音频

在音频页面，你可以制作声音：配音、最多 10 个音色之间的对白、带段落和歌词的歌曲、音效，以及你自己的音色。描述你想要的声音，AI 导演就会把它做出来；你也可以亲手制作每一个声音。每个声音都会落到多音轨编辑器上，你在那里混音，并导出一个完整的文件。

费用从你的额度中扣除，每个声音生成前都会显示价格。生成失败的声音不收费。这些音色能说 90 多种语言；页面本身是英文和中文。

开始复制标题链接

点击新建音频，会看到一个输入框：“你想要什么样的声音？”

• 描述它。写一段描述，最多 2,000 个字符，导演会接手。输入框下方有：类型（由导演决定，或配音、对白、歌曲、音效）、时长（15 秒、30 秒、1 分钟、3 分钟或不限）和语言。你最多可以添加 3 个音频文件，每个最大 50 MB，比如要克隆或降噪的录音。
• **或者自己动手。**点击配音、对白、歌曲、音效、修复录音或新音色，会打开一个空项目，并显示对应的表单。
• **从 AI 对话开始。**让 AI 对话帮你做一段配音、一段广告歌或一个音效：它会写好描述，打开音频页面，并让导演开始工作。

输入框下方有四个示例，展示一段描述会做成什么样：点播放就能试听，选中它就从它的描述开始。不登录也可以浏览、试听示例和音色；制作任何内容都需要登录，你写的描述会留在输入框里。

从描述开始的项目会和导演一起打开，自己动手开始的项目会打开“生成”面板。随时可以用和导演对话或手动编辑切换。试听音色免费：先听听音色。

导演复制标题链接

导演是 Claude Opus 5.5，它会一步一步地处理你的项目。拿到描述后，它会规划整个作品（用途、时长、音色、情绪和音乐），查找并分配音色，撰写台词，分批生成声音，把每个声音放到对应的音轨上，完成混音，试听，修复听到的问题，然后结束。每个声音生成时，你都会看到它落到时间线上。每次运行都是一个可以撤销的版本。

之后可以在同一个输入框里提出修改：音色更温暖、在下面加上音乐、改成中文。先选中一个声音，就只针对这个声音提问。

它会花多少复制标题链接

• 一次运行的声音合计不超过 $2 时，会直接生成，不会询问。
• 超过 $2 时，它会先给出方案：计划、每一项的价格和总计，并附上继续 · 最多 $3.40 和修改计划。看起来会超过 $2 的描述，一开始就会先给出计划。
• 你批准一个预算后，它会在预算内花费，超出之前会再次询问。
• 保留它设计的音色前会先问你，除非那个试听是你自己选的。克隆音色每次都会询问。
• 需要你选择时会给出卡片：先试听每个选项（免费），再点就用这个。
• 你拒绝的花费不会再次尝试：导演会换一种做法，或者停下来。

导演自己的工作按实际用量扣费，价格是它所用模型的价格，和任何 AI 调用一样。每个声音的价格见价格表。

混音检查复制标题链接

检查混音会试听整个项目，或刚生成的声音：

• 响度是否达到你的目标、峰值，以及 1.5 秒或更长的静音段，都在我们的服务器上测量。
• **台词：**把实际说出的内容转写下来，与脚本对比，缺少或多出的词、读错的名字、结尾被截断的台词都会显示出来。
• **AI 试听评估：**一个 AI 模型会听一份低音质副本，指出节奏、演绎、发音、音量平衡和杂音方面的问题，每条都标在对应的声音上。

每条结果都能跳到对应的时间点，多数附带修复按钮。检查费用约为每分钟 $0.01，价格显示在按钮上。导演会在制作完成后检查一次，修复后再检查一次，每次运行最多 4 次检查、2 次 AI 评估。它已经尝试修复两次的问题，会留给你处理。

