【资料】ElevenLabs专业语音克隆(PVC)训练脚本:2小时时长免费分享

ElevenLabs研究室现公开内部使用的10部分PVC(专业语音克隆)训练脚本。本套脚本专注于纠正AI语音克隆的常见错误,涵盖数字读法(如010-1234-5678、3,141,592、2026年)、单位符号(℃、%、㎡、mg)、英语缩写(AI、CEO、MRI、CPU、API、GDP)及各类外来语发音。从自然的生活对话、商业交流到长篇纪录片解说,甚至涵盖了广告、直播带货、有声读物、导航及ARS等实战场景。录制全长2小时的脚本,将从根本上解决AI发音不准的问题,显著提升语音克隆的自然度与准确性。

ElevenLabs AI 语音训练指南

 

你好,欢迎来到 Sonetho。⚡

在上一篇博文中,我们提到了“优质的文案才能造就出色的 AI 音色”
为了响应广大用户的强烈需求,我们将 Sonetho 内部使用的[AI 语音训练专用全套脚本(第 1-10 部分)]在此完全开放。

 

这套脚本经过精心设计,重点涵盖了 AI 最容易出错的数字、单位、特殊符号及英文缩写,旨在从源头上彻底根除所谓的“发音崩坏”现象。


🎙️ 录音前的必备指南(编辑部的实战建议)

录制不仅仅是把文字读出来。想要成功打造完美的 PVC (Professional Voice Clone),请务必遵守以下原则。

 

1. “20 分钟”定律(嗓音管理)

请勿一次性连续录音超过 1 小时。超过 20 分钟后,声带会疲劳,状态也会下滑,导致录音前后半段的音质不统一,这对 AI 训练是致命的。
→ 建议每录制 20 分钟就充分休息后再继续。

 

2. 如果剪辑困难?使用“分段录制”策略

如果你不擅长音频剪辑(降噪、去静音),可以采取“按段落录制”的方法。
点击录音,完整且完美地读完一段后停止。
你可以上传多个独立文件给 ElevenLabs(完全没必要强行合并成一个文件!)。

 

3. 语速保持“自然”,但要“精准”

如果读得太慢,AI 会把那种缓慢的语调一并学进去。
请保持平时的说话语速,专注于发音清晰,避免含混不清。

 

4. 保持语调与情绪统一(重中之重★)

下方的脚本包含了新闻、小说和技术文档等不同类型。
但请千万不要模仿播音员随意切换表演腔调
如果你想打造的是“沉稳的旁白音”,那么所有文案都要以沉稳的语调读出
这样 AI 才能建立稳定的音色特征。

 


Part 1. 基础夯实

这是最基础但 AI 最容易出错的数字和字母部分。
请参考括号内的发音指南,清晰准确地录制。

 

[数字发音练习]
一、二、三、四、五、六、七、八、九、十。
这里有二十个苹果和三十支铅笔。
我今年四十五岁。
壹、贰、叁、肆、伍、陆、柒、捌、玖、拾。
百、千、万、亿、兆。

会议定于 3 月 15 日(三月十五日)下午 2 点 30 分(两点半)开始。
我的电话号码是 138-1234-5678(一三八,一二三四,五六七八)。
该项目的总预算定为 5 亿 7 千 8 百万(五亿七千八百万)人民币元。
以 2023 年(二零二三年)为准,中国人口约为 14 亿(十四亿)。
圆周率约为 3.141592(三点一四一五九二)。
这台笔记本电脑的重量是 1.25kg(一点二五千克)。
1/2(二分之一)等于 0.5(零点五)。3/4(四分之三)等于 0.75(零点七五)。

 

[符号与单位读法]
本季度销售额增长了 15%(百分之十五)。
该产品的折扣率在 30%(百分之三十)到 40%(百分之四十)之间。
电子邮箱地址是 [email protected](example 艾特 domain 点 com)。
网站地址是 https://www.google.com(https 冒号,斜杠斜杠,www 点 google 点 com)。
一百美元按当前汇率折合人民币约 720 元(七百二十元)。
我兑换了 2,000€(两千欧元)作为欧洲旅行预算。
日元通常以 10,000¥(一万日元)为单位进行结算。
今天北京的气温是 27℃(二十七摄氏度),换算成华氏度是 80.6℉(八十点六华氏度)。
从这里到目的地的距离约为 5km(五千米)。
我的身高是 178cm(一百七十八厘米),体重是 72kg(七十二千克)。
这个水瓶的容量是 500mL(五百毫升)。

 

[缩写与年份读法]
AI(人工智能)技术是第四次工业革命的核心动力。
他被任命为公司的 CEO(首席执行官)。
人类的遗传信息储存在 DNA(脱氧核糖核酸)中。
美国联邦调查局,即 FBI(联邦调查局),负责处理重大案件。
一个国家的经济规模通过 GDP(国内生产总值)来衡量。
网页通常使用 HTML(超文本标记语言)编写。
1997 年(一九九七年),中国向国际货币基金组织(IMF)申请了紧急救助。

