Estudo de deseño de voz

Cree voces de IA personalizadas axustando os controles deslizantes. Non precisa gravar, deseño a súa voz perfecta desde cero.

Non o facemos. Vender a túa voz

Características da voz

ProfundoAlta
LentoFixo
Frío / ProfesionalCálido / Amigábel
LimparRespira
NovoAnciáns
Unha voz feminina adulta nova con tonalidade media e velocidade normal. Calor equilibrada, entrega clara.

Texto para falar

0/2000
2 caracteres — Inscríbete to track usage

Vista previa

Axuste os controles deslizantes e prema en Xerar para escoitar a súa voz deseñada

A xerar voz...

0:00

Predefinicións de voz gardadas

Aínda non se gardaron preconfiguracións. Deseñe unha voz e grávea para usala máis tarde.

Plans de deseño de voz

Comece de balde, actualice cando precise máis

Máis popular
Conta libre
  • 15. 000 caracteres libres ao rexistrarse
  • Controles de xénero, ton e velocidade
  • Controles deslizantes de calor e transpirabilidade
  • Predefinicións de emocións/ estilos
  • 2000 caracteres por xeración
Inscríbete gratis
Pro
  • Gardar os deseños de voz personalizados
  • Control de idade afinado
  • Xeración por lotes
  • Acceso á API
  • Usar deseños en todas as ferramentas
Actualizar

Preguntas frecuentes

O Voice Design Studio permítelle crear voces IA personalizadas describindo características como o ton, a velocidade, a calidez, a respiración e a idade — sen necesidade de gravación. A IA xera unha voz que coincide coa súa descrición empregando o modo de deseño de voz Qwen3- TTS.

Axusta os controles deslizantes (tono, velocidade, calor, respiración, idade) ou escribe unha descrición de texto libre como « voz feminina cálida, amigable e nova cun lixeiro acento británico ». A IA interpreta a descrición e xera a fala nunha voz sintética que coincida.

O deseño de voz emprega Qwen3- TTS no modo VoiceDesign. Este modelo pode xerar voces a partir de descricións textuais sen ningunha referencia de son. Soporta unha ampla gama de características de voz e produce unha voz de son natural.

Si. Unha vez que deseñe unha voz que lle guste, prema en « Gardar como predefinición » para gardar a descrición. Despois poderá usar esta predefinición na xeración de TTS, no chat de voz e nos axentes; a súa voz personalizada estará dispoñíbel en todas partes.

A clonación de voz recrea a voz dunha persoa real a partir dunha gravación. O deseño de voz crea unha voz sintética completamente nova a partir dunha descrición. O deseño é máis rápido (non se precisa audio) e crea voces únicas que non copian a ninguén.

Tonalidade (de profundo a alto), velocidade (de lento a rápido), calidez (de frío/ profesional a cálido/ amigable), respirabilidade (de claro a respirable), idade (de novo a vello), acento (americano, británico, australiano, etc.) e sexo. Tamén pode engadir descricións personalizadas para trazos específicos.

As contas gratuítas poden gardar ata 5 preconfiguracións de voz. Os plans Starter inclúen 20 preconfiguracións e os plans Pro inclúen preconfiguracións de voz ilimitadas. Cada preconfiguración garda a descrición completa para que poida rexenerar exactamente a mesma voz.

Yes, on a paid plan. Voices created in the design studio are synthetic and do not copy anyone, so there are no rights issues, and Qwen3-TTS is licensed under Apache 2.0. Audio generated on a paid plan can be used commercially, and upgrading also covers audio you made earlier on the free tier; free-tier audio is for personal, non-commercial use.

Actualmente o deseño de voz funciona mellor para inglés, chinés, xaponés e coreano, as linguas nas que foi adestrado Qwen3- TTS. Engadiranse máis linguas a medida que se dispoñan modelos de deseño de voz multilingües.

Si. Axuste os controles deslizantes e prema Xerar para escoitar unha frase curta de mostra coa voz deseñada. Normalmente tarda menos dun minuto, e uns minutos cando as GPU están ocupadas; a páxina segue comprobando e reproduce a mostra en canto está lista, polo que non hai necesidade de premer de novo. Unha vez satisfeito, xere texto máis longo coa voz deseñada.

Cada xeración de deseño de voz emprega un prezo estándar (2x caracteres). As vistas previas en directo empregan unha frase fixa curta para minimizar o custo. As contas gratuítas comezan con 15. 000 caracteres.

Cada control deslizante mapea a unha descrición da linguaxe natural. Por exemplo, o control deslizante do ton no 80% mapea a « voz aguda ». O control deslizante da calidez no 90% engade « ton cálido e amigable ». Estas descricións combínanse nun único perfil de voz que Qwen3- TTS usa para xerar a voz.
5.0/5 (1)

Que podemos mellorar? Os seus comentarios axúdannos a corrixir os problemas.

Listo para comezar?

Inscríbase de balde e obtén 15.000 caracteres. Non se require tarxeta de crédito.