FIGOMOSS / 产品指南
声音克隆与文字转语音：定制音色如何用于数字人对话
声音克隆以已获授权的录音样本创建可用于语音合成的专属音色。文字转语音负责把文本变为音频；口型数字人则根据音频呈现说话形象，三者不是同一个能力。
如何准备适合定制音色的样本？
优先准备单人、清楚、自然的讲话录音，降低背景音乐、环境噪声、回声和多人叠音。录音中的非人声成分会增加后续处理难度，提交前应试听样本并确认使用范围与授权。
不要只用一个短词判断克隆效果。可以分别测试日常短句、较长段落和业务术语，比较自然度、停顿和可懂度。具体支持的语言与表现取决于实际配置的声音能力。
保留音色是否等于复制所有口音和情绪？
音色、口音、发音清晰度、停顿与情绪表现是不同维度。保留人物音色不意味着能保证任意语言、任意口音与情绪都与本人一致；需要用目标语言和典型场景进行试听。
当语音效果不符合预期时，应先区分文字内容、语音合成和播放链路的问题，再评估样本质量与声音配置，而不是只调整数字人口型。
声音能力如何单独接入业务？
空间中的声音资产可用于应用语音回复，也可在授权范围内通过语音合成接口独立使用。开发者需要在服务端保存密钥，确认声音资产授权、音频格式和可用额度。
接入数字人时，既要测试语音本身，也要测试浏览器播放权限、音频格式和口型驱动的衔接。网络、设备与会话状态都会影响用户听到声音的时间，不能用一个固定秒数概括所有环境。
关于声音克隆的常见问题
声音克隆需要准备什么？
需要准备拥有合法使用授权的声音样本，尽量减少背景音乐、噪声和多人交叠。声音资产完成配置后可用于文字转语音或数字人对话，最终音色及语言效果以实际试听为准。
可以只购买或使用声音能力，不使用人物形象吗？
FigoMoss 支持独立管理与授权调用声音资产；是否可用及具体额度，以空间授权、已发布应用或密钥权限为准。
把资料与能力用在自己的业务里
创建工作空间，准备已获授权的素材和业务知识，再选择工作台、网站 Widget 或开放平台接入。套餐、额度和实际可用功能以工作台为准。