我出生于 1956 年,1986 年开始经商,2013 年结业。

从 2025 年起经过 5 年后的 2030 年,世界又将发生怎样的变化呢。
流行音乐(Pop Music)已经成为全球性的文化现象。
文档通常以 PDF(可移植文档格式)文件形式共享。
为了企业成长,R&D(研发)投资是必须的。
世界卫生组织 WHO(世界卫生组织)在应对传染病方面发挥着重要作用。
YouTube(YouTube)是全球最大的视频平台。

 

[多元主题练习]
宇宙之广袤超乎我们的想象。
地球属于太阳系这个微小的空间,而太阳系在银河系数以亿计的恒星中仅仅是沧海一粟。
据推测,银河系中约有 1000 亿到 4000 亿颗恒星。

中国古代的造纸术与印刷术是对世界文明的伟大贡献。
当时百姓虽然有自己的语言,却不得不借用汉字来记录。

股市受无数经济、社会及政治因素影响而不断波动。
投资者会通过分析企业的财务报表、增长潜力和行业动态来做出投资决策。


下午 3 点的阳光将老书房的尘埃也染成了金黄色。
他陷在旧皮革沙发里,神情漠然地望着窗外的榉树。

 

☕ 稍等!口渴了吗?喝口水,休息 3 分钟再继续吧。

 


Part 2. 进阶与应用

本阶段将学习复杂单位、日期及连贯文意的表达。

 

[复合数字与单位]
1988 年 9 月 17 日,汉城奥运会开幕。
这座建筑的高度为 305 米,比摩天大楼还要高。
原子序数第 92 号元素是铀。
森林覆盖了总面积的三分之二。
考试得了 98 分,平均分提升了 3.5 分。
水在摄氏 0 度结冰,100 度沸腾。
那场比赛以 3:2(三比二)逆转获胜。
地址是北京市朝阳区建国路 152 号,42 楼。

 

[补充符号与缩写]
请在重点部分标注 *(星号)。
活动期限为 12 月 1 日至 12 月 31 日。
他的论点基于 A > B(A 大于 B)的逻辑。
Wi-Fi(无线网络)密码必须包含字母与数字的组合。
强调企业社会责任的 ESG(环境、社会和公司治理)管理正变得日益重要。
联合国 UN(联合国)是为维护世界和平与安全而设立的。
为了保护个人隐私,建议使用 VPN(虚拟专用网络)。

 

[进阶主题阅读]
如今,互联网已成为我们生活中不可或缺的部分。

我们通过万维网(World Wide Web)搜索信息,发送邮件,交流情感。
人体是一个由约 37 万亿个细胞构成的复杂而精密的系统。

血液循环系统负责为这些细胞输送氧气和营养,并排除代谢废物。
荷兰后期印象派画家文森特·梵高是世界上最受爱戴的艺术家之一。

他的作品以强烈色彩、厚重颜料质感以及情感激昂的笔触而著称。
塑料因其轻便、坚固且便宜的特性,在 20 世纪彻底改变了人类生活。

然而,便利的代价是严重的生态污染。
虽然我们认为人类是理性的动物,但有时也会做出非逻辑的判断。

其中的原因之一,就是一种名为“确认偏误”的心理倾向。

 

[公式与专业术语]
勾股定理表达式为 a²+b²=c²(a 的平方加上 b 的平方等于 c 的平方)。
电视屏幕比例通常为 16:9(十六比九)。
该软件的最新版本为 v3.0.1(版本三点零点一)。
水的沸点在 1 个大气压下为 100℃(一百摄氏度),绝对温度为 373.15K(开尔文)。
臭氧的化学式为 O₃(臭氧)。
比赛结果为 2-1(二比一),遗憾落败。

 

[商务缩写]
最近中美 FTA(自由贸易协定)修订谈判达成共识。
我们公司主要专注于 B2B(企业对企业)业务。相比之下,电商平台等公司属于 B2C(企业对消费者)模式。
增强现实 AR(现实增强)与虚拟现实 VR(虚拟现实)技术是元宇宙的核心。
开发者通过调用 API(应用程序接口)来使用其他服务的功能。
该作品受 ©(版权)符号保护。

 

[新领域阅读]
地球表面并非一块完整的陆地,而是由多块巨大的碎片,即“板块(Plate)”构成。

这些板块因地幔对流作用,正以极其缓慢的速度持续移动。
民主国家的政府为了防止巨大权力集中于一处,

采用了将权力分散给不同机构的“三权分立原则”。
区块链是第四次工业革命的核心技术之一,可定义为“分布式数据存储技术”。
足球是全球范围内最受欢迎的运动,

由 11 人组成的两个队伍利用脚或头将球踢入对方球门来得分。
中国古代诗人李白是唐朝最具代表性的浪漫主义诗人。

他的诗歌中蕴含着对自由与广阔天地的深切向往。

 