停止复制标题链接

点击停止会结束这次运行。仍在排队的声音会被免费取消。已经开始生成的声音无法停止：它们会生成完成，作为候选出现并标注“运行停止后生成”，并且会扣费。运行期间离开页面也是一样。你手动生成的声音不会因为离开页面而停止：它们会生成完成，等你回来。

每个账户一次只能有一个运行，每次运行最多 48 步。你每分钟最多提问 6 次，每小时 120 次，每天 600 次。

手动制作复制标题链接

手动编辑有两个标签页：生成，每种声音一个表单；编辑，用于你选中的声音或音轨。

“生成”按钮上会显示价格（“生成 · $0.03”）。如果时长无法提前确定，按钮会显示最多扣多少（“生成 · 最多 $1.20”），并按实际时长扣费。你的第一次生成，以及任何超过 $2 的生成，都会请你确认。一次生成不会挡住下一次：同时最多生成 3 个声音，最多 20 个在排队，每个都会显示它的排队位置。新声音会放在播放头所在的位置，放进它所属类型的音轨。

配音复制标题链接

**更多设置：**演绎方式预设（旁白、口语、新闻、戏剧），用来设置稳定性和相似度；Eleven v3 和 Multilingual v2 上的风格强度和语速（语速 0.7 到 1.2，打开更宽范围后为 0.25 到 4）；说话人增强；语言；数字的读法；随机种子；音质。Eleven v4 不用风格强度和语速，而是用语气标签控制演绎方式。Flash 会按字面读数字，所以请把数字写成文字。

台词超过模型一次能处理的长度时，会在句末拆成几部分，前后相连，合并计价：“生成 3 部分 · $0.41”。

对白复制标题链接

最多 10 个说话人，每人一个音色，按顺序排列他们的台词。粘贴“名字：台词”格式的文本，每行会变成一轮对白。可用 Eleven v4 或 v3。每次请求最多 2,000 个字符；更长的场景会分成几个相连的部分生成，合并计价。更换 Mia 所有台词的音色会先显示要重新生成多少句台词以及价格。

歌曲复制标题链接

• **描述：**一段提示词，加上 0:03 到 10:00 的时长（默认 1:00），或者让模型决定：这时会按最长时长预留，并按实际时长扣费。可以开启或关闭纯音乐。使用 Music v2.5 或 Music v2。
• 按段落：点击根据我的描述生成段落计划（免费），然后调整歌曲结构：最多 30 个段落，每段 0:03 到 2:00，每段有标签、歌词（30 行，每行最多 200 个字符）、想要的风格和不要出现的风格（各最多 50 个），以及对这一段的遵循程度。第一个段落的 6 到 7 个风格决定整首歌的风格。风格会以英文发送；用其他语言写的风格会在你点击生成时翻译。带有 [Verse] 和 [Chorus] 标题的歌词会拆成段落。
• 歌曲生成后的任何修改都会用同一个随机种子重新生成整首歌，所以其他段落也可能有细微变化。再次点击生成之前，什么都不会改变。
• 被拒绝的提示词：提到某位艺人或某首歌的提示词会被拒绝，不扣费，并附上一个改写版本，你可以选择使用或编辑。
• 拆成分轨（在“编辑”中）：2 个（人声和伴奏）或 6 个。分轨会放到歌曲下方的音轨上，原歌曲会静音而不是删除。
• 歌曲带有内容凭证，这是一个说明它由 AI 生成的签名。

音效复制标题链接

描述这个声音（最多 450 个字符），并设置时长：自动，或 0.5 到 30 秒。循环会生成可以重复播放的背景声，放在环境音音轨上。贴合描述从 0（更自由）到 1（更贴合），默认 0.3。默认 2 个候选，最多 4 个：一个 5 秒的音效不到 1 美分。超过 30 秒时，会生成 30 秒的循环并重复播放。

修复录音复制标题链接

上传一个文件（MP3、WAV、M4A、FLAC 或 OGG，最大 50 MB）或现场录音，然后：

• **更换音色：**用另一个音色演绎同样的内容，使用 Multilingual STS v2 或 English STS v2。每部分最长 5 分钟；更长的录音会分成几部分生成再拼接。
• **人声降噪：**去除背景噪音。降噪程度（0 到 100%）可以把原声混回下面，免费；如果说话声听起来像机器，就调低一些。

