在「音频与语音」类工具里，Stable Audio 的定位是：Stability AI 的音乐与音效生成产品。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
清晰度语音是否清楚、无明显杂音明显不合格无需修改即可使用
准确性转写或朗读是否与文本一致明显不合格无需修改即可使用
自然度停顿、语调是否像真人明显不合格无需修改即可使用
一致性多段音频音量与音色是否统一明显不合格无需修改即可使用
授权音色、音乐是否有合法使用依据明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

分轨练习

适用情况：手头有一首用于练习的歌曲音频时。

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。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Stable Audio 的结果与人工完成或 Suno 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

延伸练习

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。

检查点：数字读法不会产生歧义。

播客后期

准备材料：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。

交付前确认：人声没有被处理得发闷。

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】。

检查点：专有名词按名单校正。

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。

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：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：记者编辑

记者编辑可以用 Stable Audio 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

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：自媒体创作者

自媒体创作者可以用 Stable Audio 处理选题与脚本、封面与剪辑等工作。需要注意：注意素材版权与平台规则，AI 生成内容按平台要求标注。

注意事项

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 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。

延伸阅读