☕ 完成一半了!嗓子还好吗?如果已经过去 20 分钟,请一定要休息一下。


Part 3. 高级与专业领域

此部分涉及金融、技术、医疗等专业内容。核心在于缓慢而清晰地阅读,避免发音缠绕。

 

[金融与经济]
今日上证指数上涨 0.8%(百分之零点八),收于 2750.35(两千七百五十点三五)点。
该公司的市盈率,即 PER(市盈率)约为 15 倍(十五倍)。
许多初创公司在成为独角兽企业后,目标是通过 IPO(首次公开募股)在纳斯达克上市。
近日,美联储将基准利率维持在 5.25%(百分之五点二五)至 5.50%(百分之五点五零)之间。
美元兑人民币汇率约为 7.23(七点二三)。

 

[技术与其他]
该应用程序的设计逻辑非常直观,注重 UX(用户体验)和 UI(用户界面)。
非军事区 DMZ(非军事区)已成为象征和平的区域。
身体质量指数 BMI(身体质量指数)是衡量个人肥胖程度的常见指标。
参加派对与否,请在周五前回复 RSVP(请回复)。
该药品的单次建议剂量为 500mg(五百毫克)。
电脑显卡采用了 NVIDIA(英伟达)的 GeForce RTX 4090(GeForce RTX 四零九零)型号。
本次会议预计于下午 2 点开始。

 

[新领域阅读]
作为全球人民热爱的饮品,咖啡的起源可以追溯到 9 世纪(九世纪)的埃塞俄比亚高原。

据传说,牧羊人“卡尔迪”发现山羊在吃过某种果实后变得活力四射,这就是咖啡的最初发现。
1895 年(一千八百九十五年),法国卢米埃尔兄弟利用“电影放映机”在公众面前首次放映了电影,自此,

电影在 100 多年的时间里经历了辉煌的技术进步。
光合作用是植物、藻类以及某些细菌将太阳能转化为化学能的过程,也是生命之源。

地球上几乎所有生命都直接或间接地依赖这一过程生存。
丝绸之路并非单一道路,而是指从公元前 2 世纪到 15 世纪左右,连接亚洲与欧洲大陆的多个贸易路线网络。

 

[医疗与科学术语]
正常血压范围为收缩压 120mmHg(毫米汞柱)以下,舒张压 80mmHg(毫米汞柱)以下。
医生立即对患者实施了心肺复苏术,即 CPR(心肺复苏)。
公共场所通常配有自动体外除颤器,即 AED(自动体外除颤器)。
成年人的正常体温通常在 36.5℃(三十六点五摄氏度)至 37.2℃(三十七点二摄氏度)之间。
维生素 D 的每日推荐摄入量约为 10µg(微克)。
人类的遗传信息储存在 DNA(脱氧核糖核酸)中,通过 RNA(核糖核酸)表达为蛋白质。
计算机中央处理器为 CPU(中央处理器),主存为 RAM(随机存取存储器),辅助存储为 ROM(只读存储器)。

 

[法律与其他]
中华人民共和国宪法第 34 条第 1 款(第三十四条第一款)保障公民的基本权利。
本合同由“甲方”与“乙方”协商一致后签署。
网页结构使用 HTML(超文本标记语言),设计使用 CSS(层叠样式表),数据库管理使用 SQL(结构化查询语言)。
北京的地理坐标大约为北纬 39°(三十九度),东经 116°(一百一十六度)。
该项目的成功概率约为 85%(百分之八十五)± 5%(加减百分之五)。

 

[深度探究主题]
物理学基本定律之一的热力学第二定律,也被称为“熵增定律”。

该定律的核心在于,孤立系统的总熵,即无序度,随时间推移总是增加或保持不变,

绝不会减少。
从 14 世纪到 16 世纪席卷欧洲的文艺复兴,源自法语中“再生”或“复活”的含义。

这一时期是一场摆脱以神为中心的中世纪,重新发现人类理性和价值的伟大文化运动。
无人机是指在没有飞行员的情况下远程控制,或按预设路线自动飞行的无人驾驶飞行器。

最初为军事目的开发,近期随技术进步和成本下降,已推广至多个产业领域。
传统经济学将人类假定为始终追求自身利益最大化的理性主体,

即“经济人”。

然而现实中的人类常受情绪或偏见影响而做出非理性选择。

专门研究这一课题的学科就是“行为经济学”。

 


Part 4. 复合与综合训练

练习控制气息,完整读出复杂的公式与长句。

 

[复合单位与术语]
地球重力加速度约为 9.8m/s²(九点八米每二次方秒)。
该报告的置信水平为 95%(百分之九十五),抽样误差为 ±3.1%p(加减三个点一个百分点)。
水的密度在 4℃(四摄氏度)时最高,约为 1g/cm³(一克每立方厘米)。
元素周期表中,铁的元素符号为 Fe(铁),银为 Ag(银)。
二进制仅使用 0(零)和 1(一)两个数字。
16 进制 FF(十六进制 F F)转换为十进制为 255(二百五十五)。

