准备源录音和参考录音
音色转换 需要源录音和参考录音。源录音提供要转换的词语和表达方式,参考录音提供音色特征。载入或录制两者、分别试听、运行转换,并检查结果后再下载。
每个输入文件上限为 60 MB,不接受短于 0.5 秒的片段。清晰的单人参考录音比复杂音乐混音更适合。请使用自己的声音或已获许可的参考录音,并在适当场景说明合成修改。
页面在获得录音后进行转换,不是实时通话变声器、语言翻译器或可靠的匿名工具。转换可能改变发音和时间,不要把结果当作未经修改的证据录音。
参考音色转换如何工作
两段录音准备为 22,050 Hz 单声道音频。 OpenVoice2 模型使用源录音的表达方式与参考音色,经过音色编码和转换生成结果。
准备、音色编码、转换和导出是不同阶段。进度标记表示已完成的阶段,并不承诺进度随时间均匀前进。
WAV 输出使用 32 位浮点音频表示,但这不会逆转模型改动,也不能证明结果与参考说话人完全一致。即使压缩输入文件很小,较长源录音仍可能需要大量内存和计算。
对照参考转换、音色模型包与声音特效
| 网站 | 用户可选择的处理方式 | 重要区别 |
|---|---|---|
| Mediatavio | 使用源录音和已获许可的参考录音进行 OpenVoice2 音色转换 | 以参考音色为条件转换已有录音,不提供实时通话集成 |
| LALAL.AI Voice Changer | 上传音频或视频、选择音色模型,并调整官方列出的设置 | 使用音色模型包和云端处理;另设 Voice Cloner 用于建立音色模型 |
| VoiceChanger.io | 输入音频或麦克风录音,应用音高、滤波、回声等特效 | 信号特效不等同于以参考音色为条件的神经网络音色转换 |
本表概述链接中的官方说明,没有用同一组源录音和参考录音测试,因此不宣称身份相似度或速度排名。上传声音前应检查使用权、授权和各服务的数据条款。
同时评估词语与音色
保持同一源录音、参考录音和试听音量,检查可懂度、漏掉的音节、呼吸、音高突变及背景杂声。即使音色更像参考声音,若改变了重要词语,也可能更不适合旁白。
如果只是调整音乐音高,可使用 音调调整 。如果要按新文稿生成语音,可使用 文本转语音。需要准备音乐分轨时,应先检查 人声分离.