语音克隆 #
概述 #
语音克隆（Voice Cloning）是 ElevenLabs 的核心功能之一，允许你从音频样本创建自定义语音。无论是克隆自己的声音还是创建独特的角色语音，都能达到惊人的相似度。
text
┌─────────────────────────────────────────────────────────────┐
│ 语音克隆流程 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 音频样本 ───> 特征提取 ───> 模型训练 ───> 克隆语音 │
│ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ 录音文件 │ → │ 声纹分析 │ → │ 嵌入生成 │ → │ 自定义语音│ │
│ └─────────┘ └─────────┘ └─────────┘ └─────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
克隆类型 #
即时克隆 (Instant Cloning) #
text
┌─────────────────────────────────────────────────────────────┐
│ 即时克隆 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 特点： │
│ ├── 几分钟音频样本即可 │
│ ├── 快速生成 │
│ ├── 适合快速原型 │
│ └── 所有付费计划可用 │
│ │
│ 音频要求： │
│ ├── 最少 1 分钟 │
│ ├── 推荐 2-5 分钟 │
│ ├── 清晰无噪音 │
│ └── 单一说话者 │
│ │
│ 适用场景： │
│ ├── 个人项目 │
│ ├── 快速测试 │
│ └── 低预算场景 │
│ │
└─────────────────────────────────────────────────────────────┘
专业克隆 (Professional Cloning) #
text
┌─────────────────────────────────────────────────────────────┐
│ 专业克隆 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 特点： │
│ ├── 更高质量的克隆 │
│ ├── 更准确的情感表达 │
│ ├── 更好的跨语言支持 │
│ └── 需要 Creator 计划或更高 │
│ │
│ 音频要求： │
│ ├── 推荐 30+ 分钟 │
│ ├── 多样化内容 │
│ ├── 高质量录音 │
│ └── 一致的说话风格 │
│ │
│ 适用场景： │
│ ├── 专业内容制作 │
│ ├── 商业用途 │
│ └── 高质量要求 │
│ │
└─────────────────────────────────────────────────────────────┘
音频准备 #
录音要求 #
text
┌─────────────────────────────────────────────────────────────┐
│ 录音质量标准 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 格式： │
│ ├── MP3 │
│ ├── WAV │
│ ├── M4A │
│ └── 其他常见格式 │
│ │
│ 采样率： │
│ ├── 推荐：44.1kHz 或 48kHz │
│ └── 最低：22.05kHz │
│ │
│ 位深度： │
│ └── 推荐：16-bit 或更高 │
│ │
│ 环境： │
│ ├── 安静的录音环境 │
│ ├── 无回声 │
│ └── 无背景噪音 │
│ │
└─────────────────────────────────────────────────────────────┘
内容建议 #
text
录音内容建议：
┌─────────────────────────────────────────────────────────────┐
│ │
│ ✅ 推荐： │
│ ├── 自然对话风格 │
│ ├── 多样化的句子结构 │
│ ├── 不同的情感表达 │
│ ├── 清晰的发音 │
│ └── 适中的语速 │
│ │
│ ❌ 避免： │
│ ├── 单调的朗读 │
│ ├── 过多的口头禅 │
│ ├── 背景音乐或音效 │
│ ├── 多人对话 │
│ └── 极端的情感表达 │
│ │
└─────────────────────────────────────────────────────────────┘
创建克隆语音 #
通过 Web 界面 #
text
步骤：
1. 登录 ElevenLabs 账户
2. 进入 "Voices" 页面
3. 点击 "Add Voice"
4. 选择 "Instant Cloning" 或 "Professional Cloning"
5. 上传音频文件
6. 填写语音名称和描述
7. 等待处理完成
通过 API #
python
from elevenlabs import ElevenLabs
client = ElevenLabs(api_key="your_api_key")
# 即时克隆
voice = client.voices.clone(
name="My Voice",
description="我的自定义语音",
files=["/path/to/audio1.mp3", "/path/to/audio2.mp3"]
)
print(f"Voice ID: {voice.voice_id}")
添加更多样本 #
python
# 添加更多音频样本到现有语音
client.voices.edit(
voice_id="your_voice_id",
name="My Voice Updated",
files=["/path/to/new_audio.mp3"]
)
语音管理 #
查看所有语音 #
python
# 获取所有语音
voices = client.voices.get_all()
for voice in voices.voices:
print(f"Name: {voice.name}")
print(f"ID: {voice.voice_id}")
print(f"Category: {voice.category}")
print("---")
获取单个语音 #
python
voice = client.voices.get(voice_id="your_voice_id")
print(f"Name: {voice.name}")
print(f"Labels: {voice.labels}")
print(f"Samples: {voice.samples}")
更新语音 #
python
# 更新语音信息
client.voices.edit(
voice_id="your_voice_id",
name="New Name",
description="Updated description"
)
删除语音 #
python
# 删除语音
client.voices.delete(voice_id="your_voice_id")
高级功能 #
语音标签 #
python
# 创建带标签的语音
voice = client.voices.clone(
name="Character Voice",
description="游戏角色语音",
files=["/path/to/audio.mp3"],
labels={
"gender": "female",
"age": "young",
"accent": "american"
}
)
跨语言克隆 #
text
