基础认知
什么是 AI 声音克隆？
AI 声音克隆用一小段真人说话的录音，训练出一个声音的数字模型。有了这个模型，你输入任意文字就能得到用这个声音说出来的语音。模型学到的是音色、语速和口音特征，而不是把你的原录音切片重播。
AI 声音克隆是怎么工作的？
分四步：上传干净人声（30 秒到几分钟）→ 系统提取说话人嵌入，一段代表音色的数字指纹 → 语音合成模型把这个指纹与新文本的音素结合 → 神经声码器把结果还原成音频波形。克隆通常几秒到两分钟，之后每次合成只要几秒。
什么是神经声音克隆（neural voice cloning）？
神经指的是一种在大量语音语料上训练出来的神经网络模型，而不是早期把录音片段拼接起来的方案。神经克隆需要的原始音频少得多——30 秒就能用——而且能推广到任意新文本，不是只会复读录过的句子。
价格与积分
克隆一个声音要多少钱？
每个声音 100 积分，一个声音只收一次，之后反复使用不再收费。积分按 1 美元 = 50 积分计算，积分包 9 美元起，无月费、无订阅，余额永久有效。
语音合成怎么计费？
按输入文本的 UTF-8 字节计费：每 1,000,000 字节 4,200 积分。英文约 1 个字符 1 字节，中文和日文 1 个字符 3 字节。一篇 1000 词的英文稿约 6,000 字节，约 25 积分。
一积分是多少钱？会过期吗？
购买积分包时 1 积分 = 0.02 美元（9 美元得 450 积分）。积分永久有效，没有过期时间，也没有月费或订阅，用多少扣多少。
录音与输出
克隆需要多少录音？
实用下限是 30 秒干净的单人语音；1 到 3 分钟能明显提升相似度。请避开背景音乐、混响、多人说话和爆音。建议单声道、44.1 kHz 以上，不要过度降噪。
克隆要多久？
训练一个克隆通常几秒到两分钟，取决于样本长度和当时的队列。声音一旦出现在你的声音库里，就可以立刻用来合成。
支持哪些语言？
合成覆盖 83 种语言，而且声音模型与语言无关——用英文录一次，就能合成日语、德语或西班牙语。输出的口音跟随训练音频，所以要得到地道的本地口音，需要对应口音的录音素材。
合规与保障
声音克隆合法吗？
取决于克隆谁的声音、用来做什么。克隆自己的声音一般没有问题；克隆他人需要对方明确同意。不少司法辖区把声音当作受保护的身份标识，部分法域（例如美国田纳西州的 ELVIS Act）还明确规定了公开权。绝不能用克隆声音冒充他人、实施诈骗或误导。Resona 要求你对自己克隆的每个声音都持有权利或授权。如需按法域了解同意与披露的详细拆解——包括为译制剧克隆演员声音——请参阅我们的指南 <a href="/blog/voice-cloning-rights-consent">配音克隆的声音权利与同意</a>。
克隆的声音可以商用吗？
可以，前提是你拥有该声音的权利，或持有权利人的书面授权。商用不改变积分价格。你需要自行承担权利责任，并在法律或平台要求时披露这是合成语音——目前多个平台已要求标注 AI 生成语音。
任务失败了会怎样？
预扣的积分会自动退回。使用记录里会留下一条 REFUND 状态的明细，能看清具体发生了什么。没有拿到结果就不会被扣费。
还有别的问题？写信到 support@resonaio.com，工作日 24 小时内回复。