#4. 语音体验中心

「语音体验中心」是阶跃星辰专为语音交互场景打造的综合功能区，集成了语音通话、语音识别、语音合成等多种语音相关能力。点击主界面输入框下方的「语音体验中心」入口即可进入能够满足日常沟通、内容创作、学习辅助等多元需求。

进入后，左侧边栏提供六大子功能入口：语音合成、语音复刻、语音识别、语音推理、声音编辑、语音对话。

#语音合成

语音合成支持将文字内容转换为自然流畅的音频文件。

支持的语言：普通话、四川话俚语、粤语俚语、英文、日文

右侧控制面板说明：

• 模型：默认使用 stepaudio--2-tts，阶跃星辰自研语音合成模型
• 格式：输出音频格式，默认 mp3
• 音色：可选择系统音色或自定义克隆音色，内置多种风格（如「气质温婉」「沉稳男声」等）

适用场景示例：

在全局控制的输入框里描述期望的语音效果后输入文本：
"亲爱的旅客朋友们，欢迎乘坐本次列车，
 请注意保管好随身携带的物品，祝您旅途愉快。"

配置：系统音色 > 气质温婉，格式 mp3
→ 生成一段播报风格的标准普通话音频

输出结果如下：

提示：语音合成每天有50次免费额度。

#语音复刻

「语音复刻」支持录制用户的声音样本，AI 会学习声音特征，生成一个专属的克隆音色。

克隆完成后，该音色会出现在语音合成的音色选择列表中，可以直接用于后续的文字转语音任务——让 AI 用你自己的声音来朗读内容。

适用场景：个人播客配音、视频博主批量配音、个性化语音提醒等。

提示：复刻的声音最多能保存5个。

#语音推理

「语音推理」支持直接输入语音或上传音频文件，让 AI 对语音内容进行理解和推理分析。相较于普通语音识别（只做转写），语音推理会在理解语音内容的基础上进一步给出分析、判断或回答。

适用场景示例：

语音输入：
"一列火车从 A 城出发，时速 120 公里，
 另一列从 B 城出发，时速 80 公里，
 两城相距 600 公里，问几小时后相遇？"

→ AI 理解题意后直接给出解题步骤和答案，无需手动打字

输出结果如下：

提示：语音推理每天有50次试用次数，上传和录制的音频需小于240秒。

#语音识别

「语音识别」功能支持将音频内容快速、准确地转写为文字，提供音频文件识别与录音转写两种模式，支持中英文混合识别，无需手动切换语言。

#1. 音频文件识别

用户可直接通过点击或拖拽的方式上传本地音频文件进行文字转写。

• 适用场景：会议纪要整理、采访录音转写、课程内容归档、语音备忘录提取、客服录音质检。
• 支持格式：WAV、MP3、OGG、PCM、M4A。
• 文件限制：单文件大小不超过 20MB。

上传客户需求记录的音频，识别结果如下：

#2. 录音转写

支持通过麦克风实时录入语音，并在停止录音后由系统自动识别并输出转写结果。

• 适用场景：快速语音备忘、现场会议纪要、口述内容转文字、语音笔记收集。
• 录音时长限制：单次录音最长 2分钟。

💡 提示：语音识别功能与语音合成、语音推理等共享语音体验中心的每日试用额度，使用时请注意剩余次数（如界面左下方显示的今日试用次数）。

#声音编辑

「声音编辑」提供对已生成或上传音频的二次加工能力，支持调整情绪、风格、速度，以及添加副语言效果。

操作流程：

点击添加音频。

上传或录制音频。

点击左下角选择参数，共有三个分类可以选择，情绪、风格、速度控制。（一次只能选择一个分类，需要等编辑完成后才能选择另一个分类），选择完成后点击「编辑新音频」。

编辑完成后可以再次点击选择参数再次编辑。

用户还可以点击左下角「副语言」按钮为音频添加副语言。

选择好要添加副语言的位置。

点击左下角「副语言」选择副语言的类型。

选择后即可在选择的位置添加上副语言。

编辑完成后可以点击「下载」按钮即可下载。

原始音频

添加情绪

添加副语言

提示：声音编辑每天有20次编辑次数，且上传和录制的音频需小于30秒。

#语音对话

「语音对话」支持与 AI 进行充满临场感的角色陪伴体验——你说话，AI 听懂后以语音回答，把聊天变成有情绪、有氛围的角色互动。最新版本引入了强大的右侧配置面板，支持深度定制“系统提示词”，并带来了更丰富的音色库选择。

1. 实时语音人格互动对话

点击页面中央的「实时对话」按钮，即可一键开启实时语音通话。

• 在通话过程中，AI 具有极高的响应速度，不仅能感知情绪，还支持在对话中原生触发 Tool Call（工具调用） 动态（如联网检索、复杂推理等），此时界面中央会呈现智能的蓝色云朵通话状态和 </> Tool Call 标签提示。
• 额度说明：中央下方直观显示当天的体验次数，如 今日试用次数：0/50。

2. 右侧参数设置面板

在点击通话前，用户可以在右侧面板对语音助手的“灵魂”与“声音”进行全方位的深度定制：

• 系统提示词（人设介绍）：

  • 默认人设：系统默认提供“小跃”人设（由阶跃星辰打造的语音对话助手，热情鲜活、商商在线、能共情、脑子清醒，偶有些小傲娇）。
  • 自定义系统提示词：支持在输入框内自由编写或修改详细的系统提示词（System Prompt）。你可以向 AI 灌输基础信息、核心身份、对话定位（例如：要求它主动引导对话、用通俗具象的例子阐释观点、提供精准的高质量选项等），彻底改变它的聊天风格。

• 音色选择（音色库 / 复刻音色）：

  

  点击音色下拉菜单，可以切换两种音色来源：

  • 音色库：内置多款极具特色的人格化音色：

    • 小跃：温暖、清澈、灵动
    • 小队：温暖、阳光、真挚
    • 田菲菲：甜美、软糯、可爱
    • 小鱼儿：独特、透亮
    • 苏焓言：慵懒、随性
    • 萧砚：低沉、平静、克制

    

  • 复刻音色：可以直接将下拉分类切换为「复刻音色」，选用您在“语音复刻”中克隆出来的专属个人音色。

• 添加音频： 面板最下方新增了「+ 添加音频」按钮，允许用户在配置音色和人设时，手动上传或录制本地音频来辅助对话的表现。

使用方法：

1. 进入「语音对话」功能，在右侧面板的「系统提示词」中自定义助手的人设。
2. 在音色下拉框中选择「音色库」里的内置角色（如小跃、田菲菲等），或切换至「复刻音色」。
3. （可选）点击下方的「+ 添加音频」上传或录制参考音频。
4. 确认无误后，点击界面中央的「实时对话」按钮，即可开始多轮无缝的语音交流。

适用场景：

• 双手不方便打字时（如驾车、做饭、运动或通勤）。
• 希望获得更自然、更有情感温度和氛围感的角色陪伴。
• 语言学习口语练习，利用自定义提示词让 AI 扮演特定的对话外教。

使用建议：

• 在安静环境下使用，语音识别准确率更高
• 说话语速适中，避免过长的无停顿单句
• 若识别结果有误，可手动修正后继续对话

💡 提示：语音对话过程中无法动态调整右侧的参数设置。如需更换音色或修改提示词，请在结束当前实时通话后，在主界面配置完成后重新发起。