┌─────────────────────────────────────────────────────────────┐
│ 跨语言克隆 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 能力： │
│ ├── 用英语样本生成中文语音 │
│ ├── 用中文样本生成英语语音 │
│ └── 支持 32+ 语言 │
│ │
│ 注意事项： │
│ ├── 专业克隆效果更好 │
│ ├── 口音可能保留 │
│ └── 某些语言组合效果更佳 │
│ │
│ 推荐模型： │
│ └── eleven_multilingual_v2 │
│ │
└─────────────────────────────────────────────────────────────┘
使用克隆语音 #
python
# 使用克隆语音生成音频
audio = client.text_to_speech.convert(
text="这是使用克隆语音生成的音频。",
voice_id="your_cloned_voice_id",
model_id="eleven_multilingual_v2"
)
with open("cloned_output.mp3", "wb") as f:
for chunk in audio:
f.write(chunk)
质量优化 #
提高克隆质量 #
text
┌─────────────────────────────────────────────────────────────┐
│ 质量优化建议 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 音频质量： │
│ ├── 使用高质量录音设备 │
│ ├── 确保安静的环境 │
│ ├── 避免压缩音频 │
│ └── 保持一致的音量 │
│ │
│ 内容多样性： │
│ ├── 包含不同情感 │
│ ├── 各种句子长度 │
│ ├── 不同的语速 │
│ └── 多样的内容类型 │
│ │
│ 时长优化： │
│ ├── 即时克隆：2-5 分钟 │
│ ├── 专业克隆：30+ 分钟 │
│ └── 质量优先：更多样本 │
│ │
└─────────────────────────────────────────────────────────────┘
测试和调整 #
python
def test_voice_quality(client, voice_id, test_texts):
results = []
for i, text in enumerate(test_texts):
audio = client.text_to_speech.convert(
text=text,
voice_id=voice_id,
model_id="eleven_multilingual_v2"
)
output_path = f"test_sample_{i}.mp3"
with open(output_path, "wb") as f:
for chunk in audio:
f.write(chunk)
results.append(output_path)
return results
# 测试不同类型的文本
test_texts = [
"这是一段普通的陈述句。",
"太棒了！这是一个令人兴奋的消息！",
"请问您需要什么帮助？",
"这个故事发生在很久很久以前..."
]
test_voice_quality(client, "your_voice_id", test_texts)
隐私和安全 #
使用条款 #
text
┌─────────────────────────────────────────────────────────────┐
│ 隐私注意事项 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 允许克隆： │
│ ✅ 你自己的声音 │
│ ✅ 获得授权的声音 │
│ ✅ 公有领域的内容 │
│ │
│ 禁止克隆： │
│ ❌ 未经授权的名人声音 │
│ ❌ 其他人的声音（未经同意） │
│ ❌ 用于欺诈或欺骗 │
│ │
│ 重要提示： │
│ ├── 遵守当地法律法规 │
│ ├── 获得必要的授权 │
│ └── 明确标注 AI 生成内容 │
│ │
└─────────────────────────────────────────────────────────────┘
安全措施 #
python
# 设置语音为私有
client.voices.edit(
voice_id="your_voice_id",
labels={"visibility": "private"}
)
实战示例 #
创建有声书语音 #
python
def create_audiobook_voice(client, narrator_samples):
voice = client.voices.clone(
name="Audiobook Narrator",
description="专业有声书朗读语音",
files=narrator_samples,
labels={
"use_case": "audiobook",
"style": "narrative"
}
)
return voice.voice_id
# 使用示例
samples = [
"/recordings/chapter1.mp3",
"/recordings/chapter2.mp3",
"/recordings/chapter3.mp3"
]
voice_id = create_audiobook_voice(client, samples)
创建角色语音 #
python
def create_character_voices(client, characters):
voice_ids = {}
for char_name, samples in characters.items():
voice = client.voices.clone(
name=f"Character: {char_name}",
files=samples
)
voice_ids[char_name] = voice.voice_id
return voice_ids
# 使用示例
characters = {
"hero": ["/voices/hero_sample1.mp3", "/voices/hero_sample2.mp3"],
"villain": ["/voices/villain_sample1.mp3"],
"narrator": ["/voices/narrator_sample1.mp3", "/voices/narrator_sample2.mp3"]
}
voice_ids = create_character_voices(client, characters)
故障排除 #
常见问题 #
text
┌─────────────────────────────────────────────────────────────┐
│ 常见问题及解决方案 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 问题：克隆质量不高 │
│ ├── 检查音频质量 │
│ ├── 增加样本时长 │
│ ├── 确保单一说话者 │
│ └── 尝试专业克隆 │
│ │
│ 问题：语音不稳定 │
│ ├── 调整 stability 参数 │
│ ├── 使用更多样本 │
│ └── 简化文本内容 │
│ │
│ 问题：情感表达不准确 │
│ ├── 添加更多情感样本 │
│ ├── 调整 style 参数 │
│ └── 使用专业克隆 │
│ │
└─────────────────────────────────────────────────────────────┘
下一步 #
最后更新：2026-04-05