English · 简体中文 · 日本語

选择与管理声音

**Voices（声音）**选项卡为脚本中的每位说话人分配声音。请先在 Editor 中挑选几句有代表性的台词试听，再渲染整本书。

修改会自动保存。离开页面或切换书籍前，请留意卡片筛选控件旁的状态，等到出现 saved（已保存）。如果看到 save failed — edits retained（保存失败，已保留修改），请保持选项卡打开，先解决保存问题。

选择声音类型

Custom voice（自定义声音）

这是最简单的起点。请选择九种预设之一：Aiden、Dylan、Eric、Ono_anna、Ryan、Serena、Sohee、Uncle_fu 或 Vivian。

角色风格字段用于描述稳定的特征，例如克制的语气或某种口音。应用会将这种风格与当前行的演绎指示结合起来。需要说出的文字应放在脚本的 **Text（文本）**字段中，而不是角色风格中。

Custom voice 支持本地或外部 TTS。在 **Setup（设置）**中设置合成语言，然后在 **Editor（编辑器）**中试听发音和演绎效果。

Clone voice（克隆声音）

克隆声音使用参考音频及其准确转录文本。可以从 **Uploaded Voices（已上传声音）**或 **Designed Voices（已设计声音）**中选择，也可以使用 **Upload（上传）**添加自己的参考音频。

使用外部 TTS 时，已配置的服务器还会收到用于克隆的参考音频和转录文本。在使用私人录音前，请检查该目标地址。

普通的克隆生成不会像 Custom 或 LoRA 生成那样应用脚本中的演绎指示。如果你需要逐句遵循指示，请测试其他声音类型，不要假设修改 **Delivery（演绎指示）**就会改变克隆声音的情绪。

**Custom path...（自定义路径……）**可用于指定运行应用的机器上已有的参考文件。浏览器所在电脑上的路径，并不会自动在远程或 Docker 安装中可用。导入到库中的参考文件更便于跟踪和验证。

Built-in LoRA voice（内置 LoRA 声音）与 LoRA voice（LoRA 声音）

这两种类型将适配器与本地 TTS 模型配合使用，把学习到的声音身份与角色风格、当前行的演绎指示结合起来。

• **Built-in LoRA voice（内置 LoRA 声音）**从附带的目录中选择。灰显并标记为 **(not downloaded)（未下载）**的条目，需要先在 **Training（训练）**中下载权重。
• **LoRA voice（LoRA 声音）**从可用适配器中选择，也包括你自己训练的适配器。

目录中列出某项，并不代表其权重已经安装。在决定用于整本书前，请先试听未参与训练的测试台词。训练新的适配器是可选步骤；详见可选声音工具。

Voice Design（声音设计）

输入 Base voice description（基础声音描述）。每一行的演绎指示都会附加到该描述后，本地 VoiceDesign 模型据此生成该行的声音。

如果希望制作可复用的参考音频，请打开 Designer（设计器）：

1. 输入 **Voice Description（声音描述）**和 Sample Text（示例文本）。
2. 点击 **Generate Preview（生成预览）**并试听。
3. 输入 Voice Name（声音名称），然后选择 Save Voice（保存声音）。
4. 返回 Voices（声音），选择 Clone voice（克隆声音），再选择已保存的设计参考音频。

Voice Design 需要本地 TTS。直接使用 Voice Design，与将设计好的参考音频用于克隆，是不同的生成路径；无论选择哪一种，都应先试听。

Character ensemble（角色合声）

选择要一起说话的角色。应用会分别使用各成员已分配的声音生成片段，再以最长片段为基准对齐并混合。效果更接近合声，而不是完全同步的齐声。

请先配置成员的声音。外部 TTS 可以使用由受支持的 Custom/Clone 成员组成的合声；它无法让仅限本地的 LoRA 或 Voice Design 成员在外部服务器上工作。

安全地导入参考片段

只导入你有权使用的录音和声音。应用会要求你确认，但它不会代你证明所有权或使用许可。

1. 在说话人卡片上，选择 Clone voice → Upload（克隆声音 → 上传），然后选择 WAV、MP3、FLAC 或 OGG 音频。
2. 在 **Import reference clip（导入参考片段）**中，填写 Exact transcript of the clip（片段的准确转录文本）。应逐字记录音频中实际说出的内容，而不是摘要，也不是希望克隆声音之后说出的台词。
3. 如果有相关信息，请添加 Source title（来源标题）、**Source URL（来源网址）**和 Rights basis（权利依据）。这些是可选的来源记录字段；填写完整有助于后续检查。
4. 仅在确实拥有相应权利时，勾选 I have the right to use this voice（我有权使用此声音），然后点击 Import（导入）。
5. 导入成功后，在目标说话人卡片的 **Uploaded Voices（已上传声音）**中选择新条目。生成测试台词前，使用参考音频播放控件试听，并检查 Reference Text（参考文本）。

请选择单一说话人清晰说出一个完整句子的干净录音。导入前移除无关的静音、音乐和其他人声。应用会将接受的输入转换为 24 kHz、单声道、16 位 WAV，并拒绝以下片段：

