语音：配音、口播与语音转文字

把写好的文字读成人声，或者把一段录音变成能搜索、能编辑的文字。不用装剪辑软件，也不用自己开麦克风录——在 Chat 里说一句就行。

平台的语音是两条方向相反的能力：合成（文字变声音）和识别（声音变文字）。下面分开说。

文字变声音

能拿来做这些事：

直接说要什么就行：

把这段文案配成音，声音沉稳一点，语速慢一些

音色可以说感觉，也可以自己挑：「年轻一点的女声」「像纪录片旁白那种」「带点情绪，别太平」都能直接说。听完不满意就说哪里不对——「太急了」「这句重音不对」——改的是同一段，不会给你换成另外一段。

想自己挑的话，去个人中心找到「素材库」下的 音色库。那里摆着全部 600 个可选音色，男声女声都有，年龄从童声到七十岁。

默认按气质分组——温柔亲和、沉稳磁性、明亮活力、清冷理性、软糯童真这些，因为挑声音时脑子里想的通常就是这个。分组方式可以随时切成按用途、按年龄或按性别；再配上性别、年龄、气质、用途四组筛选和一个搜索框，六百个音色几下就能收窄到十来个。

每个音色都能点一下直接试听。听到合意的，记住它左边那个编号（点一下编号就复制了），回到对话里说一句就行：

用 318 号音色给这段台词配音

不用记音色的名字，编号就够了。拿不准某个编号是谁，直接问「318 号是什么声音」也行。

给动态漫画配音时尤其建议先来这里挑一遍：一部片子里几个角色如果声音区分不开，观众会一直出戏，而在这里花两分钟挨个试听，比配完一整话再返工划算得多。

把音频文件发进 Chat，或者给一个能打开的链接，然后说要什么：

这个录音帮我转成文字，分好段落
给这条视频生成中文字幕

录音里有好几个人说话时，提问时说一句「有三个人」，分段会准不少。

合成的音频和生成的字幕都是文件，会出现在这次对话下方的产物列表里，点开就能下载。也可以不下载，直接接着说「把这段配音放进刚才那条视频」，它会接着用。

做动态漫画时配音不是单独一步，而是排在画完之后：每句台词念多久，决定了对应那一格在片子里停多久。所以顺序是先写台词、再画、最后配音合成；反过来先画完再补台词，就会出现画面三秒、话七秒，只能重排。

每个角色的声音会单独记成一张声音卡，和角色卡并排放在设定集里：上面写着这个人该怎么念（「清亮偏软的少女声，语速偏慢，句尾略上扬」），以及调高调低、快慢这些设定。第七话开配之前先看这张卡，所以第七话和第一话是同一个声音。你也可以点开设定集里的声音卡直接看它记了什么。

配好的音频会一条条挂到对应的那一格上，和画面一样算作品的素材，素材清单里能看到「第 3 话配音 18/20」。整条流程见 15-dynamic-comic.md。

没有实时语音对话。 平台只有「把文字合成一段音频」和「把一段音频转成文字」这两条，不能像打电话那样一来一回实时说话。用合成加识别拼起来也不行，那是批处理，延迟完全不是一回事。

长稿不会被截断。 超长的稿子会自动分段合成再拼起来，你拿到的是完整的一条。

中英文都可以，中英混排的稿子也能读。

下一步推荐：15-dynamic-comic.md