两者都会为同一个片段生成一个新候选，所以原来的声音会保留。

候选与对比复制标题链接

生成总是生成一个新声音。再来一个、更换音色、人声降噪和重新生成，都会为同一个片段生成新候选，所以什么都不会丢。候选列表会显示每个候选的价格，以及它和其他候选的不同之处（“稳定性 0.7”“已换成 Aria”）；标为使用中的那个会被播放。

对比会以相同音量循环播放两个候选 A 和 B。按 T 在同一时刻切换，点击使用 B 就保留 B。没有片段使用的候选会在 7 天后删除；你自己删除的候选会被永久删除。

按词编辑台词复制标题链接

“编辑”中的台词会显示配音或对白里的每个词及其时间。对于上传的录音，先用获取台词把内容转写出来，需要付费。

• 点击一个词，从那里开始播放。播放时，当前的词会加粗显示。
• **删除词语：**选中后按 Delete。它们的音频会在词的边界处剪掉，免费且立即生效；撤销就能恢复。
• 修改台词：直接输入修改，点击重新生成会把包含改动的那句话重新生成，并带上前后的台词让语气连贯，再在词的边界处拼接进去。然后选择保留、再试一次或退回。
• 一个词读错了，用换个读法：按发音拼写，用斜线包住 IPA 读音（/ˈæləs/，仅 Eleven v4），或在它前面加一个标签。

语气标签复制标题链接

Eleven v4 和 v3 能读方括号里的标签：[whispers]、[laughs]、[sarcastic]，以及 [applause] 这样的声音。输入 [（或 【）会打开标签列表，分为情绪、演绎、反应和声音四组；停顿会插入 …。用大写字母可以强调一个词。Multilingual v2 和 Flash 会忽略标签：发送时会去掉它们，但它们仍保留在你的台词里。

音色复制标题链接

音色页面列出你可以使用的所有音色，每个都能免费试听。

音色库里的音色可能被其所有者撤下。你的候选会保留；要继续生成，需要换一个音色。

设计音色复制标题链接

描述这个音色（“一位四十多岁、语气沉稳的女性，带一点苏格兰口音，温暖而舒缓…”），给它一段要说的台词（100 到 1,000 个字符）或点击帮我写，然后点击生成 3 个试听：3 个试听只扣一次费。试听后选一个，命名，再点击保留这个音色，免费。关闭窗口之前请先保留一个。更多设置：模型（Voice Design v3 或 v2）、响度、贴合度、音质、随机种子、优化我的描述，在 v3 上还可以加一段参考录音并设置它的强度。

调整音色复制标题链接

在你自己的音色上，或允许调整的音色库音色上，点击调整音色：描述要怎么改（“更温暖一些，稍微慢一点…”），选择强度（低、中、高或最大），然后和设计音色一样试听并保留。

克隆音色复制标题链接

共三步，先确认同意，再上传任何录音：

1. 这是谁的声音？选择“这是我自己的声音”，或“我已获得说话人的许可”并填写说话人的名字，然后在声明下方勾选我确认。
2. **你的录音：**上传或现场录音。最好是 1 到 2 分钟清晰的说话声，最多 3 分钟，最多 25 个文件、共 100 MB。录音检测会提示声音太小、太大或背景有噪音；除非你关闭，否则会去除背景噪音。
3. 命名，可以再填写它的语言、口音、性别和年龄，然后点击克隆音色：免费。

**同意意味着什么。**你确认这是你自己的声音，或者说话人已经同意被克隆。不允许克隆其他任何人：他们的声音以及用它生成的所有候选都可能被下架。这由我们的服务器检查，而不是页面：克隆只能使用你在过去 30 分钟内给出的同意中列出的录音。bInference 会保存这份同意记录（参见隐私）。导演只会用你提供的录音克隆，同样要先经过这一步；它不会按名字模仿真实的人，而是改为提供一个具有你想要的特点的设计音色。