• 短于 3 秒或长于 30 秒
• 在峰值电平检查中接近空白或音量过低
• 削波程度超过允许阈值
• 大部分为静音
• 无法解码

请阅读具体的拒绝原因并修正录音。通过这些测量，并不证明转录文本准确、只有一位说话人，或声音在有声书中会符合预期。请同时试听参考音频和生成样本。

每次成功导入都会创建一个新的参考标识。如果应用提示导入成功，但列表刷新失败，请重新打开 Voices 或刷新列表后再尝试导入，以免产生重复副本。

生成角色设定

**Generate Personas（生成角色设定）**会向已配置的 LLM 请求角色描述和示例文本，然后使用 VoiceDesign 创建参考音频并分配克隆声音。这是可选功能：无需使用它，也能自行配置声音。

开始前：

• 首次使用时，可将 **Apply to（应用于）**设置为 Only characters without a voice yet（仅尚未分配声音的角色），以减少对已有配置的影响。
• **All characters (regenerate)（所有角色，重新生成）**会替换已有分配。如果界面提供 Save the current voices to the library first（先将当前声音保存到库），且你希望保留这些声音，请保持此项启用。
• **Context（上下文）**控制为每个角色提供的示例台词数量。
• **Advanced → Batch（高级 → 批次）**控制发现阶段的批次，并非 TTS 渲染的批大小设置。

完成后，请检查描述和参考音频。Persona 是角色描述；voice 是分配的声音。Approve persona（批准角色设定）、**Mark persona reviewed（标记角色设定已检查）**和 **Reject persona（拒绝角色设定）**控件，与对应的声音控件相互独立。请使用它们准确记录检查结果。

如果生成停止，**Manual persona recovery（手动恢复角色设定）**可让你选择 Recovery target（恢复目标），使用 Copy prompt（复制提示词），并粘贴 Persona JSON（角色设定 JSON）。**Validate & save（校验并保存）**会保存角色设定；**Validate & resume（校验并恢复）**还会请求继续运行。请确保显示的目标和说话人正确，并在恢复后检查结果。

**Suggest LoRA Voices（推荐 LoRA 声音）**是独立的 LLM 辅助匹配工具，用于已下载的 LoRA 声音。它使用相同的 **Apply to（应用于）**范围。在选择 **Apply all（全部应用）**前，请检查建议；使用 **Dismiss（忽略）**则不会应用这些建议。

别名、就绪状态与版本

通过别名共享声音

对于应使用另一个角色配置的标签，例如 DR. SMITH 和 SMITH，可使用 Alias of（别名指向）。生成时，别名会采用目标角色的声音配置；它不会改写原文。请避免循环别名链。如果标签确实代表不同的说话人，请为他们分配独立的声音。

将已检查的声音标记为就绪

**Ready（就绪）**开关是由用户单独设置的就绪标记。请在试听分配结果后再使用。逐一处理角色时，**Hide ready（隐藏已就绪）**可减少屏幕上的卡片数量。

Ready 不代表通过试听，也不等同于 Approve voice（批准声音）。在 M4B 和章节导出中，可选的 **Require ready（要求就绪）**检查会在所需声音分配尚未就绪时拒绝导出。它不验证每个音频块是否存在或是否正确。

保留备选版本与声音变化

**Version（版本）**可保存另一组声音设置。选择已保存版本会替换当前设置，因此如果之后想切换回来，请先保存现有设置。

当界面显示检测到的角色状态时，请在应用前检查各状态的卡片和 Voice changes（声音变化）。故事中的年龄或性别标签发生变化，并不自动意味着应改变声音。界面可能提供 Choose Main voice throughout（全程使用主声音），以保持声音一致。

在 **Editor（编辑器）**中，行控件 **Voice changes here（从此处改变声音）**可让你输入从该行起生效的角色风格变化。需要重新生成相关行才能听到效果。应用声音版本时间线后，受影响音频会变为 pending 状态，并可使用 **Render Pending（渲染待处理项）**重建。修改声音设置不会自动把现有音频和先前导出结果变成新的演绎。

制作第一本有声书时，请让 **Narrator selection（旁白选择）**保持 Global（全局）。其他模式会根据场景/角色焦点、章节版本或角色特征选择旁白。找不到匹配时会回退到主旁白。**Preview focus（预览焦点）**和 **Preview version（预览版本）**仅在 Voices 面板中测试选择结果；它们不会修改脚本或已渲染音频。

在多本书之间复用角色阵容

在 **Series Cast（系列角色阵容）**中：

1. 选择一个阵容，或使用 **New（新建）**创建。
2. 选择 Save to cast（保存到阵容），检查勾选的角色，然后选择 Save selected（保存所选项）。初始选择会优先包含至少有 25 行台词的角色及旁白；请检查，以免遗漏台词较少但反复出现的角色。
3. 对旁白，按需要选择 **shared (whole series)（共享，整个系列）**或 this cast only (different narrator)（仅此阵容，使用不同旁白）。
4. 在另一本书中，选择 Apply cast（应用阵容）。检查建议的匹配，尤其是模糊匹配的猜测，然后选择 Apply selected（应用所选项）。

应用阵容会覆盖所选角色当前的声音分配。**Apply to multiple books（应用到多本书）**会对选定的已保存书籍执行同样的操作，因此应用前请仔细检查书籍列表和映射关系。

保护未保存的声音修改

在浏览器存储可用时，应用会在当前浏览器保留尚未保存的声音草稿。**Recover edits（恢复修改）**可以为匹配的书籍版本恢复草稿。如果自草稿保存后，已保存的声音又发生了变化，请比较两者，不要盲目覆盖较新的工作。**Discard draft（丢弃草稿）**和 **Discard edits and reload（丢弃修改并重新加载）**会有意放弃未保存的改动。

浏览器草稿只是恢复辅助，不能替代备份。请保存脚本版本，并按照更新与备份的说明，备份应用数据、参考音频、适配器和角色阵容库。然后继续阅读渲染与导出。

来源

已对照发布的 main 提交 8c7a33cb310ab9264594a09ca27e48271585094f 核验：声音界面与保存行为、参考音频导入界面、参考音频校验，以及 TTS 能力。