【第三课】一文速通AI配音

3.1 这节课要解决什么

飞书表格AI配音模版

这一课只做一件事：把文字变成声音。你可以先不用管太多复杂概念，先把它理解成

你在表格里写好一段文案，系统就能帮你快速生成一段可用的配音。

3.1.1 AI 配音是什么

AI 配音，就是把你写好的文字，直接变成一段听起来比较自然的声音。
它的作用很简单：省掉自己录音的麻烦，也不用每次都找真人重新录。

3.1.2 为什么视频生产要先做配音

在一条视频里，配音通常是很关键的一步。
因为有了配音，后面的配图、配视频、字幕、剪辑，才知道该围着什么节奏来做。

你可以把它理解成：

先有文案

再把文案变成声音

再围绕声音去做画面和字幕

这样整条视频会更顺，也更容易批量生产。

3.1.3 学完这一课能得到什么

学完这一课，你不需要变成“AI 专家”，你只需要能做到：

知道怎么选一个合适的音色

知道怎么让 AI 按你的要求说话

知道怎么生成一段可用的配音

知道怎么把这一步接到飞书表格里，后面批量自动跑

换句话说，这一课不是让你研究 AI 原理，
而是让你真的能把第一段声音做出来，为后面“一条记录一条视频”的生产流程打基础。

3.2 客户端里先把音色选对

这一节的核心就一句话：

📌

把声音选对

很多人第一次做 AI 配音，最容易卡住的地方不是“怎么生成”，而是“到底该选什么声音”。

3.2.1 先试听，再决定

找候选音色后，不要急着生成整段。
先做一件最重要的事：试听。

试听的目的很简单：

听它像不像你要的风格

听它适不适合你的内容

听它有没有“太假”“太飘”“太快”之类的问题

如果不合适，就换一个。
不用怕麻烦，前面多试两次，后面就少返工很多次。

3.2.3 选音色时，主要看这几个点

1）原文案是什么语言

音色最好和原文的语音一样，例如英语文案使用英语音色，中文文案使用中文音色。对于中英混杂的文案，最好使用中英混杂的音色，一般elevenlabs这种音色比较多。

2）语速合不合适

语速是很难通过后期调整的，所以如果追求快语速，最好的方法就是试听的时候就要选好一个语速较快的音色。

3）原文案的长度

对于300字以下的文案，fish/豆包/minimax/elevenlabs差距不大。
对于更长的文案，例如1000~2000字，尽量选择minimax或者elevenlabs。
注意：不建议文案超过3000字，如果这种情况，最好是先拆分成多个文案片段再拼接。

3.2.4 最后确认一个可用音色

先输入一些文案测试一下：

确认合适，可以直接复制音色id，方便我们后续在飞书表格里使用：

3.3 克隆音色

有的时候，我们不想使用音色库里的声音，想使用自己的声音去配音，这在数字人IP领域非常常见。所以，我们在这一节讲的是怎么让AI克隆我们自己的声音。

3.3.1 克隆音色是什么

克隆音色，简单说就是：

给 AI 一段参考音频，让它尽量学会这个声音的特点。

它不是让 AI 变成“完全一样的人声”，而是让生成出来的配音，尽量接近你给的参考声音，这个功能最适合做这些内容：

系列课配音，想保持同一个声音

品牌内容，想让声音更固定

口播类视频，想要有统一的“人设感”