 

[社会与商业]
非营利组织称为 NPO(非营利组织)或 NGO(非政府组织)。
其他详细事项请参考 etc.(等等)条目。
通过并购,A 公司(A公司)获得了 B 公司(B公司)51%(百分之五十一)的股份。
企业首席技术官为 CTO(首席技术官),首席营销官为 CMO(首席营销官)。
游戏中代表每秒帧数的 FPS(每秒帧数)与显卡性能直接相关。
他特别喜欢 RPG(角色扮演游戏)类型的游戏。
汽车品牌 BMW(宝马)是德国公司,P&G(宝洁)是美国的跨国企业。

 

[综合知识阅读]
人类大脑重量虽仅约 1.4kg(千克),却是人体中最复杂且神秘的器官。

大脑由约 860 亿个神经细胞,即神经元构成。
哥特式建筑始于 12 世纪中叶的法国,是 16 世纪前流行于欧洲的建筑风格。

该风格的最大特点是比之前的罗马式建筑实现了更高、更明亮的内部空间。
15 世纪中叶,德国金属工艺匠约翰内斯·古腾堡的发明彻底改变了人类历史进程。

他发明的“金属活字印刷术”是从根本上改变知识与信息传递方式的革命。
存在主义出现于 19 世纪和 20 世纪,是探讨人类存在根本问题与生命意义的哲学思潮。

存在主义的核心命题可以用法国哲学家让-保罗·萨特的话概括:“存在先于本质”。

 

[应用发音数据]
声强单位为 dB(分贝),日常对话约为 60dB(分贝)。
电脑显示器刷新率用 Hz(赫兹)表示,144Hz(赫兹)产品画面更流畅。
表示溶液酸碱度的 pH(酸碱值)以 7 为基准,低于此为酸性,高于此为碱性。
大气中二氧化碳浓度用 ppm(百万分之一)单位测量。
该药品有效成分含量为 2% w/v(百分之二重量体积浓度)。
东京坐标约为北纬 35 度,东经 139 度(三十五度,一百三十九度)。
古罗马建国于公元前 753 年,即 B.C. 753 年(公元前七百五十三年)。
公元 79 年,即 A.D. 79 年(公元七十九年)维苏威火山爆发。
最新 CPU 型号为英特尔酷睿 i9-14900K(i9 一万四千九百 K)。
最新电视型号为 LG OLED77C3(LG OLED 七十七 C 三)。

 

[新知识探索]
古埃及文明诞生于公元前 3100 年左右的尼罗河流域,

是繁荣了约 3000 年、人类历史上最伟大的文明之一。
算法是指为解决特定问题而制定的步骤或方法,即指令集合。

我们在日常生活中不知不觉中就在使用无数算法。
水深 200 米(米)以下、阳光几乎无法到达的深海区域被称为深海。

这里是漆黑一片、水压足以压碎骨头的极端环境。
据推测,目前全球使用的约 7000 多种语言都源于共同的祖先语言。

语言学家将拥有相似词汇和语法结构的语言分类为“语族”。

 

[专业领域发音]
硫酸的化学式为 H₂SO₄(H 二 S O 四)。
爱因斯坦著名的质能方程公式为 E=mc²(E 等于 m c 的平方)。
电压单位为 V(伏特),电流为 A(安培),功率为 W(瓦特)。
成年男性的每日推荐热量约为 2500kcal(两千五百千卡)。
光波长单位为 nm(纳米),可见光约为 400nm(四百纳米)至 700nm(七百纳米)。
投资决策时,投资回报率,即 ROI(投资回报率)是重要指标。
评估股票价值时,有时会参考市净率,即 PBR(市净率)。
该论文由某博士等 3 人(某博士等三人)共同撰写。(et al., 等人)。
项目负责人为 PM(项目经理),各分项由 PL(项目负责人)负责。
最新相机是索尼 α7R V(索尼 Alpha 七 R 五)型号。
我的笔记本 CPU 为 AMD 锐龙 7 7840HS(AMD 锐龙七 七八四零 HS)。
邮件标题上带“RE:”(回复)表示回复邮件。
FAQ(常见问题解答)是“Frequently Asked Questions”的缩写。

 

[开阔知识视野]
作为物理学基石定律之一的热力学第二定律,也被称为“熵增定律”。

该定律核心在于,孤立系统的总熵,即无序度,随时间推移总是增加或保持不变,

绝对不会减少。
14 世纪至 16 世纪席卷欧洲的文艺复兴,源自法语中意为“再生”或“复活”的词汇。

这一时期是摆脱以神为中心的中世纪,重新发现人类理性和价值的伟大文化运动。
无人机是指在没有飞行员的情况下远程控制,或按预设路径自动飞行的无人航空器。

虽最初为军事目的开发,但近期随技术进步和价格下降,已推广至多元产业领域。
传统经济学将人类假定为始终追求自身利益最大化并做出理性判断的个体,

即“经济人”。

然而现实中的人类常受情绪或偏见影响而做出非理性选择。

专门研究这一现象的学科正是“行为经济学”。

 


