要在VibeKnow中克隆出自然稳定的专业人声，须用44.1kHz/16bit单声道WAV格式录制45秒覆盖元音、辅音群、轻声词、数字及逗号长句的高质量语音，禁用手机免提、蓝牙耳机与虚拟麦，环境密闭无噪，麦克风距嘴15～20cm略低，导出文件1.8～4MB且不含中文名。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在VibeKnow中克隆出自然、稳定、能准确传达专业术语语气的人声，必须先录制一段高质量的原始语音素材——系统不接受剪辑拼接、背景杂音或手机免提录音，否则声纹建模会失败，生成语音出现断句错位或音高漂移。
选择录制环境与设备
找一个密闭、无回声的房间，关掉空调、风扇和电脑散热风扇；用有线耳机麦克风或USB电容麦录制，【禁用手机免提、蓝牙耳机、会议软件虚拟麦克风】——这些设备自带降噪压缩算法，会抹除人声中的关键共振峰信息，导致克隆音色发闷或失真。
把麦克风放在正前方15～20厘米处，略低于嘴唇水平，避免喷麦爆音。
设计并朗读标准文本
准备一段45秒左右的朗读稿，必须覆盖元音（a/e/i/o/u）、辅音群（str/bl/nd）、轻声词（“东西”“妈妈”）、数字（“第3.7节”“误差±2%”）和至少一处带逗号停顿的长句。例如：“请确认接口协议版本为v2.1；若返回状态码非200，请检查Authorization头是否缺失。”
不要照念文档原文——VibeKnow克隆的是声纹特征，不是内容语义；但文本复杂度直接影响模型对专业场景的适配能力。
朗读时保持自然语速，像面对面讲解那样略带节奏感，【切勿一字一顿、不要刻意加重、禁止使用播音腔】。每句话之间留1.5秒空白，方便系统自动切分音节段。
录制与保存操作
第一步：打开Audacity（免费开源）或系统自带录音机，新建单声道项目，采样率设为44.1kHz，位深度16bit。
第二步：点击录音→朗读准备好的文本→录完立即停止，不要剪辑首尾空白。
第三步：导出为WAV格式（无压缩），文件名不含中文或特殊符号，大小应在1.8～4MB之间；MP3格式仅限备用，但需确保比特率≥192kbps且未开启VBR动态编码。
这一步不能跳过：若导出为AAC、M4A或手机自带的“语音备忘录.m4a”，VibeKnow上传后会提示“Invalid audio format”，且不给出具体错误位置。
