Noor
把说明密集的段落交给新闻播报级的清晰度
一眼看全
- 这是什么
- 一个免费的 AI 配音与文字转语音工作台，专为剧本而做：自动认出谁在说话，给每个角色各自的声音，逐句调整情绪，最后导出一条成片——是全员配音的广播剧，不是一个旁白把所有人的台词念一遍。
- 输入什么
- 粘贴进来的剧本。剧本格式、「角色名：台词」、带说话标注的叙述文都照原样解析，西班牙语、法语、葡萄牙语、俄语用破折号起对白的写法也认得。台词行首的括号、以及整行都是括号的那几行，会当成这一句的表演提示演出来，不会念出来，也可以在台词表里直接改。没有文件导入，所以请把文字粘进来，而不是上传文档。
- 导出什么
- 所有套餐都能导出一条混好的 MP3。Plus 起可以导出 SRT 字幕——它是按你的剧本写的，不是从音频转写的，所以人名不会写错、时间轴本来就对得上。分轨导出（每个角色一条与成片等长的音轨，外加成片本身，打包成 ZIP）是 Pro 的功能。没有 WAV 导出。
- 角色与基础嗓子
- 库里有 40 个角色，每个都有立绘、人设和样音。它们背后是 10 把基础嗓子——女 4、男 5、中性 1——这 10 把在每种语言里都是同样的几把。同一个项目里，两个角色不会共用一把基础嗓子，直到 10 把全被占用：所以最多 10 个说话人的戏能干净地分开；再多就有两个角色共用一把嗓子，靠人设和每句的表演指示分辨。你挑的是角色，不是基础嗓子。也可以克隆你自己的声音：念一段简短的同意声明，录下来就是这把声音（每个账号最多 3 把），能分给任何角色；克隆声音 9 种语言都能念、跟随语速，但不演情绪和表演提示。
- 支持的语言
- 9 种：English、简体中文、日本語、한국어、Deutsch、Français、Español、Português、Русский。库里每个角色都能用这几种语言演——角色是人设，不是一段录好的音——项目的语言在新建时定下，之后不变。英语以外一律是该语言的通用口音，地区口音选不了，也不做保证。我们没有请各语言的母语者逐一审听过，所以先拿你自己的台词听一遍再定。
- 情绪与逐句表演
- 每一句都由 AI 配音演员照着一条书面的表演指示现场演，所以 7 种情绪（平静、开心、悲伤、愤怒、恐惧、耳语、兴奋）是真的演出来的，不是靠参数凑的。给角色设一个默认情绪所有套餐都能用；逐句覆盖情绪只有 Pro 有，5 档逐句语速（0.75×–1.25×）是 Plus 和 Pro。同一句重新生成是货真价实的另一遍，嗓子不变；改动一句只会重新合成那一句。
- 价格与公测
- 一个额度等于剧本里的一个字符，而且只在下载时扣——生成和试听不扣额度，但每 24 小时有合成行数上限：Free 档 30 行，Pro 档最多 2,000 行。Free 档给的是一次性的 4,500 额度，约合 16 分钟成片，每个项目 2 个角色。付费档每月 Basic $5、Plus $19、Pro $29，年付省 10%。支付还没上线：公测期间每个账号都直接拥有 Pro 的全部功能，不花钱；但商用授权不随公测放开，套餐正式开放后仍需付费档。
- 目前还做不到
- 声音克隆只能克隆你本人，克隆声音只念字、不演情绪和表演提示。没有文件导入，没有 WAV 导出，没有发音词典，没有音高控制，也不能指定某一把基础嗓子或某个地区口音。任何语言都没有真童声：儿童角色由成人配音演员来演，动画配音一直就是这么做的。角色只存在于单个项目里，不会带到下一个项目。
它能做什么
七种情绪基调
中性、开心、悲伤、愤怒、恐惧、耳语和兴奋，按句设置而不是按整篇。每一种在每个角色身上都能用：每句台词都带着一条表演指示交给 AI 配音演员，是真的在演，不是把同一条音频调快调慢。音色库里的标签说的是这个角色为哪些基调而写，不是哪些能渲染出来。
语速控制
Plus 和 Pro 可以按句给一个速度倍率。语速的作用比大多数人以为的大：它比音高更可靠地带出年龄、权威感和情绪状态。
括号提示是演出来的，不是念出来的
