指南

如何用 AI 声音制作有声书

AI 旁白可以让你不进录音棚就把书稿变成有声书：整本书同一个声音，文字有改动时任何章节几分钟就能重做。难点不在声音，而在流程：准备文本、保持各章一致、导出商店或播放器能接受的文件。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

本指南借助 SuperClonica 目录和能在普通电脑上离线朗读长文本的免费 SuperClonica 引擎，介绍这一流程。

浏览声音 安装 SuperClonica 引擎

选择能连听几个小时的旁白

长时间收听需要平静平稳的声音：旁白或聊天式男声女声，而不是角色声音。在每个候选声音的页面试读书中的段落（每次 30 到 100 个字符），选择到第十句仍然好听的那个。

准备文本

对有声书来说，干净的文本比什么都重要：听众无法回头去看那个词是什么。

  • 把书按章节拆成每章一个 .txt 文件。
  • 删除页码、页眉、注释编号和排版用的连字符。
  • 生僻名字、数字和缩写按应读的方式书写，并列一个清单，让所有章节写法一致。
  • 用标点控制节奏：段落和句号给旁白留出换气的空间。

离线生成各章

购买一次声音，下载文件并安装免费的 SuperClonica 引擎：python -m pip install superclonica-cpu。然后每章一条命令，例如 superclonica --text "$(cat chapter01.txt)" --voice narrator.json --lang en --output chapter01.wav。引擎会在自然停顿处切分长文本，每章合并成一个文件；每章都从相同的音色开始，所以整本书的旁白听起来一致。

据我们估算，在 8 核台式机处理器上引擎的生成速度是实时的 6.4 到 9.7 倍：一小时音频约需 6 到 10 分钟，无需显卡。

试听、修改、重新生成

对照文本以正常速度收听每一章。如果某个词读错，修改它在文本中的写法，只重新生成这一章：几分钟就好，不必重新进棚。

为播放器和商店导出

引擎输出 WAV 文件。用任意音频工具（例如 ffmpeg）转换成 MP3 或带章节的 M4B 有声书，并按商店要求统一响度。发布前请查看商店关于 AI 朗读的规定，并确认你拥有文本和声音的权利。