度加AI声音克隆需要何种音频？录音质量要求

度加AI克隆声音需严格遵循音频格式、内容与质量要求：必须为WAV/MP3单声道16bit≥16kHz文件，录3–5句自然口语或短句朗读，环境安静、麦克风距嘴15–20厘米45°斜角、音量语调稳定，时长12–28秒。

想用度加AI克隆自己的声音，却卡在“录什么、怎么录”上？它不认模糊的环境音、不接受带混响的客厅录音、也不吃情绪剧烈起伏的即兴发挥——度加AI对音频有明确且不可妥协的输入要求。

度加AI认可的音频格式与基础规格

上传前必须确认：文件是WAV或MP3格式，采样率≥16kHz，单声道，位深16bit。MP4、MOV、ACC等封装格式会被拒绝，即使里面含人声也不行。

这一步不能跳过：用手机录音机录完后，若导出的是M4A，需用Audacity或在线转换工具转成WAV；直接用微信语音或QQ语音发送的音频，因压缩严重，【度加AI会直接报错“音频无效”】。

录音内容该怎么选？三类可用，两类禁用

方法一：自然口语段（推荐）
说3–5句日常话，比如：“我叫李明，刚吃完午饭”“今天地铁有点挤”“这个功能挺顺手的”。语速保持平时说话节奏，不快不慢，每句间隔1.5秒以上。

方法二：短句朗读（备选）
选一段15秒内的新闻稿或说明书片段，读两遍。重点不是字正腔圆，而是覆盖“啊、哦、嗯、呢、吧”等语气词和升调、降调变化。

方法三：问答式自述（适合多人共用账号）
一人问：“你最喜欢什么季节？”另一人答：“秋天，风很干，银杏叶掉得满地都是。”——仅限本人真实应答，禁止播放录音再复述。

禁用内容：
① 带背景音乐/伴奏的音频；
② 含他人插话、笑声、咳嗽声的片段——哪怕只有一声“嗯”，系统也会判定为“多人语音”而拒收。

决定成败的录音质量三要素

第一步：环境安静到能听见自己吞咽声
关空调、关窗户、拔掉路由器电源线。实测发现：电脑风扇底噪＞45dB时，度加AI会把“你好”识别成“尼号”，且无法后期修正。

第二步：麦克风距离嘴唇15–20厘米，呈45°斜角放置
正对嘴部易喷麦，“p”“t”音爆破导致音频削波；太远则高频衰减，声纹特征丢失。手机自带麦克风可手持，但务必避开金属桌面反射。

第三步：全程保持同一音量与语调基线
不要前两句轻声试探、后三句突然提高八度。系统提取的是“稳定态声纹”，忽高忽低的录音会被打上“情绪干扰”标签，【模型训练失败概率提升至73%】。

上传前最后一道校验

① 用耳机听一遍回放：确保没有“嘶嘶”底噪、“噗噗”喷麦、“嗡嗡”电流声；
② 打开手机自带的“语音备忘录”波形图：人声波形应连续饱满，无大片扁平空白区（说明有长时间静音或断句）；
③ 检查文件时长：严格控制在12–28秒之间——少于12秒特征不足，多于28秒系统自动截取前段，后半部分作废。