如果你想在百度一镜数字人的视频中加入更自然的情绪化配音，有一个前置条件一定要先完成——音色克隆。并且，这一步是必不可少的，否则情感控制相关功能根本不会显示出来。
简单理解，整个操作流程主要分为三个步骤：先完成音色克隆，再开启情感控制，最后进行试听验证并导出。过程中有几个关键细节需要注意，下面逐步说明。
完成基础音色克隆
操作路径并不复杂：进入百度智能云数字员工开放平台后，依次点击「配置中心」→「配置台」→「音色定制」。接下来，上传一段30～50秒的音频，建议提前做好降噪处理，录制时尽量避免明显气口，以及“嗯”“啊”这类口头语。填写音色名称和性别后，点击「开始克隆」，然后等待系统处理完成即可。
这一步千万不能省略。原因很明确：如果账号没有完成音色克隆，那么在后续的视频合成页面中，【是看不到“情感模式”选项的】，所有情绪相关参数也会处于灰色不可操作状态。
在视频合成页启用句级情感控制
当音色克隆成功之后，通常可以通过两种方式为数字人配音添加情绪表达：
方法一：逐句手动调节。使用已经训练完成的音色进行视频合成时，在「声音设置」区域勾选「启用情感合成」，然后在下拉菜单中选择对应的预设情绪类型，比如“亲切”、“坚定”、“兴奋”或“沉稳”。随后，针对每一句文本，点击右侧的「编辑」图标，在弹出的设置面板中分别调整情感强度（0～100）、语速（-30%～+30%）以及音调（-200Hz～+200Hz）。这种方式更适合需要精细化控制的场景，能够针对不同句子单独设置情绪效果。
方法二：批量插入标签。如果配音文本较长，逐句调整会比较耗时，这时可以直接在文本输入框中插入情感标签语法。举个例子：
“今天要开会
当系统识别到
验证并导出带情绪的语音
情绪参数设置完成后，先不要急着直接导出，建议先试听并确认最终效果。
第一步：点击「试听」按钮，把整段合成语音完整听一遍，尤其要重点关注转折句、感叹词以及结尾升调等位置，判断情绪表达是否自然流畅。如果发现某一句的情绪表现偏弱，比如预设值“60”力度不够，可以返回上一步，将情感强度提升到85后再次试听。
第二步：确认试听效果满意之后，点击「导出MP3」。此时有一个很容易被忽视但非常重要的选项——「保留情感元数据」，一定要勾选。如果没有勾选，导出的音频将失去后续编辑能力，在百度生态中也无法重新加载原有情绪参数，等于后续复用会受到很大影响。
可以明确的是，百度一镜数字人情绪配音的整个流程看似步骤较多，但实际上每一步都紧密关联。音色克隆是启用情感配音功能的基础，句级情感调节是实现自然表达的核心，而“保留情感元数据”这个细节，则是保证语音素材可持续复用的重要保障。真正操作过一次之后，就会明白这些关键点为什么不能忽略。