音色限制复制标题链接

• 同时最多保留 10 个设计或调整的音色，以及 2 个克隆音色。
• 30 天内最多保存 6 次音色（保留或克隆），已删除的音色也计算在内。
• 你的音色 30 天没有使用就会被移除。移除前 7 天起，音色页面和每个使用它的项目都会提示；只要用一次，就会重新开始计算 30 天。用它生成的候选会保留；要继续生成，需要换一个音色。
• 当网站保存新音色的空间已满时，保存需要等待一段时间。音色库和预置音色仍然可以使用。

混音复制标题链接

时间线上有配音、对白、音乐、音效和环境音音轨，你也可以添加更多音轨。

• **音轨：**静音、独奏、音量和左右位置。
• **声音：**移动、修剪、拆分和循环；音量 -24 到 +12 dB；淡入和淡出（线性、平滑、快入或慢入）。同一音轨上重叠的声音会交叉淡化，也可以改为直接切换。
• **音乐避让：**有人说话时，音乐（默认开启）和环境音会降低音量：-6 到 -24 dB（默认 -15），速度为快、正常或慢。
• **响度：**导出时，整个混音会调整到同一个目标响度，每个预设的真峰值都是 -1 dBTP。预览播放的是同样的混音，响度标签会显示当前播放的响度和导出的目标。

每次修改都可以撤销，版本会保存每个保存点和每次导演运行。

导出复制标题链接

导出会在我们的服务器上用已保存的版本混音，并调整到你选的响度。

• **每条音轨单独导出（ZIP）：**每条音轨导出为 24 位 FLAC，带总输出的音量，所以这些分轨加起来就是完整的混音。
• 字幕：根据台词的时间生成 SRT 和 VTT，每行最多 42 个字符，每条字幕最多 2 行。没有逐字时间的声音需要先获取逐字时间，需要付费。
• **AI 标注：**每个文件的标签里都写有 Made with AI on bInference（由 AI 生成），并带有一个导出 ID，处理下架请求时可以据此找到对应的账户。歌曲作为候选时保留它的内容凭证；混音后的文件是重新生成的，所以由标签来标注。
• 仍在生成的声音不会包含在文件中，并会列出它们的名字。你可以关闭窗口，导出会继续进行。
• 导出免费：一次一个，每天 30 次，每天最多导出 300 分钟。一个项目最多导出 60 分钟。文件保留 7 天。

价格与限制复制标题链接

价格都是确切的，并在生成任何内容之前显示。标有“最多”的价格是你最多支付的金额，实际按生成的内容扣费。生成失败的声音不收费，排队时取消的声音也不收费。

隐私复制标题链接

• 发送给音频服务商的内容，只用于需要它的那次调用：要说的台词（包括语气标签）、歌曲和音效的提示词、歌词和风格、音色描述，以及你要更换音色、降噪、克隆或转写的录音。服务商会按它自己的条款保存它处理过的请求记录。
• AI 试听评估听的是一份低音质的混音副本，和任何 AI 调用一样发送。
• bInference 保存的内容，只有你的账户能访问：你的项目、候选、项目用到的录音、你的音色和导出文件。项目会一直保留到你删除，删除后在最近删除中保留 30 天；导出文件保留 7 天。上传后没有使用的录音会在一天后删除。每个声音背后的请求（包括台词）会在 90 天后删除。我们的日志从不记录你的台词、歌词、提示词或文件名。
• **同意记录：**每次克隆都会记录你同意的时间、声明的版本及其确切文字的指纹、这是谁的声音（以及说话人的名字）、录音的指纹，以及你的 IP 地址和浏览器的加密指纹。录音本身绝不保存在记录里。记录会和音色保留同样长的时间，并在音色删除后再保留 1 年，用于处理下架请求。没有用来生成音色的同意记录会在 30 天后删除。

参见隐私政策。