Voice Clone API：面向开发者的零样本语音克隆 (Zero-Shot Voice Cloning)

什么是 Voice Clone API？

Voice Clone API 能够让您通过短小的音频样本克隆任何声音，并以该声音生成语音。利用先进的零样本（zero-shot）克隆技术，您无需训练专门的模型即可创建自定义语音输出。

应用场景

• 个性化助手：创建具有自定义声音的 AI 助手
• 内容本地化：在翻译内容中保持声音的一致性
• 播客制作：生成一致的叙述语音
• 游戏开发：根据参考样本创建角色声音
• 辅助功能：为文字转语音应用克隆熟悉的音频

API 参数

必选参数

可选参数

价格

如何使用 Voice Clone API

第 1 步：创建账户

在 Hypereal 注册以开始使用。

第 2 步：获取 API Key

在控制面板中生成您的 API key。

第 3 步：发起 API 调用

const response = await fetch('https://api.hypereal.com/v1/audio/generate', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'audio-clone',
    text: 'Hello! This is my cloned voice speaking to you.',
    audio: 'https://example.com/voice-sample.mp3',
    format: 'mp3',
    enhance_audio_quality: true
  })
});

const audioBlob = await response.blob();

最佳实践

1. 高质量参考音频 - 使用清晰、无噪音的音频样本以获得最佳效果。
2. 时长充足 - 提供至少 10-30 秒的参考音频。
3. 清晰的发音 - 参考音频应具有清晰的吐字。
4. 启用增强 - 对于有噪音的样本，请使用 enhance_audio_quality: true。
5. 匹配内容风格 - 参考音频的风格会影响输出的音调。

支持的音频格式

• 输入：MP3, WAV, M4A, FLAC
• 输出：MP3, WAV, PCM, Opus

常见问题 (FAQ)

参考音频应该多长？

10-30 秒的清晰语音效果最佳。更长的样本可以进一步提升质量。

我可以保存克隆的声音以便重复使用吗？

可以，只需创建一次语音模型，并在以后的请求中使用 reference_id 参数即可。

推荐什么样的音频质量？

使用背景噪音极小的高质量录音（16kHz+ 采样率）。

为什么选择 Hypereal？

通过单一、统一的 API 即可访问 Voice Clone 以及 100 多种其他 AI 模型。

• 一个 API key 即可调用所有模型
• 跨供应商统一计费
• 具有竞争力的价格和批量折扣

免费开始使用 - 无需信用卡。