AI 语音克隆
从短音频剪辑中打开任何声音。 上传 3- 10 秒的语音, 输入您的文本, 并生成相同声音的音频 。
上传语音参考音频
MP3, WAV, M4A, FLAC
上传3至10秒 一个人清晰地说话 没有音乐或背景噪音
克隆声音可以说23种语言。 如果检测显示短文本有误, 选择一种语言 。
最大500个字符
0/500
使用每一代1个信贷
如何运作
1
上传引用
提供3 -10秒的清晰讲话 声音,你想克隆。
2
AI 分析声音
人工智能模型提取了声音特征:音调、音调、语调、口音。
3
生成语音
您的文本以克隆声音表达。 以 WAV 下载结果 。
语音克隆仅供个人使用,经授权使用。未经发言者同意,不得克隆声音。
常见问题
语音克隆在您的浏览器中运行:粘贴 URL, 上传文件, 或者从您的 mic. STT.ai 中记录 。 选择 AI 模型并在5分钟内返回 抄本 。 导出为 TXT、 SRT、 VTT、 DOCX、 JSON 或 PDF 。
是的,每个访客都有600分钟的时间开始使用STT.ai, 可用于语音克隆的行程与其他工作流程相同。 支付计划始于9美元/月,开放较长的文件、私人记录和优先排队。 计划是每月9美元,用于开放9美元,并用于更长时间的排队。
语音克隆运行的AI模式与STT.ai的其余部分相同——我们的最佳模式在清洁演讲中达到95-97%的准确度(基准值为3-5%字错误率 ) 。 如果第一个通过低于目标, 则在飞行上切换模型。
语音克隆可以运行任何一种低语模型STT.ai主机——STT.ai增强(按付费计划,大三3级最准确的低语)、大V3级、低语涡轮(快)、中低语和小低语。
是的,作为SRT或VTT的每一份记录稿出口都是与YouTube、Vimeo、TikTok、VLC和每个主要视频播放器合作的,燃烧字幕工具作为硬子将它们作为视频覆盖。
是的,议长的二分法自动标出每个声音(1号发言人,2号发言人,...),你可以在内置编辑中重新命名。在所有模式和语言中工作。
大部分 语音克隆 工作在5 分钟内完成。 1小时的音频文件通常以2-3分钟以最快的模型完成。 速度取决于所选的模式和当前 GPU 装载量 。
语音克隆 接受20+格式 : MP3、WAV、M4A、FLAC、OGG、MP4、MKV、MOV、WebM、AVI等。 输出到 TXT、 SRT、 VTT、 DOCX、 JSON 或 PDF 。
Yes. Audio files submitted to 语音克隆 are processed and deleted by default. Pro plans add client-side encryption — even if STT.ai's database is breached, your transcripts are unreadable without your key. Data is never used for model training without explicit opt-in.
是 STT.ai 提供与 Python 和 Node.js SDKs 的REST API, 加上一个为Claude 和 Cursor 提供的 MCP 服务器, 全部用于 语音克隆 工作流程。 免费 API 级别包括 100 分钟/ 月。
是的。每份笔录都打开在内置编辑器中,您可以在此校正单词、重命名扬声器、调整时间戳和添加笔记。所有更改都自动保存。
每一份记录稿都有一个独特的可分享的网址。 将文件导出到 DOCX 或 PDF 进行电子邮件。 Pro 计划增加密码保护和长期链接, 用于客户工作。
STT.ai处理1 300+平台,包括YouTube、Vimeo、TikTok、SoundCloud、Zom、Gooom Meet、播客主机等。 URL转录只使用公开可获取的内容,DRM保护的信息来源不能被转录。