语音合成与声音克隆平台,有开源模型背景——这是 Fish Audio 最主要的用途,也是本文讨论的前提。

这篇不讲概念,直接给能复制修改的模板,以及每个模板该怎么填。

模板怎么用

每个模板都由三部分组成:背景(你是谁、要做什么)、约束(格式、篇幅、禁止事项)、验收(怎样算合格)。把方括号里的内容换成你自己的信息即可。

模板 1:短视频配乐

适合: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。

填写提示:把你最看重的一条要求放在最前面;验收看「结尾没有突然截断」。

模板 2:有声读物试音

适合: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。

填写提示:要求它在不确定处标注,而不是自行补全;验收看「两种风格差异明显」。

模板 3:播客后期

适合:一期双人录制的原始音频。

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。

填写提示:先用一份小样本试跑,再处理完整材料;验收看「人声没有被处理得发闷」。

模板维护

  • 给每个模板编号并记录修改日期。
  • 保留一份「效果好」的示例输出作为对照。
  • 团队共用时注明适用场景和负责人。

更多可以试的用法

课程旁白配音

适用情况:手头有一份 800 字的讲解稿时。

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。

交付前确认: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。

验收标准: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:克隆音色不稳定

使用更干净、更长的样本,避免背景音乐和回声。

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:转写错字集中在专有名词

提前提供人名、产品名词表,转写后批量替换。

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:采样率

每秒采样次数,影响音质与文件大小。

适合人群:视频剪辑师

视频剪辑师可以用 Fish Audio 处理粗剪与选段、字幕与调色等工作。需要注意:确认音乐和素材授权,客户素材不随意上传公共平台。

适合人群:游戏开发者

游戏开发者可以用 Fish Audio 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。

写在最后

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

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