做声音克隆前，先准备好这段参考录音

先选一个人说话的片段

参考录音决定模型听到的声音是什么样。访谈里两个人交叠说话、音乐压在人声下、房间回声很重时，模型需要从这些声音里辨认目标说话人。开始之前，先找一段只有目标说话人、内容完整且能听清的录音。

如果可以重新录，保持麦克风位置和说话音量稳定，避开风扇、键盘和碰麦声。先回放原录音：爆音和截断的词通常值得重录。素材时长和格式遵循所选模型及 App 的要求，不必为了“更多资料”拼接大量不同环境的片段。

让参考文字与录音逐字对应

需要参考转写的克隆路径里，文字应对应这段录音真正说出的内容。录音说的是“我们周五见”，就不要填写“我们星期五下午见面”。改写得更通顺，会让音频和文字失去对应关系。

自动转写可以作为起点。回放检查人名、数字、外语和语气词；裁掉录音开头或结尾后，也要同步修改参考文字。Qwen3-TTS 官方的标准克隆示例使用的就是参考音频与对应转写。

用新的内容检查声音

不要只让模型重复参考录音里的原话。准备一段没有出现在参考录音中的短文，包含作品里会用到的人名、数字、问句和长一点的句子，再听声音特征、吐字和停顿是否合适。

1. 固定模型、语言和测试文字，先比较两段候选参考录音。
2. 选出更合适的一段，再调整生成设置，每次只改少量变量。
3. 把录音与对应文字一起保存，之后仍用同一段测试文字回听。

某次生成不理想，可能与参考素材、测试文字、语言或模型设置有关。先做短测试，能减少反复生成长稿的时间。

为作品保存可复用的声音

在 Sonano 中把克隆声音保存到声音库，使用容易辨认的名字，再为对白角色或旁白选择它。多人作品先测试一轮完整对话，确认角色之间能听出区别。

跨语言生成也要另做试听：保留了相近音色，并不代表口音和发音符合目标语言。使用你自己或获得授权的录音，并确认作品的使用范围。

继续阅读 声音克隆与声音库，或查看 Qwen3-TTS 的几种入口。