先别急着录音。度加AI的克隆声音功能，最怕的就是你随便找个地方、随便说几句就上传。它对音频有着非常明确且不可妥协的要求——不是WA V或MP3、单声道、16bit采样率不低于16kHz的文件，直接拒收；内容上，你得录3到5句自然的口语或短句，环境得安静到能听见自己的吞咽声，麦克风距嘴15到20厘米、呈45度斜角，音量语调全程稳定，整段音频时长卡在12到28秒之间。

很多人在“录什么、怎么录”这一步就开始犯难。模糊的环境音、带混响的客厅录音、情绪起伏剧烈的即兴发挥，统统不行。说白了，就是要一份干净、标准、可复制的语音样本。

度加AI认可的音频格式与基础规格

上传前，务必确认：文件格式是WA V或MP3，采样率≥16kHz，单声道，位深16bit。这三点必须同时满足。MP4、MOV、ACC这些封装格式，即使里面有人声，也会被直接拒绝。

这一步不能偷懒：如果你在手机录音机录完，导出来是个.m4a文件，那就得用Audacity或在线转换工具转成WA V。要是直接用微信语音或QQ语音发送的音频，因压缩严重，度加AI会直接报错“音频无效”。

录音内容该怎么选？三类可用，两类禁用

方法一：自然口语段（推荐）
说3到5句日常话，比如：“我叫李明，刚吃完午饭”“今天地铁有点挤”“这个功能挺顺手的”。语速保持平时说话节奏，不快不慢，每句间隔1.5秒以上，留出自然的停顿。

方法二：短句朗读（备选）
找一段15秒内的新闻稿或说明书片段，读两遍。重点不是字正腔圆，而是覆盖“啊、哦、嗯、呢、吧”这些语气词，以及升调、降调的变化，让声音样本更丰富。

方法三：问答式自述（适合多人共用账号）
一人问：“你最喜欢什么季节？”另一人答：“秋天，风很干，银杏叶掉得满地都是。”——注意，必须是本人真实应答，禁止播放录音再复述。

禁用内容：
① 带背景音乐或伴奏的音频；
② 含他人插话、笑声、咳嗽声的片段——哪怕只是一声“嗯”，系统也会判定为“多人语音”而拒收。

决定成败的录音质量三要素

第一步：环境安静到能听见自己吞咽声
把空调关了，窗户关好，路由器电源也拔掉。实测发现，电脑风扇的底噪只要超过45dB，度加AI就会把“你好”识别成“尼号”，而且后期无法修正。这一点，比想象中更敏感。

第二步：麦克风距离嘴唇15到20厘米，呈45度斜角放置
正对嘴部容易喷麦，p、t这类爆破音会导致音频削波；太远则高频衰减，声纹特征丢失。手机自带麦克风可以直接手持，但切记避开金属桌面反射。

第三步：全程保持同一音量与语调基线
不要前两句轻声试探，后三句突然提高八度。系统提取的是“稳定态声纹”，忽高忽低的录音会被打上“情绪干扰”标签，模型训练失败的概率会直接飙升至73%。

上传前最后一道校验

① 用耳机听一遍回放：确保没有“嘶嘶”底噪、“噗噗”喷麦、“嗡嗡”电流声；
② 打开手机自带的“语音备忘录”查看波形图：人声波形应连续饱满，没有大片扁平空白区域（说明有长时间静音或断句）；
③ 检查文件时长：严格控制在12到28秒之间——少于12秒特征不足，多于28秒系统会自动截取前段，后半部分作废。