Part 5. 自然的日常对话

Part 1~4 侧重发音准确性,Part 5 起将学习真实人类说话的呼吸感
对话中包含语气词(“嗯”、“哦”、“啊”)和多样的结尾助词(“吧”、“呢”、“呀”、“嘛”)。为了让 AI 自然模仿,请在脚本中直接读出这些内容。
无需刻意切换角色 A 和 B 的声音,请始终用你自己的声音沉稳地读出全部内容。(PVC 是学习单人音色的模型。)

 

[与家人·朋友的短对话]
A:今晚有什么安排吗?没什么事的话要不要一起去看场电影?
B:嗯,主意不错,但明天是周一,感觉有点累啊。不如就在家里用视频平台随便看一部吧?
A:行啊,那也挺好。那就 7 点左右来我家吧,咱们点个炸鸡吃。
B:好嘞。路上经过便利店我顺便买点喝的。

 

A:妈,我下周五打算回老家。
B:真的?太好了。高铁票买好了吗?
A:买了,预定了下午 6 点 30 分出发的,到家大概 8 点左右。
B:那晚上咱们在家一起吃饭。我给你做你最爱吃的排骨。

 

[在商店·餐厅的对话]
A:你好,请给我一杯冰美式和一杯拿铁。
B:好的,拿铁需要热的吗?
A:啊,拿铁也请给我冰的吧。糖浆就不用了。
B:好的。总共 9500 元(九千五百元)。震动取餐铃会提醒您的。

 

A:老板,这个尺码看起来有点大,还有小一号的吗?
B:您稍等,我查下库存。95(九十五)码确实只剩下最后一件了。
A:那我可以试穿一下那件吗?
B:当然可以。试衣间在里面右手边。

 

[约定时间·协调]
A:下周三午餐有时间吗?想见个面聊聊。
B:周三啊…… 12 点到 1 点半有会议,2 点以后有空。
A:那 2 点在公司一楼咖啡厅见吧?聊 30 分钟足够了。
B:好,我登记在日历里了。要是时间有变动,微信发我消息就好。

 

A:抱歉啊,能把约定时间推迟 30 分钟吗?手头工作有点忙不过来。
B:啊,没关系。那咱们 6 点半见面?
A:好,实在不好意思。到了我再联系你。
B:慢慢来就行。我就在附近先看会儿书。

 

[通话·聊天中常用的表达]
喂,请问是客服中心吗?
现在方便通话吗?能抽空聊几句吗?
啊,现在比较忙是吧。那晚点我再打过来。
刚才给你发的消息看到了吗?
给你发张照片,你帮我看看。
能麻烦再说一遍吗?没听清。
先挂了啊,到了微信联系。

 

[带有细微情绪的对话]
哎,真的吗?那是真的吗?我完全不知道哎。
哇,这比想象中好多了!谢谢你的推荐。
嗯……怎么说呢,我的看法不太一样。感觉那不一定是标准答案。
哎哟,居然发生了这种事啊。一定很受打击吧。
没关系的,谁都会犯错嘛。别太自责了。
我去,这也太牛了吧。快发张照片来看看。
嗯……不知道该怎么说,让我再想想吧。

 

💧 再喝口水。对话体的呼吸更频繁,嗓子干得更快。

 


Part 6. 专业·商务对话

相比日常对话,此领域呼吸较长,且常夹杂外来词、缩写与数字
会议、演讲、客户服务语调应比日常更清晰,但不要像老派播音员那样过度夸张。你平时在公司汇报时的语调就是最好的素材。

 

[会议主持·演讲]
大家好,人到齐了,那我们开始会议吧。
今天的议程主要有三项。第一,三季度销售回顾。第二,四季度营销 KPI(关键绩效指标)设定。第三,新员工招聘进度分享。
首先来看销售回顾。请大家看资料第 5 页(五页)。
三季度销售额同比增长 12.7%(百分之十二点七),营业利润率录得 8.4%(百分之八点四)。
特别是 B2B(企业对企业)部门增长了 22%(百分之二十二),带动了整体业绩。
接下来进入下一张幻灯片。

 

如果有疑问,现在可以提出来,或者等演讲结束一并解答也行。
请问现在屏幕看得清楚吗?后排的各位,字体大小可以吗?
好,那我们继续。
这部分比较复杂,我会慢慢说明。
简单来说,本季度的核心在于提升留存率。虽然新用户增长了,但 30 天后的留存率徘徊在 41%(百分之四十一)。
将这个数字提升到 50%(百分之五十)将是四季度的重中之重。

 

