如何在家录制干净的声音克隆参考音频

好用的声音克隆参考不需要录音棚，它需要的是让一个说话者非常容易被识别的录音。昂贵设备也救不了强回声、风扇或背景第二个人声。

IndexTTS Online 接受短参考，因此目标是获得几秒干净声音，而不是制作完整播客。

先选房间，再选麦克风

硬、空表面容易反射声音。厨房、卫生间、楼梯间和空房常有明显混响；窗帘、地毯、软家具、床品和书籍会吸收更多反射。

在几个房间分别拍手、说同一句话并录下来，选择辅音清楚、声音没有长拖尾的空间。

优先关闭风扇、空调、开窗交通声、高负载电脑风扇、电视音乐等，而不是先上降噪软件。录音前先安静听十秒。

保持稳定距离，不要手持造成摩擦声，也不要远到主要录进房间声。试两三个距离，选择最近但仍自然的一档。

停止打字、关闭让风扇狂转的任务、稳定朝向麦克风，并直接和手机录音比较，选择更干净的来源。

USB/XLR 提供更多控制，也可能录进更多房间声。遵循拾音方式和合理距离，并监控响音节是否削波。若手机反而更干净，就用手机。

参考要接近最终任务的声音。中性旁白就录自然会话，不要拿喊叫、耳语、唱歌或夸张角色声作为默认参考。

避免整段只有数字、姓名、缩写、重复词或不自然背诵口号；使用有连接的自然句子。

任何第二个人声都应重新录制或裁掉。质量和权利两方面都只应使用你拥有或已获得许可的声音。

可以录普通速度、稍慢但自然、休息后再来一遍。用耳机比较清晰度、回声、底噪、音量和代表性，而不是挑最“有表演感”的一条。

响词出现爆裂时，离麦克风稍远或降低 gain。已经削波的波形无法靠后期降音量恢复；录得过轻则会放大环境噪声。

不要从半个辅音开始，也不要在词中结束。前后留少量 room tone，之后再裁掉过长静音，并避免点击、敲键盘、椅子移动等声音。

参考是模型输入，不是成片。音乐、音效、reverb、radio filter 和重压缩都应该留到生成后的编辑阶段。

轻度处理可能有帮助，过强 voice isolation 会制造金属边、辅音缺失和水声。比较原始最干净 take 与轻处理版；都不好就重新录。

WAV 或 MP3 都是常见短参考格式。避免反复 lossy transcoding，并保存一份清楚命名的 master，例如 narrator-reference-clean-01.wav。

先生成普通两句，检查身份、辅音、回声、金属感和表达是否吃力。结果不好时，保持文本和模型不变，只换第二个参考比较。

安静、尽量柔软的房间；无风扇音乐和交谈；单一授权说话者；距离稳定；自然表达；无明显削波；头尾干净；无多余效果；录多个 take；最佳 take 用短生成验证。

目标不是录音棚完美，而是让模型只得到一个清楚答案：这个人平时听起来是什么样。

目标不是录音棚完美，而是让模型只得到一个清楚答案：这个人平时听起来是什么样。