语音克隆：让干员用真实声音说话
什么是语音克隆
语音克隆是 ZOOT 的高级功能——你可以上传一段目标角色的音频（10 秒以上即可），终端会用 AI 分析声线特征，让干员的回复以这个声音朗读出来。效果好的话，几乎和原声一模一样。
配置步骤
- 进入设置页面 → 语音设置 → 选择要配置的干员
- 上传一段音频样本（支持 mp3、wav、m4a 格式，建议 10-30 秒、无背景音乐）
- 选择语音克隆引擎（ZOOT 内置了两种：轻量版和高精度版）
- 点击「生成」，等待几秒
- 生成完成后，可以在对话里点消息旁边的播放按钮试听
引擎选择
| 引擎 | 音质 | 生成速度 | 适用场景 |
|---|---|---|---|
| 轻量版 | 较好 | 快（10 秒内） | 快速试用、日常对话 |
| 高精度版 | 很好 | 中等（20-40 秒） | 追求完美音质 |
音频样本的质量很重要
语音克隆的效果高度依赖你上传的音频样本：
- 干净的人声：不要有背景音乐、杂音、混响
- 清晰的发音：吐字清楚，语速适中
- 足够长度：建议 10-30 秒，太短 AI 学不准
- 单一说话人：样本里只能有一个人说话
使用限制
语音克隆需要额外的 API 调用额度——每次生成语音都会消耗语音合成的 Token，单独计费。DeepSeek 平台的语音合成 API 有自己的定价，和对话推理分开算。
法律与道德提示
请只对你拥有版权或有授权的音频进行克隆。对公众人物、版权角色（如游戏配音）的声线克隆可能涉及侵权问题。ZOOT 社区广场禁止发布未授权的声线克隆作品。