必须定制专属音色包才能让百度一镜数字人拥有品牌专属声音；需上传15秒以上合规真人录音，支持快速、品质、专业三种克隆模式，完成后配置参数并绑定发布。

要让百度一镜数字人拥有区别于默认音色、真正属于你品牌的说话声，必须完成专属音色包定制——这一步无法跳过，不上传真实人声素材就无法生成可商用的定制音色。

准备符合要求的原始音频

先确认你手头有15秒以上、采样率不低于16kHz、单声道、无背景音乐和明显噪音的真人语音录音。快速克隆模式只要15秒，但时长不足会导致音色失真；若追求高保真，建议准备8分钟以上主播级录音（如新闻播报、产品介绍类内容），语速平稳、吐字清晰、情绪自然。

注意：不能用电话录音、会议转录音频或带混响的K歌文件。这类音频含大量压缩失真与环境干扰，系统会直接拒绝上传或生成后出现断句错乱、音调漂移。

把音频文件重命名为英文名（如voice_sample.wav），大小控制在500MB以内，格式优先选WAV或MP3。

进入声音复刻页面并选择克隆类型

登录百度一镜平台 → 点击顶部导航栏「数字人」→ 在左侧菜单中选择「声音复刻」→ 页面自动加载你的历史音色列表。

点击右上角「定制我的声音」按钮，弹出三种模式：

方法一：快速克隆 —— 适合测试音色风格或紧急上线需求，上传15秒音频 → 填写音色名称（如“品牌客服-李薇”）→ 点击「开始制作」→ 1分钟内生成音色包，支持试听与基础参数调节。

方法二：品质克隆 —— 【需提前确认账户已开通商业权限】，上传8分钟以上优质音频 → 勾选「启用情感建模」→ 提交后进入人工质检队列 → 1–3个工作日内完成，输出含语气停顿、轻重音还原的高拟真音色。

方法三：专业克隆 —— 需联系百度一镜商务团队开通权限，提供3–5小时专业录音棚音频 → 指定优化方向（如“增强亲和力”“强化权威感”）→ 交付周期2–3周，生成音色支持多情感标签切换与API级细粒度控制。

配置并发布音色包

第一步：等待状态变为「制作完成」后，鼠标悬停在新生成的音色卡片上，点击「编辑」。

第二步：在弹窗中设置三项核心参数——语速（建议0.9–1.1倍）、音调（女性+2~+4，男性−1~+1）、音量（默认100%，嘈杂场景可调至110%）。

第三步：点击「保存为默认音色」，该音色将自动绑定到当前数字人形象；如需多音色切换，勾选「启用音色分组」，输入分组名（如“直播专用”“客服应答”）并保存。

第四步：返回数字人管理页，找到对应数字人 → 点击「编辑」→ 在「语音设置」中下拉选择刚保存的音色包 → 点击「发布生效」。