声音克隆模型会学习目标声音的音色、节奏、口音与情绪“指纹”。现代系统只需一小段干净的语音样本，就能生成可朗读任意新文本的克隆声音。
负责任地使用，它是创作者的得力工具：无需录音就能为新脚本配音、无需重录就能更新常青视频，或提前保存自己的声音以防日后失声。用得不当则有深度伪造风险——务必取得声音所有者的同意。
克隆声音是怎样生成的
模型会听取样本，提取让这个声音可以被辨认的特征：音高范围、共鸣、元音的发音方式、节奏和呼吸。它不会保存样本中的句子。之后，语音合成模型就用这些特征朗读任何新文本。质量更取决于样本本身而不是时长：一位说话人、安静的房间、没有音乐、自然的表达，胜过一段又长又嘈杂的录音。
在 VlogMe 中克隆声音
在 Audio Studio 中，您可以用一段 20–60 秒、只有一位清晰说话人的样本克隆声音，样本可从设备上传（最大 8 MB），也可从 Lab 中选择。创建前，您需要确认已取得说话人的同意并有权克隆该声音。克隆完成后，它会与 ElevenLabs 音色库中的声音一起出现在 AI Voiceover 和 Voice Changer 的声音选择中。每个账户最多保存三个克隆声音，您可以随时删除。
示例：一位瑜伽老师在安静的房间里用一分钟读完一段舒缓的文字，克隆了自己的声音。每周她输入下一节课的开场脚本，用克隆声音生成配音，再把音轨用在由自己的肖像制作的数字人视频中。只录一次，就能每周发布。
限制与风险
- 克隆复现的是声音，而不是表演：平静说话的样本无法逼真地喊叫、唱歌或哭泣。请按需要的风格录制样本。
- 口音和情绪迁移到其他语言时并不完美，发布前请逐条试听。
- 只有在声音所有者许可的前提下才能克隆，而且只能用于其同意的用途、语言和期限。禁止使用未成年人的声音，也禁止模仿公众人物（服务条款第 6 节）。
- 如果本人撤回同意，请删除克隆声音以及使用它的项目。
常见问题
样本需要多长？
在 VlogMe 中为 20–60 秒。一位说话人清晰地说上一分钟就足够了；更长、更嘈杂的文件并没有帮助。
可以克隆名人或亲人的声音吗？
只有在对方许可的情况下才可以。声音属于个人特征，公众人物的声音还常作为其形象的一部分受到保护；未经同意不得克隆。
克隆的声音能说其他语言吗？
ElevenLabs 的多语言模型可以用克隆声音说其支持的语言，并在很大程度上保留声音特点。发布前请检查每种语言的发音。