有自己参考样音的时候，想直接复用风格

克隆音色的入口

克隆音色的主界面

3.3.2 参考音频要怎么准备

克隆音色能不能好用，参考音频很关键。
这一步不要随便糊弄，不然 AI 学到的效果也会不稳定。

不管是上传音频，还是开始录制，参考音频最好满足这几个条件：

1）声音要清楚

尽量选：

人声清晰

背景噪音少

不要忽大忽小

2）内容要完整

最好是一段连贯的说话内容，不要太碎。

3）不要太多人同时说话

多人重叠、环境音太乱、音乐太大，都会影响克隆效果。

4）长度适中

太短不够学，太长也不一定更好。
一般来说，15秒~90秒 是比较合适的时间范围

录制声音的界面

3.3.3 克隆后怎么生成配音

参考音频准备好以后，接下来就是正式生成。

你可以在这里选择音色模型，不同的模型复刻和使用的价格都是不同的

音色复刻成功

修改头像

给音色命名

直接使用该音色可以快速进入语音合成的界面

直接使用该音色

你也可以在我的音色这里查看所有克隆过的音色

我的音色

3.4 变速、音量与音效

我们终于进入了后期&剪辑的部分了，考虑到这一个系列的教程，还是面相比较基础的用户，我们这里只介绍3种后期特效，以及怎么设置。

3.4.1 如何变速

变速一般是通过speed来控制配音的速度。

通过speed控制倍速

所有剪辑操作都是记录操作步骤，不会修改原音频，这时候生成的音频播放速度是不变的。

下载草稿去剪映里查看

你也可以通过接口来精确控制：

这也是我们本次飞书表格里调用的方式。

3.4.2 如何设置音量

你还可以通过对话的方式设置音量

同样的，不会影响原始音频，还是要去剪映里预览。如果你对音量具体应该设置多少还不清楚，可以去剪映里查看：

和剪映的音量对应

对应接口的参数是：

3.4.3 如何设置音效

你可以设置和剪映一样的音效效果：

选中一个音效：

然后把参数提取出来发送给AI：

对应接口的参数：

3.5 关键点营销与背景音乐

前面我们谈的都是AI配音，那我们能不能添加一个普通音乐呢，例如常见的关键点声音，背景音乐呢？当然可以。

你可以通过对话的方式添加音乐：

通过对话的方式添加音乐

修改：

修改音乐

删除：

删除音乐

📌

别忘了我们可是一款剪辑Agent工具

不过这并不是我们这个系列教程的重点，因为我们想要搭建的是飞书表格视频生产体系，所以我们更关心如何添加，用不上修改和删除。

主要使用的是添加音频的接口:https://docs.vectcut.com/321196190e0

3.5.1 小白先记住 4 个核心参数

这个接口参数看起来不少，但小白先不用全记。

先记住这 4 个就够了。

1）audio_url：音频链接或者本地路径

这是最重要的参数。

它告诉系统：你要加进视频里的音频在哪里。

比如：

AI 配音生成后的音频链接

背景音乐链接

音效素材链接
没有这个，系统就不知道要添加哪段声音。

2）draft_id：视频草稿 ID

如果你已经有一个视频草稿，就要把 draft_id 传进去。

这样音频才会加到这条视频里。如果不传，系统会新建草稿。

但在我们这个课程里，后面要做的是“一条记录生成一条视频”，所以建议一直传同一个 draft_id，避免音频跑到别的草稿里。

3）target_start：音频放在第几秒

这个参数决定音频从视频时间线的哪里开始播放。

比如：

target_start: 0：从视频开头播放

target_start: 5：从第 5 秒开始播放

target_start: 12：从第 12 秒开始播放
如果是背景音乐，一般从 0 开始。

如果是关键点音效，就放在重点出现的那一秒。

4）volume：音量大小

这个参数控制音量。

比如：

人声配音：可以稍微大一点

背景音乐：一般要小一点，不能压过人声

3.5.2 用它添加背景音乐

如果你想给整条视频加背景音乐，最简单的方式就是：

audio_url 填背景音乐链接

draft_id 填当前视频草稿 ID

target_start 设置为 0

start 设置为0

end 设置为想要截取的长度

volume 设置小一点

track_name 可以写成背景音乐轨道，比如 audio_background
这样背景音乐就会从视频开头开始播放。

示例理解：

{
  "audio_url": "背景音乐链接",
  "draft_id": "当前草稿ID",
  "target_start": 0,
  "start":0,
  "end":10,
  "volume": 0.3,
  "track_name": "audio_background"
}

这里的意思就是把背景音乐的第0秒到第10秒插入草稿的第0秒开始。

3.5.3 用它添加关键点音效

关键点音效，就是在视频重点出现的时候，加一个短音效提醒用户。

比如：

价格出现时，加一个提示音

核心卖点出现时，加一个强调音

重点步骤出现时，加一个“叮”的声音

这种情况下，重点不是音效多炫，而是出现得准不准。

你主要要控制两个参数：

audio_url：使用哪个音效

target_start：音效放在第几秒
示例理解：

{
  "audio_url": "提示音效链接",
  "draft_id": "当前草稿ID",
  "target_start": 8,
  "volume": 0.8,
  "track_name": "audio_effect"
}

这段的意思就是：

在视频第 8 秒，加一个提示音效。

3.6 飞书表格接：让每条记录自动生成音频

前面我们已经在客户端里学会了怎么选音色、克隆音色、调语速、加音效。

但如果我们要做的是批量视频生产，就不能每条都手动点一次。

这一节要解决的就是：在飞书表格里建好任务表，每一行就是一个配音任务。

填好文案、音色、语速之后，通过 API 自动生成音频，再把结果写回表格。

📌

一行文案 → 自动生成一条配音 → 回填音频链接

3.6.1 为什么建议拆成两张表？

很多小白一上来最容易乱的地方是：

“AI配音”和“添加音乐”到底是不是一回事？

不是一回事。
第一张表：AI配音生成表。它做的是：把文字变成声音。比如你在表格里写：“今天教你一招，快速用 AI 做出一条短视频配音。"API 会帮你生成一条音频。最后表格里会多出一个："音频链接"。

