音色库里没有的声音，有两种来源。声音克隆根据一个真人说话的录音，复制出他的声音。音色设计则根据一段文字描述生成音色，完全不需要录音。
下文每一条关于其他厂商的说明都链接到该厂商自己的页面，内容以我们 2026 年 10 月查阅时为准。
两者的区别一览#
| 声音克隆 | 音色设计 | |
|---|---|---|
| 起点 | 一个人说话的录音 | 一两句对音色的描述 |
| 需要 | 干净的音频和说话人的授权 | 不需要录音 |
| 得到 | 听起来像那个人的声音 | 符合描述的音色 |
| 想要修改 | 重新录音 | 用文字说明要改什么 |
什么时候适合克隆#
当声音必须属于某个特定的人时，就用克隆：比如在您自己的频道里使用您本人的声音，或者请一位同意出借声音的旁白。克隆出来的声音，好坏取决于所用的录音。
Fish Audio 的克隆文档要求每段音频至少 10 秒，并指出一到两分钟清晰的单人语音能提升还原度。ElevenLabs 介绍了两种方式：Instant Voice Cloning 使用不到两分钟的样本，Professional Voice Cloning 则基于更长的音频训练。Inworld 的对比指南给出的数字是：即时方式需要 5 到 15 秒经授权的音频，仍处于预览阶段的专业方式需要 10 分钟以上。
什么时候适合设计#
如果声音不需要像某个具体的人，就用音色设计，比如游戏角色、不露脸频道的旁白、品牌声音或讲睡前故事的人。Inworld 的指南建议，在不需要与真人相像时，默认选择音色设计。
音色设计也能让您不录音就拥有自己的音色。在 Paxa 的音色设计工具中，您可以用中文、英语或泰语描述音色，试听它说出的第一句话，再用文字修改，直到合适为止。保存的音色会获得一个供 API 调用的 ID，免费套餐的账户可保存 1 个，最高档套餐最多可保存 50 个。描述该写些什么，请参阅《如何描述音色》。
授权与冒充#
克隆复制的是一个真实的人，所以第一步是取得本人的许可。Inworld 的指南指出，授权应当明确、有据可查，并限定语言、渠道、用途、期限和存储方式。
音色设计不需要录音，但描述仍可能指向某个人。OpenAI 不允许在音色提示词中出现具体人名，Fish Audio 则要求在保存每个设计音色前确认不冒充他人。在 Paxa，提到真实人物姓名的描述会得到一个原创音色，并配上虚构的名字；冒充任何人都违反每个账户都接受的规则。
设计一个音色要多少钱#
各家厂商对音色设计的收费方式不同。ElevenLabs 每次生成按试听文本的字符数收费一次，尽管会返回三段试听。Fish Audio 的 API 每次成功请求收费 0.01 美元，与候选数量无关。MiniMax 每个设计音色收费 3 美元，在首次用于语音合成时扣费。
Paxa 每次设计或修改收取 5 积分，已含第一句台词。用保存的音色合成语音，费率是音色库音色的 1.25 倍，具体费率见价格页面。
常见问题#
音色设计和声音克隆是一回事吗？#
不是。克隆根据真人的录音复制他的声音；设计根据文字描述生成音色，不需要任何录音。
不录音也能拥有自己的 AI 音色吗？#
可以，用音色设计。描述您想要的音色，用文字逐步调整，然后保存。它听起来就是您描述的样子。
Paxa 提供声音克隆吗？#
不提供。Paxa 不接受参考音频。音色要么来自音色库，要么根据描述设计而成。
设计的音色可以商用吗？#
新 Paxa 账户附带的免费积分仅限个人使用和评估。购买任意套餐或积分包后，该账户的音频即可用于商业用途，包括购买之前生成的音频。这条规则写在服务条款中。