音频生成

音频生成适合制作视频旁白、产品口播、通知播报或故事朗读。支持选择音色、调整语速和情绪，以及使用授权录音克隆音色。生成的音频可作为视频创作的参考素材。

开始前

登录优云智算控制台 并进入 MiniMax H3 模块，确认可用积分足够。需要克隆音色时，准备本人或已获授权的清晰人声录音。

输入文字并选择音色

1. 在左侧选择 音频，在输入框填写要朗读的文字，最多 2000 个字符，包含标点和空白。
2. 单击底部音色按钮，进入 音色库。试听并选择 官方 音色，或在 我的克隆 中选择已保存的音色。
3. 按需选择中文、英文、日文、西班牙语或阿拉伯语，并在 0.5～2.0 倍范围内调整语速。

克隆自己的音色

在 音色库 → 我的克隆 中，单击 克隆我的音色，按页面提示上传参考录音、填写音色名称并保存。保存后，在 我的克隆 中选择该音色。

上传前请检查参考录音：支持 WAV、MP3、FLAC、OGG、M4A；单个文件不超过 15 MiB；时长为 0.5～15 秒；文件扩展名应与实际格式一致。建议只保留一位说话人的清晰人声，避免背景音乐和明显噪声。

设置情绪与读音

单击情绪设置按钮，选择情绪模式：

情绪强度 调整情绪的表现程度，不用于调节音量。需要检查效果时，先生成一段短文本；此类生成任务同样消耗积分。

遇到多音字、品牌名或专有名词读错时，单击 发音设置，添加词语及期望读音。例如，将正文中的“4090”设置为“四零九零”。保存后，系统在生成时应用读音规则；同一个词只能设置一种读法。

生成与下载

1. 核对正文、音色、语言、情绪、语速和预计积分，单击 生成语音。
2. 在 最近生成 试听结果。查询完整记录时，进入 任务 → 音频任务。
3. 任务完成后，下载 WAV 文件。生成的音频也会保存在 资产 中。

音频须与图片或视频一起用于视频生成的全能参考，不能单独作为视频参考素材。操作方法参见任务与资产管理。

音频按正文中的计费字符数计算积分，汉字、字母和数字计费，标点和空白不计费。输入长度上限与计费字符数不同：标点和空白虽然不计费，仍占用 2000 字符的输入限额。提交任务前，页面会显示预计积分。详情参见积分与计费。

请及时下载需要保留的音频。通过程序创建和查询语音任务，参见IndexTTS 2.5 文生语音 API 。