[客户·会议面试]
您好。非常感谢今天抽出时间。
方案草案我已经提前发给您了,请问您看过了吗?
好,那我们快速梳理一遍逻辑,再进入细节。
我们提供的解决方案由三个核心模块构成。
第一个模块是数据收集,第二个是分析与仪表盘,第三个是自动化报告。
预计第一阶段导入期为 3 个月,第二阶段扩展期为 6 个月。
总报价为税前 1 亿 8500 万(一亿八千五百万)元,支持分季度结算。

 

请问还有什么补充疑问吗?
是这样,这是一个非常好的切入点。我们的 PM(项目经理)会专门整理并于下周前给予回复。
今天讨论的内容我会整理成纪要,在下午 6 点前分享给大家。
下次会议定在下周二下午 3 点,地点不变,您看怎么样?
太好了。那就到时候见。再次感谢您。

 

[以口语形式朗读邮件·官方文档]
你好,我是营销部的同事。
针对上次会议讨论的合作事项,现附上正式方案草案。
方案要点如下:第一,联合活动范畴。第二,预算分配。第三,进度安排与 R&R(岗位职责)。恳请审阅并提出意见。
请于 5 月 30 日(五月三十日)周五前回复。如有疑问,欢迎随时联系。
感谢促成这次缘分,期待下次见面能带来更好的结果。

 

[电话会议·远程协作]
大家都听得见吗?如果语音断断续续,请在聊天框留言。
今天我们分别在中国、美国和新加坡三地接入。
开始共享屏幕了。请稍等,我改下权限设置。
嗯,看到了吗?好。
今天议程的核心是 Q4(四季度)全球发布日期。
目标是 10 月第二周内测(Beta),11 月第一周上线(GA),即正式发布。
请各地区负责人简单分享准备情况。
请确认麦克风是否已开启,解除静音后再发言。

 

[谈判·协调语气]
刚才提到的部分我完全理解。但站在我们的立场,确实存在些许困难。
价格方面我们会尽可能配合,但关于工期,能否再宽限一周?
若能如此,下个季度追加发包时,我们可以向您提议优先谈判权。
针对此方案,内部审批大概需要多久?
好,那期待下周三前得到结果。
感谢今天的探讨,期待实现更好的合作伙伴关系。

 

🪑 请起身伸展一下肩膀。会议语调中,肩部的紧张感会直接反映在声音里。

 


Part 7. 长句旁白·纪录片语感

此部分单句变得冗长,标点符号间的间隔也变宽。
为了训练 AI 的“一口气能支撑的长度”,请不要在中间断句,维持语调直到句尾。如果气息不够,这一句重录即可。

 

[自然纪录片风格]
沿北冰洋流动的寒冷洋流,在过去几百万年间从未停止过。
这股洋流不断交换着赤道的热空气与极地的冷空气,悄然调节着整个地球的气候。
然而,在过去 30 年里,北极平均气温的上升速度是地球其他地区的两倍,冰川面积每年减少约 13%(百分之十三)。
曾经覆盖着坚硬冰层的海域,如今每年夏天都化作广袤的蔚蓝,这一变迁正在改写在那里生活的每一个生命的生存时间表。

 

在太平洋深海,水深 1000 米(米)以下的黑暗中,无数适应了少光环境的生命正在繁衍。
此处的鱼类进化出了能够自我发光器官,有些物种为了仅有一次的相遇,甚至穷尽一生在黑暗中漂泊。
深海是人类至今探索度不足 1%(百分之一)的领域,里面隐藏着怎样的生命与奥秘,我们尚不得而知。

 

[人物纪录片 — 沉稳回忆风]
他第一次拿起相机是在十七岁,那个继承父亲旧胶片相机的夏天。
那天,他拍下了坐在巷子尽头的一位老人的脸,几天后在洗出的照片里,他第一次直面了某种从未见过的表情。
那一刻,他才明白照片不仅仅是记录风景,而是将某人的时间切片定格下来的动作。
四十年后的今天,他的作品已陈列在世界 30 多个国家的美术馆,但他仍如是说:“我只是仍在追逐那第一张照片里的表情。”

 

[历史纪录片基调]
1453 年(一千四百五十三年)5 月,延续千年的东罗马帝国首都君士坦丁堡最终陷落。
出现在巨大城墙前的新武器,那门长达 8 米(八米)的青铜巨炮,仅仅用了几天时间就摧毁了那个时代人类已知的所有防御理念。
一个时代的终结同时也意味着另一个时代的启幕。城中的学者带着书籍与知识向西迁徙,他们携带的古希腊思想与文献,日后成为了意大利文艺复兴这场伟大文化运动的火种。

 

[科学纪录片 — 沉稳说明基调]
在天空中的所有星辰中,距离我们最近的半人马座阿尔法星约有 4.37 光年(四点三七光年)之遥。
这意味着以光速,即每秒约 30 万 km(三十万千米)的速度,不间断奔跑 4 年零 4 个月才能抵达。
今晚我们看到的星光,其实是 4 年前的光芒。
观察宇宙,或许就如同逆流时光而行。越遥远的星辰,我们就越是在此刻目睹其遥远过去的样貌。

