在「音频与语音」类工具里，WellSaid Labs 的定位是：面向企业内容团队的高质量 TTS 平台。

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 WellSaid Labs 相关的补充

  • 在线服务：WellSaid Labs 的产品形态，决定了安装、权限和数据存放方式。
  • 同类产品：Murf、ElevenLabs、Microsoft Azure TTS。
  • 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

短视频配乐

适用情况：手头有一条 30 秒视频的情绪与节奏时。

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。

交付前确认：结尾没有突然截断。

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。

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。

检查点：两种风格差异明显。

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：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：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：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。

适合人群：自媒体创作者

自媒体创作者可以用 WellSaid 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。

适合人群：记者编辑

记者编辑可以用 WellSaid 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：中小学老师

中小学老师可以用 WellSaid 处理备课与分层练习、批改反馈与评语等工作。需要注意：学生个人信息和成绩不要上传到未经学校批准的工具。

写在最后

本文基于 WellSaid Labs 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。

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

延伸阅读