应用参考
智能配音参考:文字转语音与多角色导出
26.11.1004-beta
Novaber · 内容核对
本页目录
用文字转语音制作 AI 配音,导入 TXT 或 SRT 脚本,在本机组织多角色对白与旁白。支持标准音色、授权声音克隆、逐句试听重做、读音校正,以及 WAV、MP3、字幕和角色分轨导出,适合视频、课程与有声内容制作。
功能与输入输出
-
标准音色、授权声音克隆与文字设计音色
-
TXT/SRT 批量导入、多角色配置与音色模板
-
逐句重做、A/B 采用、读音词典与版本回退
-
WAV/MP3、字幕、角色分轨与完整交付包
工作流程
1. 导入脚本
批量导入台词并保留字幕时间轴
2. 配置声音
为旁白和角色选择或复用已授权音色
3. 生成与校改
按句试听重做,校正读音并采用最佳版本
4. 交付成品
导出 WAV、MP3、SRT、角色分轨和完整交付包
环境要求
- GPU: 建议使用 NVIDIA GPU
- 显存: 标准音色 4 GB;克隆/设计建议 8 GB
- 镜像与模型: 共享镜像层约 7 GB,三种模型另需约 9.6 GB
怎样检查第一个结果
以下为基于已公布输入输出的检查建议。先用小样本,确认处理、预览和导出连贯可用;这里没有提供模型准确率或速度实测。
先用一小段已授权脚本,核对角色与音色,逐句试听读音、停顿和字幕对应,再检查导出的音频、字幕及角色分轨。当前交付是音频与配套文件,不把它理解为已提供视频自动配音、成片导出或整书总装。
版本、限制与许可
当前清单版本: 26.11.1004-beta · Beta.
声音克隆前请确认已取得参考录音、声音身份与台词内容的合法授权;不得用于冒充、欺诈、侵权或其他违法用途。用户对上传内容、生成内容及其使用行为承担责任。第三方组件按各自许可证使用。本版为 Beta,使用前请先用一小段已获授权的脚本试听并检查导出结果。视频自动配音及成片导出、整书总装和多引擎尚未提供;遇到问题可通过官网“意见与反馈”提供应用版本、错误提示和复现步骤。
按脚本与交付方式组织任务
| 输入或目标 | 操作重点 | 交付前检查 |
|---|---|---|
| TXT 或直接输入台词 | 整理段落并分配旁白、角色 | 台词完整、角色归属与音色 |
| SRT 字幕脚本 | 保留并核对字幕时间信息 | 台词、时间对应与试听节奏 |
| 标准音色 | 选择或复用音色配置 | 使用小片段检查读音与停顿 |
| 授权克隆或设计音色 | 确认所需模型、素材授权与配置 | 当前声音与目标的一致性 |
| 后续剪辑与混音 | 按需导出 WAV、MP3、字幕和角色分轨 | 文件、角色范围与采用的版本 |
标准音色与克隆、设计路线的设备要求不同,应先按具体功能准备模型。导入 SRT 用于台词和时间组织,当前 Beta 的交付范围与限制以本页清单说明为准。
从台词准备到音频交付
1. 先整理角色,再配置声音
导入 TXT / SRT 或台词后,确认旁白、角色与文本对应,核对字幕时间信息。选择标准音色或已获授权的克隆、设计音色,需要复用时再使用音色模板。先用短脚本验证,不直接把整批生成作为首次检查。
2. 按句试听与校正
逐句听读音、停顿、角色切换和字幕对应。需要修改时按句重做,比较 A/B 结果并明确采用的版本;读音词典用于核对读音,仍需试听实际结果。版本回退后也要确认当前采用内容。
3. 按用途导出并复核
音频用于试听或剪辑,字幕用于时间与文字对照,角色分轨用于后续混音。导出后重新打开 WAV / MP3、字幕及所需角色文件,确认没有漏句、错角色或采用旧版本。
本版尚未提供视频自动配音及成片导出、整书总装和多引擎。涉及视频交付时,在后续编辑软件中核对完整成片,见配音交付常见疑问。
准备环境
需要 NVIDIA GPU 的工作流应先满足驱动主版本 ≥ 575,并达到本项目 CUDA 12.9.1 的 Windows 驱动基线 ≥ 576.57。完整版本比较、未知结果和容器验证方法见驱动与 CUDA 基线;显卡型号、显存及模型要求仍按所选应用分别核对。