男声文字转语音

5 种男声

美式男声有 3 种：Fenrir、Michael 和 Puck；英式男声有 2 种：George 和 Fable。对音色的描述总带点主观，所以下面的说明只作为起点，最后还是相信你自己的耳朵。

Fenrir 听起来偏低沉、稳重，适合操作说明、讲解，以及需要冷静平稳语气的旁白。Michael 更温暖、更像聊天，感觉是有人在跟你说话，而不是对着你念稿；YouTube 预设用的就是它。Puck 更轻快、更有活力，适合轻松的内容、短视频或更亲切的语气。

英式这边，George 沉稳从容，Fable 更有表现力。英式英语文字转语音页面对这两种音色有更详细的介绍。

让音色贴合文稿

最快的选法是：粘贴你真实文稿里有代表性的一段，而不是测试句，用两三个音色各生成一次。一个读问候语好听的音色，读密集的技术段落时可能就不对味，反过来也一样。

想一想听众心目中说话的是什么样的人。软件教程和安全须知通常适合 Fenrir 这样稳重的声音。个人故事、Vlog 和播客式开场白，用 Michael 往往效果更好。有活力的宣传片或轻松的讲解，是 Puck 比较合适的地方。音色菜单里每个音色都有试听按钮，不用先下载任何东西，生成之前就能先缩小范围。

男声旁白的语速和停顿

低沉的声音在节奏快的内容里，用正常语速可能显得慢，调得太快又显得急。先试 1×，社交平台短视频用 1.1×，需要观众一步步跟着操作的说明用 0.9×。范围是 0.7× 到 1.5×。

在配音里，停顿比大多数人想的更重要。在标题之后或关键点之前输入 [pause 1s]，或者用「停顿」按钮在光标处插入 0.5、1、2 或 3 秒。如果旁白配的是录屏，停顿能让观众先看清刚刚发生了什么，再开始下一步说明。

需要不止一个男声时

工具一个文件只生成一个音色，不能在一段录音里做多个音色的对话；也不支持声音克隆，所以不能让它听起来像某个特定的人。两人对话的话，把每个说话人的台词写成单独的段落，用不同的音色分别生成，每段都下载成 WAV，再在音频或视频编辑软件里排好。WAV 未经压缩，更适合剪辑；如果需要更小的文件，最后再转成 MP3。

改某一句，不用全部重做

生成后，「分段」列表会把每一两句显示为单独的一段。某一句听着不对，就改那一段，只重新生成它，其余部分立即复用。最常见的问题是不常见的名字，解决办法是按发音改写拼法。满意之后，下载 MP3、WAV 或与音频对齐的 SRT 字幕。