语音合成

功能概述

在 创作工坊 → 语音合成 中把文稿分段配音：旁白与各角色分别选择音色，逐段合成、单段重制，拼接整轨后导出音频与字幕。

前置条件

依赖	用于
语音合成用途的模型	音色目录、试听与逐段合成；入口首页显示其是否就绪
对话用途的模型（工坊中称“文本模型”）	口播改写
后端服务环境中的 ffmpeg	将两段及以上的配音拼接为整轨

模型在 大模型 中接入，可选音色取决于当前语音合成模型。项目内可在 AI 面板顶部为本项目选择模型，未选择时使用该用途的默认模型。ffmpeg 的部署要求见 创作任务与媒体处理。

1. 创建配音项目

进入 创作工坊 → 语音合成，选择 解说配音 或 宣传配音。示例选择解说配音，标题填写 DOCS_青禾服务指南配音。

字段	示例内容
用途	服务中心公告的语音版
品牌	DOCS_青禾品牌
语气	正式、平和
受众	首次提交咨询的企业用户

选择品牌后，旁白缺省使用品牌套件中的缺省音色；当前语音合成模型没有该音色时，取音色目录中的第一个。提交后进入配音项目：左侧为 音色，中间为分段稿，右侧为 AI 面板。

已写好的正文也可在 内容写作 中通过 转为 → 语音合成 带入，正文按段落进入分段稿。

2. 导入文稿并分段

在分段稿工具栏点击 导入文本，粘贴文稿后点击 导入。文稿按空行分段，超过单段 280 字的段落按句拆分。

示例文稿分为三段：工作日 09:00—18:00 受理咨询；提交时附问题描述、发生时间、复现步骤与截图；P2 首次响应目标为 2 个工作小时，处理完成并经提交人确认后结单。

• 勾选 按对话拆段 时，“角色名：台词”格式的每一行成为一段并对应到角色，没有的角色自动新建，其余文字归入旁白。
• 点击 新增一段 直接输入；在段内回车拆分段落，在段首退格并入上一段；拖动段落调整顺序。

每段可单独设置角色、语气、音调与段尾停顿。语气可选平静、欢快、严肃、温柔、激动、低沉，也可自行描述；音调范围为 -12 至 12，段尾停顿最长 5 秒。导入后，工具栏显示段数、字数与总时长。

3. 设置音色与读法

在左侧 音色 中配置：

配置	说明
旁白与角色	点击 角色 新增角色并填写角色名与缺省语气；旁白与各角色分别选择音色，选择后可 试听
语速、音量	全稿统一，范围 -50 至 100
格式	MP3 或 WAV，全稿统一，决定合成与导出的音频格式
读法	填写原词与读作：读作填写带声调数字的拼音（如 chong2 qing4）时纠正读音，填写文字时按该文字朗读；原词不超过 9 个字且不含空格

修改读法后，只有包含该词的段落需要重制。

4. 合成配音

在右侧点击 合成配音，提交所有待合成的段落。各段状态依次为 未合成、合成中、已合成；合成完成后写入分段稿并保存版本，点击段落的播放按钮试听。

修改段落文字、角色、语气、音色或全稿设置后，相关段落标为 需重制。点击段落上的 重制 只重新合成该段，再次点击 合成配音 则处理全部待合成段落。

5. 改写口播稿

需要把书面文字改成适合朗读的口播稿时，选中一段后在 AI 面板点击 口播改写，或在底部输入修改要求；范围可切换 选中段 或 全文。

改写结果作为建议展示，采纳 后写入分段稿：改写单段时按长度重新切分，切出的段沿用原段的角色与语气。改写后的段落需重新合成。

6. 拼接整轨

全部段落合成后，点击 拼接整轨。整轨按顺序连接各段已合成的音频，不重新合成；只有一段时无需拼接。

整轨显示在分段稿上方，点击条带从该处播放。任一段重制、增删或调序后，整轨失效，需重新拼接。整轨标注“AI 合成”，导出的音频文件带 AI 生成标识。

7. 导出

整轨就绪后，从项目右上 导出 选择格式：

格式	内容
MP3 音频或 WAV 音频	整轨音频，格式取音色面板中的设置
SRT 字幕	时间轴与整轨一致
LRC 字幕	按行滚动，适用于音乐播放器与口播提词

导出与只读分享见 成果导出、转换与分享，版本管理见 项目、素材与版本管理。

注意事项

• 音色、语速、音量与格式全稿统一，角色之间通过音色与语气区分。
• 合成按字数计量，可在 任务 中查看本作品累计用量。逐段试听确认后再拼接，整轨不会重复计费。
• 导出要求所有段落均已合成，且多段作品的整轨与当前各段一致。

常见问题

现象	处理方法
音色列表为空或提示语音合成模型未就绪	在大模型中接入语音合成模型，或在 AI 面板顶部切换到可用的模型
合成提示某段没有选择音色	为该段所属的旁白或角色选择音色
拼接整轨 失败，提示没有可用的 ffmpeg	在后端服务环境中安装 ffmpeg，见技术手册的 创作任务与媒体处理
导出不可用	合成全部段落；多段作品再拼接整轨
专有名词读音不准	在读法中为该词填写带声调数字的拼音，再重制包含该词的段落