 建议朗读一段自然的文字，而非单字或数字
· 克隆声音仅用于合法用途，请勿模仿他人声音用于欺骗
常见问题
Q: 生成的音频可以商用吗？
A: 取决于你使用的 API 供应商的服务条款。小米 MiMo 和硅基流动均有各自的使用协议，商用前请查阅对应平台的条款。
Q: API Key 安全吗？
A: Key 仅存储在你的浏览器本地（localStorage），所有请求直连供应商服务器，不经过任何中间服务器，音频怪物本身不会收集或上传你的 Key。
Q: 支持哪些音频格式？
A: 目前支持 MP3 和 WAV 两种格式。MP3 文件更小，兼容性好；WAV 为无损格式，音质更高，适合后期制作。
Q: 批量合成有数量限制吗？
A: 本工具本身没有限制，但受 API 供应商的速率限制影响，批量任务会逐条顺序发送请求，过多条目可能需要等待较长时间。
Q: 历史记录会保存多久？
A: 历史记录存储在浏览器本地，清除浏览器数据或使用隐私模式会导致记录丢失。音频文件以 Base64 格式存储，建议及时下载重要音频。
Q: VoiceDesign 和 VoiceClone 有什么区别？
A: VoiceDesign 是用自然语言描述你想要的音色风格（如"温柔的女声，语速稍慢"），系统生成一个匹配的虚拟音色；VoiceClone 是上传真实录音样本，克隆该声音的特征。