台词行首的括号、以及整行都写在括号里的那几行，会作为这一句的表演提示交给配音演员，不念出来；提示就显示在台词旁边，可以直接改。写在句子中间或末尾的括号原样保留，那种位置的括号通常本来就是要念的。场景标题和动作描写是另一回事：它们会被当成旁白念出来，不想听到的就删掉。
标点就是导演提示
句号是真的停顿，省略号停得更久，问号会把句尾提起来。换行会留出间隙。剧本的排版就是你的节奏控制——所以这一页一直在劝你把长句拆开。
不绑定供应商
合成引擎待在一个接口后面，以后还可能再换；换的时候，同一个项目里你的角色分配和导演标记一个字都不用改，已经生成好的音频也还在。
所有音色，所有套餐都能用
音色库不是付费墙。套餐之间的区别在角色数、情绪控制和分钟数，而不是你能用哪些音色。
怎么用
- 粘贴文本
一个说话人或者很多个。只用一把音色时，它和别的文字转语音工具没什么两样。
- 挑角色
从音色库的四十个角色里挑——按年龄、性别、口音和风格筛，而不是一直往下翻。用你自己的文本试听，别用示例文本。
- 定语速和基调
从中性开始；用 Plus 或 Pro 的话，语速比你觉得合适的再慢一点。几乎每个人第一次都设得太快。
- 把读音改对
渲染任何长内容之前，把所有人名和自造词试听一遍，念错的就在文本里换个写法或加连字符拆开——没有读音设置。
- 渲染后用真实设备听
除了耳机，也用手机扬声器放一遍。大多数听众都在手机上。
情绪控制，以及为什么少即是多
拿到逐句情绪，本能是到处都用，结果是一团均匀的糊。听众靠对比来读情绪，所以一场戏里两句有导演、二十句是中性，效果远比处处用力要强。
真能出好结果的做法是：给每个角色定一个平时的基调，先只用默认值渲染，整段听一遍，再标出真正有变化的那两三句。五分钟的一场戏，手工导演五句差不多正好。
写出合成音色演得出来的文本
四个习惯就能拉开大部分差距。一句一个意图——从欣喜荡到惊恐的句子会被演成两者的平均值，所以要拆开。刻意用标点，因为它就是你的节奏。感叹词单独成行，因为括号里的提示只是导这一句怎么演，不会变成一声叹气。低音色配短句，长从句一多，清晰度掉得很快。
这些都不是为绕开限制而生的技巧。它们就是导演给真人演员的同一批提示，理由也一样。
把限制说清楚
生理性发声——尖叫、抽泣、边笑边说、闷哼——是最弱的一块，而且短期内还会这样，因为它们是呼吸事件而不是语音事件。需要的话先生成一版占位，并且打算好以后替换掉。
第二个限制是解读。合成朗读是对你写下的内容一次干净、稳定、节奏得当的呈现，但它不是一串关于潜台词的判断。对大多数活儿来说这笔交换是值得的；值得的前提是清楚知道自己换掉的是哪一半。
常见问题
这和别的文字转语音工具有什么不同？
只做单音色的话，差别不大。差别在剧本里出现第二个说话人的那一刻显现：分配角色、项目里每个角色的嗓子固定不变、逐句导演才是产品，合成只是底下的一个零件。
支持哪些情绪？
中性、开心、悲伤、愤怒、恐惧、耳语和兴奋，每个角色都能用。每句台词都带着表演指示去演，所以是真的在演；同一句重新生成会是新的一遍，语气略有不同，嗓子不变——不满意就再来一遍。
能调音高吗？
不能——语速可以（Plus 和 Pro），音高不行。把一把音色调离它天然的音域太远，会产生在好耳机上很明显的杂感。不如直接挑一个音域合适的角色。
数字和日期念得对吗？
它按这门语言的通常习惯来念，英语角色还会跟着自己的美式或英式口音走。混着不同习惯的文本才是容易出错的地方；如果你的文本混着写，先检查数字。
现在是哪个引擎在渲染？
引擎待在一个接口后面，以后可能再换，所以这里不点名。要知道的是它的样子：一共 10 把基础嗓子（女 4、男 5、中性 1），每一把都能说九种语言，每句台词带着表演指示当场演出来。换引擎时你的角色分配和导演标记都不用改。
能用来做无障碍朗读吗？
可以，不过做无障碍要的是最清楚的音色而不是最有性格的那把，并且应该在 1.5 倍速或更快的条件下测——很多读屏用户听的速度远高于常速。