AI 语音设计：仅需一段文本提示词，即可创建定制语音

只需用平实的语言描述一种声音，Fish Audio 的 Voice Design 就能在约 15 秒内生成。创建定制的 AI 角色语音 —— 发布期间免费使用。

你需要一种尚未存在的声音。也许是游戏中爱挖苦人的机器人伙伴，纪录片中温暖的旁白，或者是播客开场中深夜电台主持人的声音。浏览语音库只能找到大家都在用的那几百个声音，而语音克隆则需要真人先录制样本。

Voice Design 以不同的方式解决了这个问题。现在它已在 Fish Audio 上线，让你可以通过纯文本描述——年龄、性别、口音、音调、语速、情绪——来创建一个完全原创的定制 AI 语音，并在约 15 秒内将其转化为可用的语音模型。无需录音，无需配音演员，也无需在语音库中苦苦搜寻。

在发布期间，使用 Voice Design 生成语音是完全免费的（通常每次生成需 2,000 积分）。

立即体验 Voice Design →

---

什么是 AI 语音设计？

AI 语音设计是根据书面描述而非音频样本创建定制、原创合成语音的过程。你输入一段描述声音听起来如何的提示词——例如，“一位温暖、声音略显沙哑、带有轻微美国口音的中年旁白”——AI 就会生成一个符合该描述的全新语音，可直接用于文本转语音。

这使得语音设计与语音克隆有本质的区别，后者通过录音复制现有人物的声音。通过语音设计，你创建的声音以前从未存在过——任何地方都没有人在使用它。

---

如何使用 Voice Design 创建你自己的 AI 语音（分步指南）

想知道如何仅凭一段描述就制作出 AI 语音吗？以下是完整的操作流程。前往 创建语音页面 并选择 Voice Design。

第 1 步：描述你想要的声音

在描述框中，写下你想象中的声音。描述得越具体越好。涵盖以下维度：

• 年龄与性别 —— “一位 30 岁后期的女性”
• 口音 —— “柔和的美国口音”，“轻微的英国腔调”
• 音调与质感 —— “沙哑的”，“明亮的”，“略带颗粒感的”
• 语速 —— “从容不迫的”，“快速且充满活力的”
• 情绪与情境 —— “就像他们在安静的房间里对一位听众说话一样”

不知道从哪里开始？可以使用内置的起始提示词，例如温暖的深夜电台主持人、纪录片旁白或儿童故事讲述者 —— 然后在此基础上进行修改。

You 还可以添加可选的预览文本（你的样本将朗读的文案），或者留空让系统为你编写一个符合语境的样本。准备好后，点击 生成样本 (Generate Samples)。生成通常消耗 2,000 积分，但在发布期间是免费的。

第 2 步：比较两个生成的语音样本并择一使用

Voice Design 会根据你的提示词生成两个不同的语音样本。播放两者，进行比较，然后选择最合适的一个。不完全满意？调整你的描述并点击 重新生成样本 (Re-generate Samples) —— 在发布期间迭代是免费的，所以不断完善直到它听起来完全符合你脑海中的声音。

第 3 步：将其保存为你自己的语音模型

点击“继续 (Continue)”，将你选择的样本转化为可重复使用的语音模型：

• 名称与封面 —— 为你的语音赋予一个身份
• 标签 —— 性别、年龄、语音风格（温暖、平滑、深沉、气声...）
• 使用场景 —— 对话、旁白、角色语音、社交媒体、教育、广告或娱乐

然后选择谁可以使用它：

• 公开 (Public) —— 列在发现页面上，供所有人查找和使用
• 不公开列出 (Unlisted) —— 在发现页面中隐藏，可通过直接链接分享
• 私有 (Private) —— 仅你自己可见

确认该语音不冒充任何真实的、可识别的人物，点击 创建语音 (Create Voice)，即告完成。你的定制 AI 语音现在保存在你的库中，随时可用于任何文本转语音项目 —— 配合 S2 的词级内联标签，你可以精确指导它如何演绎每一行。

