AI 声音设计：仅凭一段文字描述即可创建自定义声音

用简单的语言描述一段声音，Fish Audio 的 Voice Design 只需约 15 秒即可生成。创建自定义 AI 角色声音——发布期间免费。

你需要一个尚不存在的声音。也许是游戏中一个充满讽刺意味的机器人搭档，或者是纪录片中一位温暖的旁白，亦或是播客开头的一位深夜电台主持人。浏览声音库只能让你得到成百上千个大家都在用的声音，而声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 Fish Audio 已上线该功能，它允许你通过纯文本描述——年龄、性别、口音、音调、语速、情绪——来创建一个完全原创的自定义 AI 声音，并在约 15 秒内将该描述转化为可用的声音模型。无需录音，无需配音演员，也无需在声音库中苦苦搜寻。

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

立即体验 Voice Design →

什么是 AI 声音设计？

AI 声音设计是根据书面描述而非音频样本创建自定义、原创合成声音的过程。你输入一段描述声音听起来如何的提示词（Prompt）——例如，“一位温暖、略带沙哑的中年旁白，带有柔和的美国口音”——AI 就会生成一个匹配该描述的全新声音，可直接用于文本转语音。

这使得声音设计与声音克隆有着本质的区别，后者是通过录音复制现有人物的声音。通过声音设计，你创建的声音在世界上是绝无仅有的——没有其他任何人在任何地方使用它。

如何通过 Voice Design 创建你自己的 AI 声音（分步指南）

想知道如何仅凭一段描述就制作出 AI 声音吗？这是从头到尾的完整工作流程。前往 创建声音页面 并选择 Voice Design。

第一步：描述你想要的声音

在描述框中，写下你想象中的声音。越具体越好。涵盖以下维度：

• 年龄与性别 —— “一位 30 多岁的女性”
• 口音 —— “柔和的美国口音”，“轻微的英国腔”
• 音调与质感 —— “沙哑”，“明亮”，“略带粗糙感”
• 语速 —— “从容不迫”，“快节奏且充满活力”
• 情绪与背景 —— “就像在安静的房间里对着唯一的一位听众说话”

不知道从哪里开始？可以使用内置的入门提示词，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。

你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段符合语境的样本。准备好后，点击生成样本。生成通常消耗 2,000 积分，但在发布期间是免费的。

第二步：比较生成的两个声音样本并选择一个

Voice Design 会根据你的提示词生成两个不同的声音样本。播放两者进行对比，然后选择合适的一个。不太满意？调整你的描述并点击重新生成样本——在发布期间，反复迭代不消耗任何积分，因此你可以不断精炼，直到它听起来完全符合你脑海中的声音。

第三步：将其保存为你自己的声音模型

点击“继续”，将选定的样本转化为可重复使用的声音模型：

• 名称和封面 —— 为你的声音赋予身份
• 标签 —— 性别、年龄、声音风格（温暖、平滑、深沉、带气声...）
• 应用场景 —— 对话、旁白、角色配音、社交媒体、教育、广告或娱乐

然后选择谁可以使用它：

• 公开 —— 列在探索页面上，供所有人查找和使用
• 未列出 —— 在探索中隐藏，可通过直接链接分享
• 私有 —— 仅你自己可见

确认该声音不冒充任何真实、可识别的个人，点击创建声音，大功告成。你的自定义 AI 声音现在已保存在你的库中，可随时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文字。

从入门提示词开始 → —— 发布期间免费生成。

如何编写更好的 Voice Design 提示词

声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。

以这个入门提示词为例：

“一位温暖、亲切的深夜电台主持人，30 多岁，声音柔和沙哑。语速从容不迫，偶尔带着温柔的笑声，就像在安静的房间里对着唯一的一位听众说话。”

注意它的作用：

1. 锚定一个人格设定（“深夜电台主持人”）——这是模型可以立即进行特征化的角色，比列出十个形容词更有力。

2. 堆叠具体的发声特质（“柔和、沙哑”）——具体的质感词汇优于“好听”或“不错”等模糊词汇。

3. 指定表达方式（“语速从容不迫，偶尔带着温柔的笑声”）——语速和怪癖能让声音栩栩如生。

4. 设定场景（“在安静的房间里对着唯一的一位听众说话”）——背景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：“一个女声，好听且清晰。”

强提示词：“一位 20 多岁的活泼导游，带有明亮的澳大利亚口音，语速快且俏皮，听起来总是带着笑意。”

一个人格设定，三到四个感官细节，一个场景。这就是公式。

为原创角色打造的角色声音生成器

如果你正在为游戏、动画、有声读物、广播剧或虚拟伴侣创建角色，Voice Design 作为角色声音生成器具有一个决定性优势：每个声音都是原创的。

声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像别人的冥想应用。为虚构角色克隆真人的声音会涉及知情同意和授权问题。而设计的声音则避开了这两者——为你的角色量身定制声音，背后没有真人的肖像权问题。

一些提示词方向可以激发灵感——从写实到纯粹的奇幻：

• “一只古老、声音沙哑的巨龙，语速缓慢、声音沉闷，带有戏剧性的威胁感”
• “一个多动的青少年男性发明家，说话飞快，兴奋时声音会微微发颤”
• “一位宁静的老年图书馆员，语调轻如耳语，有刻意的停顿”
• “一位 50 多岁的冷硬派侦探，低沉沙哑的单调嗓音，饱经风霜，表达干练”
• “一位活泼的烹饪节目主持人，带有浓重的意大利口音，大声且富有表现力，总是像在笑”
• “一个有故障的飞船 AI：平淡、精确、冷静得有些诡异，带有短促的机器人韵律”

生成，对比两个样本，优化，保存——一个下午就能完成全原创配音阵容。然后使用 多角色文本转语音 将他们放入同一个场景，或者浏览其他用户构建的 AI 角色声音以获取灵感。

Voice Design 与声音克隆：你应该选择哪一个？

Fish Audio 现在提供三种创建声音的方法，它们适用于不同的任务：

经验法则：如果声音尚不存在，请设计它；如果已经存在，请克隆它。

天生原创

设计出的声音还有一个值得一提的潜在优势：它们不借鉴任何人。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——而且在 Fish Audio 上创建的每一个声音都必须通过确认，证明其不冒充任何真实、可识别的个人。这是一个旨在让你的项目避开知情同意和肖像权争议的工作流程。

当你确实需要属于真人的声音时——无论是你自己的，还是配音演员的——我们认为答案不是模糊这条界线，而是让所有权变得明确。世界各地的配音演员都在推动这一点：在 AI 时代，对他们声音的使用应获得知情同意和公平补偿。这就是我们推出新的 专业声音克隆 背后的理念：基于实时所有权验证，为真人声音创建经过验证的、录音室质量的克隆，并为声音所有者提供可选的商业发布和收入分成。这是声音所有者与希望使用其声音的人之间建立更清晰协议的开始 —— 我们即将在后续的深度解析中探讨更多细节。

在 15 秒内设计你的第一个声音

寻找合适的声音曾意味着试镜演员、翻找声音库或退而求其次。现在，它只意味着写下一句出色的话。

免费设计你的第一个声音 → ——发布期间免费。