#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，左侧边栏提供五大子功能入口：语音合成、语音复刻、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 step-tts-2，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）
• 音色调节：默认「自动」，可手动调整语速、语调等参数

适用场景示例：

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：

#***此处插入音频yyhc-jyxc.mp3

💡 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。

#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

#***此处插入音频ysyp-jyxc.mp3

添加情绪

#***此处插入音频qx-jyxc.mp3

添加副语言

#***此处插入音频fyy-jyxc.mp3

💡 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 进行连续的多轮语音交互——你说话，AI 听懂后以语音回答，整个过程无需打字。

两种通话方式：

• 语音输入：点击语音输入开始非实时按轮次语音对话
• 实时对话：点击实时对话开始实时语音对话，对话过程中不可调整参数设置

使用方法

在右边设置好参数以及是否联网，选择语音输入或者实时对话即可与 AI 进行对话。

对话界面。

适用场景：

• 双手不方便操作时（驾车、做饭、运动）
• 希望以更自然的口语方式和 AI 交流
• 语言学习练习，模拟真实对话场景
• 通勤路上快速学习新知识

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