使用起始提示词开始 → —— 发布期间生成免费。

---

如何编写更好的 Voice Design 提示词

语音的质量取决于描述的质量。以下是平庸结果与完美结果的区别。

看看这段起始提示词：

“一位温暖、亲切的深夜电台主持人，30 岁后期，声音柔和沙哑。语速从容不迫，偶尔带有温柔的笑声，就像他们在安静的房间里对一位听众说话一样。”

看看这段描述的作用：

1. 锚定人设（“深夜电台主持人”）—— 模型可以立即角色化的身份，比列出十个形容词更有力

2. 堆叠具体的语音特质（“柔和、沙哑”）—— 质感词汇优于“好听”或“不错”等模糊词汇

3. 指定表达方式（“从容不迫的语速，偶尔带有温柔的笑声”）—— 语速和特有的习惯让声音变得鲜活

4. 设定场景（“在安静的房间里对一位听众说话”）—— 语境比任何单一形容词都能更好地塑造亲密度和能量感

弱提示词：“一个女性的声音，悦耳且清晰。”

强提示词：“一个 20 多岁的开朗导游，带有响亮的澳大利亚口音，语速轻快俏皮，听起来总是带着微笑。”

一个人设，三四个感官细节，一个场景。这就是公式。

---

为原创角色打造的角色语音生成器

如果你正在创建角色 —— 无论是为了游戏、动画、有声读物、广播剧还是虚拟伴侣 —— Voice Design 作为一个角色语音生成器具有一个决定性的优势：每一个声音都是原创的。

语音库中的声音被成千上万的用户共享；你的反派角色不应该听起来和别人的冥想应用里的声音一样。为虚拟角色克隆真人的声音会涉及到许可和授权问题。而设计的语音避开了这两点 —— 专为你的角色打造的声音，背后没有真人肖像权。

一些提示词方向，从写实到充满幻想：

• “一条古老、嗓音沙哑的巨龙，语速缓慢、低沉，带有戏剧性的威胁感”
• “一位多动的男性少年发明家，语速很快，兴奋时声音会微微发颤”
• “一位宁静的老年图书馆员，语调轻柔如耳语，有刻意的停顿”
• “一位 50 多岁的硬汉侦探，低沉沙哑的单调语气，饱经沧桑，表达冷淡”
• “一位活泼的烹饪节目主持人，带有浓重的意大利口音，大声、富有表现力，听起来总是在大笑的边缘”
• “一个出现故障的飞船 AI：语气平淡、精确、过于冷静，带有断断续续的机器人节奏”

生成、比较两个样本、完善、保存 —— 一个下午就能搞定一整套原创卡司。然后利用 多角色文本转语音 将他们放入同一个场景中，或者浏览 AI 角色语音 看看别人的作品寻找灵感。

---

Voice Design vs. Voice Cloning：你应该用哪一个？

Fish Audio 现在提供三种创建语音的方式，它们服务于不同的需求：

经验法则：如果声音尚未存在，使用设计 (Design)。如果已经存在，使用克隆 (Clone)。

天生原创

设计出的语音还有一个值得一提的隐性好处：它们不向任何人借用。每一个 Voice Design 的输出都是根据描述生成的，而不是根据真人的录音 —— 并且在 Fish Audio 上创建的每一个语音都必须通过确认，证明其不冒充真实的、可识别的人物。这是一个旨在让你的项目远离授权和肖像权困扰的工作流。

当且仅当你需要的语音确实属于一个真人时 —— 你自己或配音演员 —— 我们认为答案不是模糊界限，而是让所有权明确化。世界各地的配音演员都在推动这一点：在 AI 时代，针对其声音的使用获得许可和公平报酬。这就是我们推出 Professional Voice Clone 的初衷：一个基于实时所有权验证、为真人声音打造的经过验证的录音室级克隆，并可选择商业发布和收益共享给声音所有者。这是声音所有者与想要使用其声音的人之间建立更清晰契约的开始 —— 更多内容请期待我们即将发布的深度解析。

---

在 15 秒内设计你的第一个语音

过去，找到合适的声音意味着试镜演员、翻找语音库，或者被迫接受“差不多就行”。现在，只需写好一个句子。

免费设计你的第一个语音 → — 发布期间免费。