VibeKnow声音克隆怎么用 AI声音克隆与视频配音教程

VibeKnow可快速克隆人声音色并生成AI配音，支持网页端即用：上传15–40秒干净音频建模→粘贴文案生成MP3→一键同步至视频并加字幕。

想用VibeKnow把一段30秒的日常说话录成专属AI配音，直接配进教学视频或口播短视频里，不用买麦克风、不用剪辑软件、不折腾代码——它支持网页端即开即用，上传音频后1分钟内生成音色，粘贴文案就能导出MP3。

上传人声样本建模

打开vibeknow.ai正式，点击首页【Voice Clone】按钮，无需注册直接进入克隆页。

点击【Upload Audio】，选择一段你自己朗读的15 - 40秒纯净音频。注意，音频必须是单声道的WA V或MP3格式，采样率为16kHz或44.1kHz；

，不然模型会把这些噪音当作特征学习，导致生成的语音带有明显的“嘶嘶”底噪。

上传后页面自动显示波形图，确认语音段落连续无静音断点，点击【Start Cloning】。

等待约45秒，页面弹出“Voice Ready”，音色已存入你的浏览器本地缓存，关闭网页也不丢失。

输入文案生成配音音频

在下方文本框中粘贴你要配音的文案，比如“这个函数的作用是批量处理Excel表格中的空值”。

下拉选择刚生成的音色名称（默认显示为“Cloned Voice #1”），语速保持1.0x，情绪选“Neutral”。

点击【Generate Speech】，12秒后播放预览——注意听“Excel”“空值”等专业词是否发音准确；若“空值”被读成“kōng zhí”而非“kòng zhí”，说明样本里没出现过第四声重音词，需补录一句含“kòng”的新样本重新建模。

满意后点击【Download MP3】，文件自动保存到电脑默认下载目录。

一键匹配已有视频画面

方法一：网页端直连视频合成
在顶部导航栏点击【Video Sync】，然后选择【Upload Video】，上传你的MP4素材（建议时长不超过60秒，分辨率为1080p）。接着，在下方文本框粘贴同一段配音文案，音色会自动匹配刚才克隆的声音。再勾选“Auto-align audio to speech rhythm”，最后点击【Sync & Export】，3分钟后即可生成带有配音和时间轴字幕的成品MP4。

方法二：导入剪映/PR对轨
下载好的MP3拖进剪映时间轴音频轨道→选中视频素材→点击底部【文本】→【智能字幕】→【识别字幕】→系统自动按MP3语音节奏生成时间轴→手动微调字幕位置即可导出。

这一步操作起来很简单，直接把文件拖进去就行。