 

[散文·回忆 — 最长呼吸要求]
有些季节,仿佛只有在时光流逝后,才会被赋予名字。
那年的秋天便是如此。
并没有发生什么惊天动地的事件,我们也没有从中下定什么决心,但如今回首,一切似乎就是从那时起开始慢慢改变。
熟悉的街道风景变得陌生,每天擦肩而过的脸庞开始变得异样清晰。
那时我们并未察觉。那竟然是我们与一段时光缓慢告别的方式。有些终点毫无声响,没有只言片语,就像季节更迭一样,悄然离开了我们身边。

 


Part 8. 扩展情感·强调幅度

PVC 学习的是同一个人的声音,所以不需要“扮演不同角色”
但要展示出同一个人能拥有的情绪跨度,AI 才能对语调变化做出更丰富的反应。
录制每一行时,请仅投入该行所需的情绪,进入下一行时,请迅速回到默认基调。

 

[喜悦·欢欣]
哇,真的吗?合格了?太感谢了!
终于成功了。这是我等待已久的时刻。
这不是梦吧?开心得快要流眼泪了。
哈哈,今天真是令人难忘的一天。
谢谢。真心感谢你。

 

[沉稳的悲伤·惋惜]
没关系。我们已经尽力了。
是啊,这是不可抗力。谁也不怪。
如果能回到当时那个位置,真想再抱一下你。
今天我想早点回去。对不起。
听到那首歌,我依然会想起那天。

 

[惊叹·感佩]
嗯?这是什么?明明放在这里的。
等一下,是真的吗?那真的是事实?
天哪,居然还有这种事。
哇,这比想象中大得多呢?
啊,原来如此。现在我明白了。

 

[冷静的果断]
抱歉,这部分实在难以让步。
不。这并不是我起初提到的条件。
再次声明,日期不会变动。
这一次我们必须当面谈清楚。
我会坚守我的立场到底。

 

[温暖的慰藉·共鸣]
很辛苦吧?谢谢你能坚持到现在。
不是你的错。真的,那是谁也无法阻止的事。
今天什么都别想了。好好休息吧。
我会陪着你的。慢慢说没关系。
会好起来的。只是还需要一点时间。

 

[速度·重音变化练习]
这真的、真的、真的非常重要。请务必记住。
慢慢地……调整呼吸……重新开始。
快速讲重点,A 方案、B 方案、C 方案中,B 方案最合理。
等一下。在这里,问题就是从这个点开始的。
先讲结论吧。我们达成了本季度目标。

 

🎚 情感区语调很容易飘。录完一个框后,请用日常语调读一两句作为过渡,再进入下一框。

 


Part 9. 实战应用 ① 广告·视频内容

这是AI 配音需求最大的领域。
广告·短视频语调比日常对话更清晰,但避免旧式广播员那种夸张的腔调,听起来会很不自然。“清晰表达的普通人”即可。

 

[汽车·家电广告]
改变的不仅是设计。全新的 2026(二零二六年)款,更静音,更远航。
一次充电续航 612km(六百一十二千米)。每一天都更自由。
为你的生活增添静谧的革命。现在,前往附近展厅亲身体验吧。
3 年无息分期,首月免付福利仅限本月。

 

全天开启也无需担心电费,全新的变频空调。
适用面积 33㎡(三十三平方米)以内,只需 5 分钟即刻清凉。
现在购买即赠送 1 年份空气净化滤网,并提供免费上门安装服务。

 

[化妆品·美妆广告]
你的肌肤每天都在讲述不同的故事。今天的状态如何呢?
一滴就足够。封存 1ml(一毫升)里的 24 小时水动力。
触及肌肤瞬间,纹理即刻细腻。清晨节省 5 分钟的最简方案。
现在下单,附赠 4 周份迷你套装。

 

[IT·APP·SaaS 广告]
繁杂的工作,点击一下即可整理。
5 人以内团队永久免费。无需信用卡,30 秒即可开始。
每天重复的报告,现在 AI 帮你代劳。
导入首月,30%(百分之三十)优惠。现在就是最佳时机。
详情请见视频描述栏链接。

 

[YouTube — 开场·结尾]
大家好,我是 Sonetho的 Eleven。
今天我们要聊聊大家强烈要求的主题:'用 AI 配音最快赚钱的方法'。
如果视频对你有帮助,请点赞并关注,这对我制作后续内容是巨大的动力。
本期视频到这里。下期见,再见。

 

[短视频·Reels — 短促有力]
这个功能,还没用过你就亏了。
看 3 秒就行。算法将彻底改变。
不保存的话,以后肯定会后悔。
方法在视频最后。
看完的请在评论区留下 '完成' 二字。

 

[直播带货 — 亲切风]
来,屏幕上这款产品,仅限直播间享受 30%(百分之三十)优惠。
库存真的不多了。在评论区敲出 '购买' 的朋友优先安排。
颜色有黑色、象牙白,还有刚到的摩卡棕,共三款。
现在下单,包邮还送礼品。仅限今晚 12 点前哦。

