声音克隆采集标准与参考
声音克隆 — 音频采集标准：
1. 音频时长
有效音频时长：1-3 分钟；
2. 录制准备
根据不同使用场景准备文本内容，确保内容与目标语境相符（朗读、直播、日常口语等）；
3. 录制环境
录制环境必须安静，背景噪声低于 40dB。可以使用"分贝仪"App 测试环境噪声水平；
录音应无回声、无混响、无噪声；
4. 录制设备与参数
录制设备推荐使用降噪麦克风或无线领夹麦克风（"小蜜蜂"）；如条件允许，建议加装防风罩或防喷罩；
音频录制建议采用 48kHz 采样率；
音频请保存为 WAV、AIFF、M4A 等无损格式；不要保存为 MP3 等压缩格式；
5. 关于说话人
说话人不宜离麦克风太近，以免出现喷麦和录入呼吸声；每句话应一口气顺畅说完；
发音应清晰、吐字清楚，句与句之间停顿明确；
句与句之间停顿 1-2 秒；
全程保持语气和风格一致，避免混入不同情绪。
6. 声音与形象要求的区别
V2 数字人形象对源素材要求很高 — 你必须正常说话、佩戴降噪麦克风、保持环境安静，并录制至少三分钟的视频；
V5 数字人形象对源素材要求较低 — 源视频可以带正常说话，也可以不说话，最短 3 分钟；训练 V5 数字人形象前需要启用 GPU 加速，V2 则不需要；
V9 声音占用的电脑性能更低；V6 声音比 V9 略高，但不会造成直播卡顿。所有声音录制的要求：正常说话（不要念数字）、佩戴降噪麦克风、保持环境安静且完全无噪声。如果源音频有噪声，请用 CapCut（剪映）做降噪处理。