声音克隆该录什么？一段好样本比设备更重要

声音克隆只需要一小段录音。也正因为文件很短，很多人会随手对着手机说一句，上传以后才发现：声音像自己，又不太像；有时发闷，有时每个字都带着房间里的回声。

SpeechGen AI 接受 5–30 秒、5MB 以内的语音样本。设备不是最关键的，真正重要的是这段声音够不够干净、稳定、自然。

录多长比较合适

5 秒能用，但能提供的信息比较有限。30 秒是上限，也不意味着一定要录满。

对大多数人来说，15–25 秒比较从容：能覆盖不同发音和节奏，录坏了重来一次也不费劲。尽量一口气录完，不要把三四个小片段剪到一起。不同片段的距离、音量和环境底噪稍有变化，拼接处就会很明显。

用平时说话的声音就好。除非你希望结果一直像播音腔，否则不用故意压低嗓子；也不要在同一段里一会儿耳语、一会儿大喊、一会儿模仿角色。

房间往往比麦克风更重要

一部手机放在安静的卧室里，通常比一支昂贵麦克风摆在空厨房里更实用。

墙面、玻璃、空桌子都会反射声音。你说完一个字，后面会跟着一层很薄的回声。可以靠近窗帘、衣柜、沙发，或者在旁边放一条折叠的厚毯子。它不是什么专业声学工程，但对短样本很有帮助。

如果条件允许，录音前把风扇和空调关半分钟，手机切到飞行模式，关好门窗。按下录音后先别急着说，留两秒安静。回放时如果这两秒里已经能听到电视、人声或持续嗡鸣，最好换个位置。

距离要稳，声音不用特别大

麦克风离嘴大约一掌远，稍微偏向侧面，通常能减少喷麦。录音时不要来回走动，也别一会儿靠近、一会儿后仰。

波形几乎看不见，可以稍微靠近；波形反复顶满、回放有破裂感，就退远一点或降低输入音量。大声不等于清楚，稳定才更重要。

该说什么

样本文字不用华丽。选一段正常人会说的话，包含长短不同的词、一个问句和一次自然停顿即可。不要整段都是数字，也不建议用绕口令或塞满生僻人名。

可以直接读这一段：

今天出门时，天气比想象中凉快。我在路口多等了一会儿，顺便听见树叶被风吹动的声音。你准备好了吗？我们现在开始。

如果要录英文，可以试试：

This morning I took the longer route home and noticed how quiet the street had become. Would you like me to tell you what happened next? I can start whenever you’re ready.

不必追求毫无感情地“标准朗读”。放松、清楚、有一点自然起伏，比每个字都像考试更好。

上传前戴耳机听一遍

手机外放容易掩盖问题，耳机更容易听见底噪和回声。确认下面几件事：

1. 每个字都听得清；
2. 背景里没有音乐、电视或其他人的声音；
3. 中途音量没有突然改变；
4. 这是你自己的声音，或者你已经获得明确授权。

可以剪掉过长的开头和结尾，但不要为了“绝对干净”使用很重的降噪。过度处理会让声音边缘发金属味，这种质感也可能被带进克隆结果。

准备好后，进入AI 声音生成器，选择克隆声音并上传样本。如果第一次效果不对，优先回头检查原录音，而不是连续改一堆生成参数。重新录一遍，往往比修一段有回声的文件更省时间。

最后别忘了：声音克隆也涉及授权。只使用自己的声音，或已经获得清楚许可的声音。公开发布前，可以先读一下声音使用政策。