自动删除播客中口癖、停顿与杂音的工具——这是 Cleanvoice 最主要的用途,也是本文讨论的前提。

看文档和设置项时遇到的术语,这里用一两句话解释清楚。

术语表

  • TTS(文本转语音):把文字合成为语音,可选择音色、语速与情感。
  • 声音克隆:用少量样本复制某人的音色,必须取得本人授权。
  • 说话人分离:在转写中区分不同发言人,便于整理会议记录。
  • 响度标准化:把音频调整到平台推荐的响度范围,避免忽大忽小。
  • 人声分离:把歌曲或录音拆分为人声与伴奏等音轨。
  • 采样率:每秒采样次数,影响音质与文件大小。

和 Cleanvoice 相关的补充

  • 在线服务:Cleanvoice 的产品形态,决定了安装、权限和数据存放方式。
  • 同类产品:Descript、Auphonic、Adobe Podcast。
  • 所属方向:音频与语音。

把概念用起来

短视频配乐

输入:一条 30 秒视频的情绪与节奏。

生成一段 30 秒的背景音乐:轻快、温暖、无人声,前 5 秒渐入,结尾干净收尾,适合生活类短视频。

验收标准:结尾没有突然截断。

更多可以试的用法

课程旁白配音

输入:一份 800 字的讲解稿。

把这份讲稿改成适合朗读的口播版本:句子不超过 20 字,数字改成口语读法,标出需要停顿和重读的地方。

验收标准:数字读法不会产生歧义。

分轨练习

准备材料:一首用于练习的歌曲音频。

把这首歌分离成人声、鼓、贝斯和其他乐器,并把伴奏降低两个半音,方便练唱。

交付前确认:分离后人声没有明显残留伴奏。

会议录音转写

适用情况:手头有一段 1 小时的会议录音时。

转写这段录音并区分发言人,生成要点摘要和待办清单,人名和专有名词按我提供的名单校正:【名单】。

交付前确认:专有名词按名单校正。

常见问题:降噪后声音发闷

降低处理强度,宁可保留少量底噪。

常见问题:配乐与画面情绪不符

先写清情绪关键词和节奏,再分段生成拼接。

常见问题:合成语音读错多音字

在文本中改用同音字或拼音标注,或使用工具的发音词典。

概念补充:声音克隆

用少量样本复制某人的音色,必须取得本人授权。

概念补充:人声分离

把歌曲或录音拆分为人声与伴奏等音轨。

适合人群:游戏开发者

游戏开发者可以用 Cleanvoice 处理原型与素材、NPC 对话与文案等工作。需要注意:关注生成素材的授权和平台对 AI 内容的披露要求。

适合人群:客服人员

客服人员可以用 Cleanvoice 处理回复草稿、工单分类等工作。需要注意:不得以 AI 名义做出政策外承诺,涉及隐私的问题按流程处理。

适合人群:播客主

播客主可以用 Cleanvoice 处理选题与提纲、音频后期等工作。需要注意:嘉宾声音和内容的再利用需取得同意。

使用提醒

涉及个人信息、商业机密或受监管数据时,先确认 Cleanvoice 的数据处理条款,再决定能否使用。

文中提示词和示例仅作示意,实际效果取决于你的材料和 Cleanvoice 当前版本,重要内容请人工核对后再使用。

延伸阅读