{"kind":"guides","slug":"voice-cloning","path":"/guides/voice-cloning","title":"声音克隆：用一段录音得到相似的音色 | SuperClonica","description":"如何得到一个像录音里那样的声音：授权与同意、录制干净的参考录音、委托作者定制或自己训练，以及效果预期。Supertonic 3 暂不支持中文。","h1":"声音克隆：如何得到一个像录音里那样的声音","intro":"声音克隆，就是做出一个听起来像某段录音中那个人的语音合成音色。有些模型只需几秒音频就能即时克隆。SuperClonica 的做法是把声音训练成一个 Supertonic 3 音色文件，之后它就能在普通 CPU 上离线朗读任何文本。\n\n下面依次说明：可以克隆谁的声音、怎样录一段好的参考录音、得到音色的两种方式（委托作者或自己训练），以及结果能做到什么、做不到什么。需要注意：Supertonic 3 目前不支持中文，克隆出的音色可用于它支持的 31 种语言，比如英语、日语和韩语。","sections":[{"heading":"首先：授权与同意","paragraphs":["请克隆您自己的声音，或已经同意的人的声音。下单定制音色时，您需要确认拥有录音的权利，并已取得说话人的同意。作者也只能用拥有权利并取得同意的录音来发布音色。","Supertonic 3 的许可证 OpenRAIL-M 同样明确禁止未经同意冒充他人。实际操作中：不要在未经许可的情况下克隆名人、同事或亲友的声音，并把授权和原始录音放在一起保存。"]},{"heading":"如何录制适合声音克隆的参考录音","paragraphs":["音色会学习它听到的一切，包括噪声和房间回声。一段短而干净的录音，胜过一段长而嘈杂的录音。"],"points":["在安静、有软装的房间里录：没有音乐、风扇、车流声和回声。","只有一个人说话，不要有叠音或音效。","与麦克风保持固定距离，音量平稳，大声的字也不要爆音。","按您希望音色呈现的方式说话：沉稳的旁白就平静地读，角色就要演出来。","逐字写下录音的准确文本，包括重复和口误。网站会要求每段参考录音都附上文本。","时长：在工作室训练时，每段参考录音 5 到 10 秒。委托定制时，可以上传 WAV、MP3、FLAC 或 OGG 文件，每个不超过 30 MB 和 10 分钟，最多 20 个。"]},{"heading":"方式一：委托作者定制音色","paragraphs":["如果没有 NVIDIA 显卡，或者没时间自己训练，可以在“音色定制任务”中发布委托。"],"points":["描述需求：音色、说话方式、用途以及验收标准。设置音色的语言、0.01 到 10,000 美元的预算和以天为单位的期限。","添加录音及其准确文本，确认您的权利，然后发布委托。","作者会提交方案，由您决定由谁来做。","在余额中预留预算。之后作者开始工作，并交付训练好的音色和试听样音。","验收结果，或提出具体的修改意见。只有您验收后作者才会收到报酬，音色随后可以以 JSON 文件下载。如果委托取消，预留的金额会退回您的余额。"]},{"heading":"方式二：自己训练音色","paragraphs":["如果您有一台带 NVIDIA 显卡的电脑，在工作室训练是免费的。这台电脑会成为您的工作节点：用个人令牌连接后，它只训练您自己的音色。"],"points":["新建一个音色并添加参考录音：一段 5 到 10 秒的干净录音，附上准确文本。参考录音保持私密。","在参考录音旁点击“开始训练”，选择步数并启动。","根据试听样音和相似度比较各个检查点，从最有希望的那个继续训练。","在训练页面免费下载 JSON。愿意的话，也可以配上封面、介绍和价格把音色上架出售。"]},{"heading":"克隆出的声音效果如何","paragraphs":["训练会找到与录音相近的音色和说话方式。请预期得到一个辨识度高的声音，而不是完美复制：参考录音越干净、越接近想要的效果，结果就越接近。委托定制的音色是私有的，作者不会把它发布到音色市场。","等待换来的是一个能离线全速运行的文件。按我们的估算，SuperClonica 在 8 核台式机 CPU 上比实时快 6.4–9.7 倍，每一句都从同一个音色出发。音色可用于 Supertonic 3 的 31 种语言，但目前不包括中文。","如果现在就需要用一小段录音克隆，尤其是中文声音，零样本模型无需训练就能做到：Qwen3-TTS 只需 3 秒音频，OmniVoice 需要 3–10 秒，Chatterbox 用一段参考录音即可，三者都支持中文。它们的许可证和硬件要求各不相同，详见本站的对比页面。"]}],"faq":[{"question":"可以克隆别人的声音吗？","answer":"只有在取得本人同意并拥有录音权利的情况下才可以。SuperClonica 对委托定制和已发布的音色都要求这两点，Supertonic 3 的许可证也禁止未经同意冒充他人。"},{"question":"声音克隆需要多长的录音？","answer":"在工作室训练时，一段 5 到 10 秒的干净参考录音，加上准确文本即可。录音是否干净比时长更重要。"},{"question":"没有显卡能克隆声音吗？","answer":"能，委托作者定制即可，作者会用自己的设备训练。自己训练需要 NVIDIA 显卡；使用训练好的音色则不需要。"},{"question":"能克隆中文声音吗？","answer":"用 Supertonic 3 暂时不行，它还不支持中文。需要中文的话，可以看看 Qwen3-TTS、OmniVoice 或 Chatterbox，它们都能用几秒音频克隆中文声音，但许可证和硬件要求不同。"}],"cta":{"catalog":"先试听现成音色","install":"为您的音色安装引擎"},"sources":[{"label":"Supertonic 3 模型卡与许可证","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"},{"label":"Qwen3-TTS 代码仓库（GitHub）","url":"https://github.com/QwenLM/Qwen3-TTS"},{"label":"OmniVoice 代码仓库（GitHub）","url":"https://github.com/k2-fsa/OmniVoice"},{"label":"Chatterbox 代码仓库（GitHub）","url":"https://github.com/resemble-ai/chatterbox"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"如何在自己的电脑上离线把文字转成语音"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"声音克隆：如何得到一个像录音里那样的声音"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"2026 年适合本地运行的免费语音合成模型"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"为视频、有声书、游戏和应用做文字转语音配音"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Supertonic 3 音色：自定义音色的来源与使用方法"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Python 文字转语音：离线、免费、自然的音色"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"在 Docker 中自建文字转语音 API"}],"related":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"在自己电脑上运行的语音合成"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic 与 SuperClonica：同一模型，更快更干净"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio、Fish Speech 与 SuperClonica 对比"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice 与 SuperClonica：语言更多，还是速度更快"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"本地语音合成：Qwen3-TTS 还是 SuperClonica"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS 与 SuperClonica：零样本克隆还是 CPU 上的快速合成"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"可离线使用的 ElevenLabs 替代方案"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS 与 SuperClonica：小设备还是定制音色"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 与 SuperClonica：Coqui TTS 的替代方案"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS 与 SuperClonica：即时克隆还是训练好的音色文件"}]}