流程

免费 AI 配音生成器

配音是文字转语音最简单的一件事,也是大多数工具做得差一口气的那件事:一把平嗓子,一个速度,把整份稿子从头念到尾。这一页是为另一种稿子写的——有旁白,还至少有第二个声音:主播和客户、主持人和嘉宾、解说里插进来的那个角色。在网页里免费生成,导出一条 MP3,铺到你的画面下面。

为什么这条路子在这儿行得通

一份稿子,几把嗓子,一个文件

把整份稿子粘进来。以角色名开头的行交给另一个角色,其余的由旁白念。你拿到的是一条已经把停顿排好的 MP3,于是配音的老流程——每个部分分别渲染,再到剪辑软件里一条条对齐——就不存在了。

能导演,不只是照念

一句话可以被告知该怎么说。写在行首括号里的提示——(亲切一点)、(像在念警示标语)——会被演出来,不会被念出来。Pro 还能逐句给情绪,Plus 和 Pro 能逐句给语速。一条在该换挡的地方换了挡的配音,听起来像录的,不像生成的。

40 个角色,九种语言,音色不设付费墙

所有套餐,包括 Free,都能用全部 40 个库角色;每个角色都会说中文、英语、日语、韩语、西班牙语、葡萄牙语、法语、德语和俄语。角色是人设,不是一张口音清单:你挑的是想要的那个讲述者,而不是一串语种代码。中文一律是普通话,地区口音选不了。

免费档是真能开工的那种免费

Free 给的是一次性额度,中文大约够 16 分钟成片;生成和试听不扣它,只有导出才扣,每天还能合成 30 行。注册不收信用卡,首页那个演示连账号都不用登。Free 仅供个人非商业使用。

适合这类活儿的音色

Quill

Quill

从不显得无聊的 YouTube 讲解音

男声青年美式英语视频讲解清晰
用这个音色
Indie

Indie

短视频式配音:快、平、带着一点好笑

女声青年美式英语社交媒体快语速
用这个音色
Juno

Juno

边想边说、从不念稿的播客主持

女声青年美式英语播客口语
用这个音色
Hale

Hale

一只手搭在听众肩上的纪录片旁白

男声成年美式英语旁白纪录片
用这个音色
Noor

Noor

把说明密集的段落交给新闻播报级的清晰度

女声成年美式英语新闻清晰
用这个音色
Duke

Duke

预告片嗓。一口气三个词。每个都很重。

男声成年美式英语预告片低沉
用这个音色
Solène

Solène

欧陆口音,不紧不慢,听起来非常贵

女声成年英式英语优雅口音
用这个音色
Beaudie

Beaudie

什么都觉得好笑的澳洲野外向导

男声成年澳式英语口音户外
用这个音色

浏览整个音色库 →

具体怎么做

  1. 粘贴稿子

    纯文本,粘进来。稿子里不止一个声音的话,在那几行开头写上角色名加冒号;没写名字的行由旁白念。没有文件上传,所以先从你的文档里把文字复制出来。

  2. 先把旁白定下来

    挑那个扛下大部分稿子的角色,然后用你自己的第一句话试听,别用示例文本。Quill 和 Hale 是稳妥的解说选择;要像新闻那样清楚就用 Noor;Duke 只在你真想要预告片腔的时候用。

  3. 把长句拆开

    标点就是你的节奏:句号是一次停顿,换行停得更久。一句话里装了两个意思,会被念成两者的平均值,拆成两句就好了。

  4. 先定语速,再谈情绪

    用 Plus 或 Pro 的话,把旁白调得比你觉得合适的再慢一档。几乎每个人的第一条配音,对一个同时还在看画面的人来说都太快了。

  5. 整条渲染,再改三句

    先一口气从头听到尾,别边听边改。只导演视频转折的那几句——揭晓的那句、行动号召的那句——其余保持中性。

  6. 导出,铺到画面下面

    所有套餐都能导出混好的 MP3;需要把某几句单独挪位置,就导逐句 ZIP,里面有每句一个 MP3 和一张带时长的对照表。字幕是 SRT,Plus 和 Pro 能导,不额外扣额度。

一个配音生成器必须做对的三件事

按顺序说。第一是语速:配音铺在画面底下,一个同时还在看屏幕的人,需要词句来得比聊天时稍慢一点。大多数生成的配音先栽在这儿,不是音色不对,而是又快又匀——匀本身就会被听成不上心。第二是清楚:产品名、数字和缩写恰恰是人们真正要听的部分,也恰恰是合成音最容易绊倒的地方。第三是分寸:一条知识解说、一支广告、一节合规课程,要的是三种不同的讲述者,只有一把「本店音色」的工具给不了你。

CastDub 是从稿子这一端解决这三件事的,不是从设置面板那一端。语速在 Plus 和 Pro 上逐句可调,而在所有套餐上都由标点决定——句号是一次真的停顿,省略号更长,换行是一个空隙。清楚靠的是把难词单独试听,然后回到文本里改写。分寸是一次选角:40 个写好人设的角色,从新闻播报到哄睡旁白再到赛场解说,其中任何一个都能当旁白。

多数配音工具不碰的那一块,是第二个声音。知识解说里总会偷偷混进对话——一个客户问出这条视频要回答的问题,一个同事提出反对,一段用别人口吻念的用户评价——在单音色工具里,这些行要么被旁白平着念掉,要么单独生成再手工粘上去。在这里,它们就是前面写了名字的几行,交给第二个角色,混进同一个文件,前后的空隙也已经排好。

