功能速览
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进入「有声小说」工作台，导入 TXT 小说文件或粘贴全文
- 2系统自动拆分章节并识别旁白与角色台词
- 3检查角色表，为每个角色分配合适的音色和朗读风格
- 4在章节预览中修正角色归属、断句或读音
- 5按章节合成并试听，确认后下载完整音频
💡 小技巧
· 先用本地建议检查未知角色和文本问题，再决定是否使用云端 AI 分析
· 可为每个角色单独设置音色和情感，让人物更容易区分
· 长篇作品建议按章节逐步生成并及时下载备份
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
· 可以使用「场景模板」快速套用常见的音色和参数组合
· 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
· 使用场景模板统一常用参数，让多段内容保持风格一致
AI 晚安故事
输入孩子名字和喜好，自动生成专属晚安故事并合成语音
操作步骤
- 1在首页导航点击「晚安故事」进入，或直接访问 /story
- 2输入孩子的名字、年龄段，选择故事主题（勇气、友谊、探险等）和故事风格
- 3可选添加"小秘密"（如害怕什么、喜欢什么），让故事更贴合孩子
- 4点击「生成故事」，等待 AI 撰写故事内容（支持流式显示）
- 5试读故事内容，满意后点击「合成语音」生成语音版本
- 6也可直接粘贴已有故事文本，跳过 AI 创作步骤
💡 小技巧
· 生成的故事会自动保存到"故事小屋"历史中，可随时重新合成语音
· 名字和喜好填得越具体，生成的故事情节越个性化
· 故事文本统一使用 MiMo-V2.6-Flash 生成，响应速度快，适合日常故事
· 已有现成故事文本？使用"直接粘贴故事"功能更快捷
角色祝福
以动漫/影视角色的口吻生成专属祝福语音
操作步骤
- 1在首页导航点击「角色祝福」进入，或直接访问 /greeting
- 2从分类中找到想要的角色（动漫、游戏、影视、原创等）
- 3选择场景（生日祝福 / 日常问候），输入收信人名字和年龄
- 4系统自动生成角色口吻的祝福文案，可手动编辑微调
- 5点击「生成祝福语音」，角色会以专属声线读出祝福
- 6试听满意后下载 MP3，可分享给亲友
💡 小技巧
· 不同角色的声线由 VoiceDesign 驱动，风格各具特色
· 可多次点击「换一个文案」获取不同祝福语
· 生成前可自由编辑文案内容，调整措辞更贴合场景
· 祝福记录会自动保存到历史，方便日后重新下载
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
音贝扣费标准
音贝是音频怪物的虚拟货币，用于支付平台托管模式下的语音合成和故事生成服务。故事生成使用 LLM 大语言模型创作文本，语音合成使用 TTS 模型将文本转为音频，两者是独立的 AI 服务，因此分别计费。每次生成固定扣费，不按字数计算。
| 服务类型 | 计费规则 | 费用 |
|---|---|---|
| TTS 标准合成（MiMo） | 每次生成 | 5 音贝 |
| VoiceDesign / VoiceClone | 每次生成 | 10 音贝 |
| AI 故事生成 | 每次调用 | 20 音贝 |
| 有声小说云端 AI 分析 | 每 5000 字/次 | 5 音贝 |
💡 说明
· 使用自己的 API Key（BYOK 模式）不消耗音贝
· 购买音贝永久有效，赠送音贝随订单赠送
· 扣费时优先消耗赠送音贝，再消耗购买音贝
常见问题
Q: 生成的音频可以商用吗？
A: 取决于小米 MiMo 的服务条款。商用前请查阅 MiMo 平台的最新使用协议。
Q: API Key 安全吗？
A: Key 仅存储在你的浏览器本地（localStorage），使用自有 Key 时请求直连小米 MiMo，不经过音频怪物服务器中转。
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，批量任务支持 1–3 路并发。条目较多或并发较高时仍可能受到 MiMo API 速率限制，可降低并发后重试失败项。
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。
Q: 晚安故事支持哪些年龄段？
A: 支持 3–12 岁，可选择 3–4 岁、5–6 岁、7–8 岁、9–10 岁或 11–12 岁。AI 会根据年龄段调整故事长度和用词难度。
Q: 角色祝福可以用自己的角色吗？
A: 目前提供预设的动漫、游戏、影视角色模板，每个角色有专属的声线描述。如需自定义角色口吻，可在生成后手动编辑文案，或在标准模式中使用 VoiceDesign 自行调参。
Q: 晚安故事生成的故事能保存多久？
A: 故事文本和生成的音频会保存在浏览器本地，进入「故事小屋」可查看历史记录。建议及时下载重要的故事音频，清除浏览器数据会导致记录丢失。
Q: 为什么生成故事需要消耗音贝，而语音合成也单独计费？
A: 故事生成和语音合成是两个独立的步骤，分别调用不同的 AI 服务：故事生成使用 LLM（大语言模型）创作文本，消耗 20 音贝/次；语音合成使用 TTS（语音合成模型）将文本转为音频，消耗 5 音贝/次。生成文本后您可以先预览、修改，满意后再决定是否合成语音，避免浪费。
Q: 有声小说的 AI 辅助解析如何计费？
A: 有声小说提供两种 AI 分析模式：本地建议基于规则引擎免费提供，可识别未知角色对话、推荐音色、检测文本质量；云端 AI 调用 LLM 模型进行更智能的分析，按章节字数计费，每 5000 字 5 音贝，不足 5000 字按 5000 字计算。使用自有 API Key 时不消耗音贝。