 


Part 10. 实战应用 ② 有声书·播客·导览

最后一部分了。你能坚持到这里,真心地为你喝彩。
此部分需要最长的呼吸与最沉稳的语调。请缓慢阅读,既不沉闷,又能带给听众舒适感。

 

[有声书 — 章节首]
序幕。
那个小镇,在地图上永远无法找到。
从最近的城市开车两小时才能看到一个小牌子,连那牌子也被杂草遮了大半,第一次来的人,十个有九个都会错过它。
然而,只要踏入过那小镇一次的人,奇迹般地总会再次寻访。
那里不仅是旅行者的驻足地,更是为了重温某段往事而重返的所在,故事就是从这样一个镇子开始的。

 

[有声书 — 人物内心独白]
我曾长期恐惧着。害怕我所珍爱的一切终将离我而去。
于是我极力避免对任何事物投入过深的情感。不去太频繁地听喜欢的歌,不去太频繁地联系喜欢的人。
但随着时间推移,我明白了。那些我试图抓紧不放的东西,其实是我亲手从心里推开的。
现在我懂了。真正去爱一件事物,意味着要同时拥抱失去它的可能性。

 

[播客开场]
你好,这里是深夜电台 '睡前五分钟'。我是主持人 Eleven。
今天为了那些多日未曾安睡的朋友,准备了一个比往常更静谧的故事。
如果现在躺在床上,请调暗灯光;如果在书桌前,就试着放松一下肩膀。
今天的第一个故事,开始了。

 

[导航·交通引导]
前方约 300 米(三百米)右转。
前方 500 米(五百米)有违章拍照点。限速 50km(每小时五十千米)。
前方距离服务区约 12km(十二千米),预计到达时间下午 4 点 27 分。
重新规划路径。请稍候。
已到达目的地。感谢您的安全驾驶。

 

[语音助手·客服自动语音]
你好,客服中心。为提升服务质量,本通话可能会被录音。
订单及配送请按 1,退换货请按 2,会员相关咨询请按 3,人工客服请按 0。
目前人工坐席繁忙,请稍候,我们将尽快为您接入。
感谢您的来电,祝您生活愉快。

 

[纪录片 — 结尾基调]
或许我们真正想要记录的,并非伟大的事件或宏大的风景。
每天准时点亮的街灯、店铺小小的招牌、匆匆掠过的小贩,那些无意间留下的平凡步伐。
那些零碎场景积攒成了城市、时代,最终汇成了一个人的生命历程,我们总是太迟才意识到这一点。
这个故事,献给今天正在城市某个角落里认真生活的你。

 


你能坚持录完这漫长的脚本吗?
真的辛苦了。你拥有着前 1% 的超强执行力👍

 

请在下方评论区留下 "录音完成!" 告诉我们你的成就。
Sonetho祝贺你的 '数字分身' 诞生!

 

还没创建专属 AI 音色吗?
免费版本(Starter)不支持个人音色克隆(PVC)功能。
Professional Voice Clone(高精克隆)需从 Creator(创作版)方案起支持。

现在开启首月优惠,将你的嗓音转化为数字资产吧。

 

获取首月优惠并创建你的 PVC

 

❓ 常见问题 (FAQ)

 

Q1. 必须读完这2小时的全长稿件吗?
A. 完成全篇录音可以从根源上减少发音错误。
稿件按第1部分到第10部分分阶段构成。
顺序依次为数字读取、单位与符号、英语缩写、外来语、日常与商务对话、长篇旁白、情感表达及实战剧本。

 

Q2. 可以一次性录完吗?
A. 请不要超过20分钟。
超过20分钟后嗓子会疲劳,状态下降,导致前后部分的音色不统一。
这对AI学习是致命的。
建议录制20分钟后充分休息,再继续进行。

 

Q3. 我不会进行音频剪辑怎么办?
A. 请按段落分段录音。
按下录音键,读完一段后再停止。
将生成的多个文件直接上传即可。
不需要将其合并成一个文件。

 

Q4. 一字一句慢慢读会更好吗?
A. 如果读得太慢,AI会把那种缓慢的语调也学习进去。
请保持平时说话的速度。
只需专注于清晰发音,避免咬字不清即可。

 

Q5. 可以读任何书吗?
A. 结果会有很大不同。
这份稿件经过精心设计,旨在让AI集中学习最容易混淆的数字、单位、特殊符号和英语缩写。
稿件中刻意安排了电话号码、大数字、单位符号以及像 AI、CEO、API 这样的缩写。
此外,即便稿件包含新闻、小说和技术文档,朗读的音调也必须保持统一。

 

Q6. 使用免费方案可以制作 PVC 吗?
A. 无法制作。
高质量的 Professional Voice Clone 需要从 Creator 方案起才能使用。
免费版本和 Starter 方案不支持此功能。

 

谢谢。
Sonetho