知识解说、广告、产品视频、企业课程:稿子要怎么改

知识解说要的是一个对题目感兴趣、但不表演兴趣的讲述者。Quill 就是照这个写的,超过三分钟的内容用更稳的 Hale。句子写短;产品名第一次出现时单独占一行,方便你先试听它;把「问题来了」「这对你意味着什么」这类转折写成独立的行——那正是声音该换挡的地方。

广告和预告是唯一适合用力念的场合。Duke 就是为三十秒的片子存在的,体育那一路的版本是 Axel。诀窍在对比:两句用力,其余平着来。整支广告都用预告片的强度,第二句就让人累了;而如果前一句是安静的,行动号召砸下去反而更重。

企业培训和合规课程是配音里体量最大的一类,也是对语速最敏感的一类。学员会回放,所以稍慢一点是优点而不是缺点。Noor 那种新闻式的清楚适合定义和流程;想把温度降下来的段落交给 Wren 或 Halcyon。如果课程里有情景演练——主管和员工、客户和客服——就把它写成带名字的对话,这段演练会由两个人演出来,而不是由一个人转述。

配音、旁白和译制配音是三件事

旁白是承载故事而不是承载信息的那种配音:工具是同一套,但选角偏向有声书和哄睡的那几把嗓子,句子也偏长。译制配音又是另一回事:它是把视频里已有的说话声换成另一种语言的说话声,还要对上画面、最好对上口型。CastDub 不接受视频作为输入,也不做这件事。它做的是按你提供的稿子生成那条替换用的声轨——如果你自己把稿子译好,并且准备好事后在剪辑里挪位置,简单译制里的大部分活儿其实就是这个。

如果你真正要的是拿一段现成视频、让它自动说另一种语言,专门做译制的工具更合适。如果你要的是一条干净的、导过的声轨,从稿子出发,九种语言里任选,稿子需要时还能有第二个声音——那就是这一页讲的东西。

把配音对到画面上

这里没有视频导入,也没有时间线;对时间的活儿发生在你剪片子的那个软件里。两种导出让这件事变简单。混好的 MP3 是快路子:丢到时间线上,如果整条稍微长了一点,去剪段落之间的停顿,而不是把声音整体加速。逐句 ZIP 是准路子:每句一个 MP3,加一张对照表,列出每句的角色、文本和毫秒数的时长,于是每一句都能放到画面需要它的那个位置。

两个习惯很省时间。稿子按画面出现的顺序写,一行一个视觉节拍,这样行列表本身就和你的分镜对上了。还有,动笔前先定长度——一条六十秒的视频配一百八十字的稿子,谁来念都快,而且一条本来就太长的稿子,再怎么导演也救不回来。

另外要有预期:合成的语流会比真人录音稍快也更匀,而且不会自动给画面上的动作留空档,除非你在稿子里写出来。想给画面留一拍,最简单的办法是单写一行省略号;其次是在两句之间空一行。

要花多少钱

Free

US$0 / 月

 

先听听自己的剧本配上音色是什么样,一分钱不花。

  • 生成和试听不占下载额度,每 24 小时最多合成 30 行
  • 4,500 下载额度,一次性终身(约 16 分钟成片)
  • 全部 40 个角色音色——付费墙不是音色库
  • 每个项目 2 个角色
  • 仅限个人非商业用途

Basic

US$5 / 月

 

打开整个音色库,开始把成品拿走。

  • 全部 40 个角色音色
  • 每月 54,000 下载额度(约 190 分钟)
  • 每个项目 5 个角色
  • 含商用授权

Plus

US$19 / 月

 

自己把节奏捏住:让一句自白慢下来,让一场争吵赶起来。

  • 每月 180,000 下载额度(约 660 分钟)
  • 逐句语速控制
  • 每个项目角色数不限
  • SRT 字幕导出

完整对比 →

常见问题

这个配音生成器真的免费吗?

真的,限制是写明白的,不是用到一半才发现的。Free 给的是一次性额度,中文大约够 16 分钟成片(比英语多,因为中文每分钟耗的字数少),每天最多生成 30 行,授权范围是个人非商业使用。付费档的额度按月重置,可以商用。注册时不收信用卡。

能用在我要挂广告的视频里吗?

付费档可以,Basic、Plus 和 Pro 都含商用授权。Free 是个人非商业授权,所以要恰饭的账号得上付费档。这是授权条款,不是技术限制,音频本身完全一样。

能拿到哪些格式?

所有套餐都能拿一条混好的 MP3,也都能拿逐句 ZIP:每句一个 MP3,加一张带时长的对照表。按角色分轨是 Pro,SRT 字幕是 Plus 和 Pro。没有 WAV 导出。

能指定口音吗?

你挑的是角色,不是口音。英语角色里有英式、美式和澳式的人设;英语之外一律是该语言的通用说法——中文是普通话,西语是拉美通用,葡语是巴西葡语——地区口音选不了。

品牌名念错了怎么办?

在文本里改。这里没有发音词典,所以把那个词按它该念的样子重写,复合词加个分隔,读法要紧的数字直接写成汉字。整篇渲染之前,先把这个名字单独试听一遍。

同一句重新生成会一模一样吗?

不会——重新生成是新的一遍:同一个角色,同一把嗓子,语气略有不同。已经渲染好的那一句在你动它之前不会变,所以你认可过的那条配音不会自己漂走。想换一种读法时再点重生成,想要原样不变时别点。

今晚就给第一场戏配上音

粘贴剧本,让 CastDub 给每个角色配一个音色,直接导出一部完整的有声剧。

免费开始创作

无需绑卡。免费档给的是一次性额度。