为视频、有声书、游戏和应用做文字转语音配音
本地语音合成很适合配音：一句话想重来几次就重来几次，整本书可以在笔记本电脑上合成，也没有人按字数计费。本文讲实际操作：如何用 Supertonic 3 音色和 SuperClonica 引擎挑选适合项目的音色、写出适合听的脚本并把握节奏、把音频导入剪辑软件，以及在 SuperClonica 购买的音色可以怎么用。
请注意，Supertonic 3 目前不支持中文，适合为英语、日语、韩语、西班牙语等语言的视频、游戏和应用配音，比如面向海外的内容。如果还没安装任何东西，请先阅读离线文字转语音指南；本文默认环境已经可以正常工作。
为项目挑选音色
先在音色市场试听样音，再用您自己的脚本测试：样音里出彩的声音，不一定适合您的题材。
- 讲解视频和教程：清晰、平稳、语速适中的声音。
- 有声书：能让人连听几个小时的旁白。请用一大段文字来判断，而不是一句话。
- 游戏：每个角色一个音色，同一角色的所有台词都用同一个文件。训练好的音色文件每次都从同一个音色出发，几百句台词下来角色依然好认。
- 应用和语音助手：多是短句，所以要检查问句、数字和名字读得怎么样。
为“听”而写脚本
语音合成会照字朗读，所以大部分功夫在脚本上。
- 句子写短，长句在自然停顿处断开。
- 数字、日期、单位和缩写，按希望读出来的样子写出来。
- 用标点控制停顿，画面切换的地方另起一段。
- 仔细听人名和外来词；读错了就按发音改写。
- 语言代码设为文本所用的语言。
节奏与重录
分段生成配音：每个场景、每张幻灯片或每个段落一个文件。这样容易对齐画面，也方便只重做一句。
某句听着不对，就重新生成。在标准的 Supertonic 3 示例中，--speed 参数控制整体语速（默认 1.05，数值越大越快）。在 SuperClonica 的 Python 示例中，seed 参数控制生成过程中的随机部分：保持不变可以复现同一版，换一个值就能得到另一版。细致的时间调整放在剪辑软件里完成：剪掉多余的静音，在句间加停顿，按剪辑点移动片段。
按我们的估算，在 8 核台式机 CPU 上，SuperClonica 生成 1 小时音频大约需要 7–11 分钟，所以改稿后连整章有声书都可以重新生成。
视频、有声书和游戏的音频格式
标准的 Supertonic 3 客户端和 SuperClonica 引擎都保存 WAV 文件。剪辑时用 WAV，成片或有声书再从剪辑软件按平台要求导出，比如 MP3 或 AAC。
游戏和应用有两种做法：事先把台词生成好音频文件，或者在用户设备上实时生成语音。Supertonic 3 可以在电脑上、通过 ONNX Runtime Web 在浏览器中以及在兼容的手机应用中运行，所以台词无法事先确定时，也可以在设备端生成。
购买的音色可以怎么用
在 SuperClonica 购买的音色供您在自己的项目中使用：您制作的视频、有声书、游戏和应用。不允许转售音色，也不允许重新发布音色文件。Supertonic 3 本身采用 OpenRAIL-M 许可证，免版税，附有禁止用途清单，其中一项就是未经同意冒充他人。
您只需按作者以美元设定的价格付一次钱。文件留在您的音色库里，没有人按字数或分钟计费。委托定制的音色是私有的，不会出现在音色市场。如果您的产品需要随附音色文件本身，例如要在玩家电脑上生成语音，请在发布前写信到 support@superclonica.com。