在「音频与语音」类工具里,Fish Audio 的定位是:语音合成与声音克隆平台,有开源模型背景。

如果你刚开始接触它,可以按下面 7 天的安排练习,每天 20 到 40 分钟。

每日安排

  • 第 1 天:注册与熟悉界面:用工作邮箱注册,开启双重验证;先在免费额度或试用期内体验核心功能。
  • 第 2 天:完成第一个任务「有声读物试音」,按下文提示词操作。
  • 第 3 天:换一类任务「分轨练习」,对比两次结果的质量。
  • 第 4 天:学习关键概念:TTS(文本转语音)、声音克隆、说话人分离。
  • 第 5 天:用真实工作材料做一次「课程旁白配音」,记录省下的时间和需要返工的地方。
  • 第 6 天:排查问题:对照常见问题「合成语音读错多音字」等检查自己的用法。
  • 第 7 天:复盘:保留有效的提示词,写下继续使用或放弃的理由。

第 2 天的练习材料

有声读物试音

准备材料:一个章节的文本。

用两种不同的声音风格朗读这一章节的前 300 字:一种沉稳叙述,一种轻松亲切,对比后选择更适合的版本。

验收标准:两种风格差异明显。

一周后怎么判断值不值得继续

  • 是否稳定地节省了时间,而不只是第一次觉得新鲜。
  • 返工次数是否在下降。
  • 与 ElevenLabs 等同类相比,是否更适合你的场景。
  • 数据与费用是否在可接受范围内。

更多可以试的用法

会议录音转写

准备材料:一段 1 小时的会议录音。

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。

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。

播客后期

适用情况:手头有一期双人录制的原始音频时。

处理这期音频:降低底噪、统一两人音量、删除超过 2 秒的停顿,保留自然的语气词,输出前后对比的处理记录。

验收标准:人声没有被处理得发闷。

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。

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。

概念补充:TTS(文本转语音)

把文字合成为语音,可选择音色、语速与情感。

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。

适合人群:研究生

研究生可以用 Fish Audio 处理文献阅读、开题与论文写作等工作。需要注意:遵守学校学术诚信规定,AI 只用于辅助理解和润色。

适合人群:音乐人

音乐人可以用 Fish Audio 处理编曲灵感、分轨练习等工作。需要注意:AI 生成音乐的版权归属以平台条款为准,发行前确认。

适合人群:播客主

播客主可以用 Fish Audio 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

所有示例输出均为示意,不代表真实统计或效果承诺;请以自己的测试结果为准。

本文基于 Fish Audio 公开的定位与通用用法编写,具体功能、套餐与可用地区以官方页面为准,产品更新后界面和名称可能变化。

延伸阅读