第二张表：音乐/音效添加表。它做的是：把已经存在的音频，加到视频草稿里。所以第二张表更像是“音频入轨表”。

3.6.2 表格一：AI配音生成表

前面的教程里我已经非常详细的讲解了飞书表格的API请求，这次我就简单介绍了，这个表里核心使用的接口是：https://docs.vectcut.com/387705655e0

API请求的配置如下图所示：

主要要留意请求体Body的配置，如果你还是上手有难度，可以直接用我们做好的模版：
https://jcn79cwuf1lb.feishu.cn/base/P7bAbgU4xaVjBds9IOhc2Ydjnse?from=from_copylink

3.6.3 表格二：音乐/音效添加表

这张表的作用是把一条已有音频，加到某个视频草稿的指定时间点。

我们直接用上一张表生成的音频，我们添加到一张新创建的草稿中。这个表里核心使用的接口是：https://docs.vectcut.com/321196190e0

API请求的配置如下图所示：

同样，如果你还是上手有难度，可以直接用我们做好的模版：
https://jcn79cwuf1lb.feishu.cn/base/P7bAbgU4xaVjBds9IOhc2Ydjnse?from=from_copylink

4. 飞书表格模版

https://jcn79cwuf1lb.feishu.cn/base/P7bAbgU4xaVjBds9IOhc2Ydjnse?from=from_copylink

5. 视频教程

b站：
https://www.bilibili.com/video/BV1o37T6fEz5/?share_source=copy_web&vd_source=9cabc61a71193a0ba6a5b33c97e83fb6

【第三课】一文速通AI配音

3.1 这节课要解决什么#

3.1.1 AI 配音是什么#

3.1.2 为什么视频生产要先做配音#

3.1.3 学完这一课能得到什么#

3.2 客户端里先把音色选对#

3.2.1 先试听，再决定#

3.2.3 选音色时，主要看这几个点#

1）原文案是什么语言#

2）语速合不合适#

3）原文案的长度#

3.2.4 最后确认一个可用音色#

3.3 克隆音色#

3.3.1 克隆音色是什么#

3.3.2 参考音频要怎么准备#

1）声音要清楚#

2）内容要完整#

3）不要太多人同时说话#

4）长度适中#

3.3.3 克隆后怎么生成配音#

3.4 变速、音量与音效#

3.4.1 如何变速#

3.4.2 如何设置音量#

3.4.3 如何设置音效#

3.5 关键点营销与背景音乐#

3.5.1 小白先记住 4 个核心参数#

1）audio_url：音频链接或者本地路径#

2）draft_id：视频草稿 ID#

3）target_start：音频放在第几秒#

4）volume：音量大小#

3.5.2 用它添加背景音乐#

3.5.3 用它添加关键点音效#

3.6 飞书表格接：让每条记录自动生成音频#

3.6.1 为什么建议拆成两张表？#

3.6.2 表格一：AI配音生成表#

3.6.3 表格二：音乐/音效添加表#

4. 飞书表格模版#

5. 视频教程#

3.1 这节课要解决什么

3.1.1 AI 配音是什么

3.1.2 为什么视频生产要先做配音

3.1.3 学完这一课能得到什么

3.2 客户端里先把音色选对

3.2.1 先试听，再决定

3.2.3 选音色时，主要看这几个点

1）原文案是什么语言

2）语速合不合适

3）原文案的长度

3.2.4 最后确认一个可用音色

3.3 克隆音色

3.3.1 克隆音色是什么

3.3.2 参考音频要怎么准备

1）声音要清楚

2）内容要完整

3）不要太多人同时说话

4）长度适中

3.3.3 克隆后怎么生成配音

3.4 变速、音量与音效

3.4.1 如何变速

3.4.2 如何设置音量

3.4.3 如何设置音效

3.5 关键点营销与背景音乐

3.5.1 小白先记住 4 个核心参数

1）audio_url：音频链接或者本地路径

2）draft_id：视频草稿 ID

3）target_start：音频放在第几秒

4）volume：音量大小

3.5.2 用它添加背景音乐

3.5.3 用它添加关键点音效

3.6 飞书表格接：让每条记录自动生成音频

3.6.1 为什么建议拆成两张表？

3.6.2 表格一：AI配音生成表

3.6.3 表格二：音乐/音效添加表

4. 飞书表格模版

5. 视频教程