用 Stable Audio 前先懂这些概念
先说清楚它是什么：Stable Audio 属于「音频与语音」方向的在线服务，Stability AI 的音乐与音效生成产品。
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 Stable Audio 相关的补充
- 在线服务：Stable Audio 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：Suno、Udio、Soundraw。
- 所属方向：音频与语音。
把概念用起来
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。
交付前确认：人声没有被处理得发闷。
补充练习
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】。
验收标准：专有名词按名单校正。
课程旁白配音
准备材料：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
输入：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。
检查点：分离后人声没有明显残留伴奏。
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：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：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。
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：播客主
播客主可以用 Stable 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。
适合人群：研究生
研究生可以用 Stable 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：游戏开发者
游戏开发者可以用 Stable 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。
使用提醒
本文基于 Stable 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。
涉及个人信息、商业机密或受监管数据时，先确认 Stable Audio 的数据处理条款，再决定能否使用。