声音技术与创作

Qwen3-TTS：CustomVoice、VoiceDesign 和 Base 怎么选？

同一个模型家族，三种声音入口。按已有音色、文字设计和参考录音，找到适合你这段作品的起点。

继续阅读

15 篇文章 · 模型 / 创作 / Agent

Qwen3-TTS、VoxCPM2 与 OmniVoice：三条语音生成路线

声音先变成什么，模型再怎样把它生成出来？从离散编码、连续表示与扩散生成，看懂三个模型家族的技术取舍。

声音与创作2026 年 11 月 3 日

一段声音里，除了文字还有什么？

同一句话，重音、停顿和语调不同，听到的意思也会变化。理解这些表达信息，才能更准确地听懂和评价 AI 语音。

声音与创作2026 年 11 月 3 日

声音的身份与表演：克隆音色之后，还有多远？

听起来像某个人，与把一句台词说得合适，是两种判断。以角色创作为例，讨论参考录音、声音连续性与表达控制。

声音与创作2026 年 11 月 3 日

从演示样音到长篇作品：语音模型的另一场考试

一句话的自然度，只是长篇声音制作的一部分。章节、上下文、连续性与修订，如何改变我们评价模型的方式？

Agent 与工作流2026 年 11 月 3 日

声音作为一种工具：AI Agent 的音频工作流

从访谈录音到双人节目，Agent 怎样发现能力、复用声音、处理修改，又应该在哪些地方停下来让人判断？

声音设计、声音克隆与语音生成：区别是什么，模型怎么搭配？

先确定用谁的声音，再让它读新的内容。用具体例子理解三个概念，以及 Sonano 中设计模型、声音库和生成模型的关系。

VoxCPM2：用声音设计和参考录音，找到合适的旁白

30 种语言、文字设计和可控克隆分别意味着什么？从一个短段落开始，把模型能力用进旁白和角色创作。

Qwen3-ASR 和 Whisper 怎么选？从语言、时间戳和校对开始

转写模型的选择不只有准确率。把语言、字幕时间和后续修改放在一起，建立适合自己素材的比较方法。

在 Mac 上把音频或视频转成 SRT 字幕

准备媒体、选择模型、校对文字和时间，再导出与原片或剪辑版本匹配的字幕。

在 Mac 上制作本地有声书：分章、试听与导出

用 EPUB、TXT 或 Markdown 建立项目，先检查章节和声音，再逐章生成可继续修改的有声书。

Agent 与自动化2026 年 11 月 3 日

让 AI Agent 调用本地声音：从接通到拿到第一个音频

用 Connect Agent 连接 Sonano，发现可用模型与声音，完成一个小任务，再检查真正交付的文件。

本地 TTS 还是云端配音？按你的制作方式来选

从稿件去向、设备资源、重复生成和修改成本四个方面，判断哪条声音制作路线适合自己。

做声音克隆前，先准备好这段参考录音

录音里的人声、背景和转写，都会影响下一次生成。用一段短测试，找出值得保留的声音素材。

Whisper 怎么选？把模型大小和转写校对一起考虑

从一段真实录音开始，比较识别、等待时间和修改成本。模型转出来的文字，还需要怎样变成可用的字幕？