常见问题
配音演员和买家最常问的问题解答。还需要帮助?请发邮件至 admin@worder.com。
入门
如何生成语音?需要多少个样本?
买家:从配音演员的店面或市场打开一个声音,点击生成语音,输入脚本(至少 30 个字符),然后生成。按生成音频的秒数计费,购买前可以免费试听一小段。
配音演员:要创建您的声音,请上传您本人声音的参考录音——AI 会从这些录音进行克隆,因此质量远比数量重要。一个高质量的样本就足以发布声音,但为每种情感各添加一个样本(并清晰标注)可以启用指令标签,获得更丰富的表现力。请为您能演绎的每种语言和口音分别创建声音。详细指导见下文“如何录制声音样本才能获得最佳效果?”。
如何录制声音样本才能获得最佳效果?
您的样本是 AI 克隆的参考,其质量直接决定了用您的声音生成的一切。在这里多花一点心思,效果会大不相同。
每种语言和口音一个声音
- 一个声音只承载一种语言和一种口音。如果您能演绎不止一种——比如西班牙语(哥伦比亚)和西班牙语(墨西哥),或纽约口音和美国南方口音的英语——请为每一种分别创建声音。买家按口音搜索,这样每种口音都能被单独找到,AI 也只会从该口音的样本进行克隆。
- 样本从属于声音,并沿用其语言和口音。样本增加的是情感——买家在脚本中途使用的指令标签——所以在一个声音里混用口音,会让
[happy]这样的标签有两个可能的答案。 - 一个高质量的样本就足以发布声音。要给买家提供情感范围,请为每种情感各添加一个样本(见下文)。
- 每个样本争取 10–30 秒干净、连续的语音。克隆声音只用到大约八秒——在较长的样本中,取其最连续的一段——所以额外的长度帮助不大。超过 2 分钟的样本会在上传时被拒绝。
- 要演绎,不要照念。声音会复制您样本中的表达方式。小心翼翼的平淡朗读只会生成平淡的语音,所以请按您希望客户听到的方式来录。
每个样本一种情感
- 每个样本从头到尾保持单一、一致的情感和风格。不要在同一段录音中混入一句欢快的和一句低沉的——模型捕捉的是样本的整体表达方式,混合风格会让结果变得模糊。
- 在每个样本内保持语气、语速、能量和音量稳定。
- 用情感为每个样本命名(开心、平静、自信、兴奋……)。这些标签就是买家在脚本中途切换情感所用的指令标签。
音频质量
- 在安静的空间录制——没有背景噪音、嗡嗡声、回声或混响。
- 没有背景音乐、音效或其他人声。
- 尽量使用好的麦克风(而不是手机或笔记本电脑的麦克风),避免压缩严重或比特率低的音频。
- 保持一致、自然的音量,不要有削波或失真。
- 导出为单声道,或确保两个立体声声道都有音频。用一支麦克风录到立体声轨道一侧的文件只会从一只耳朵出声,给 AI 的参考也只有一半——这类上传会被拒绝。
- 上传您手头质量最高的版本——未压缩的 WAV 最为理想。
上传前先清理
- 剪掉开头和结尾的静音和空白。
- 去掉粗重的呼吸声、口腔杂音和咂嘴声——但不要把每一次呼吸都剪掉。测试者一致认为完全没有呼吸声是 AI 声音露馅的地方,所以轻微的自然呼吸是优点,而不是缺陷。
- 剪掉磕绊和重新开口的部分。
不要有填充词和语气声
即兴、口语化的朗读往往比照本宣科更自然、更有生气——这种直觉是对的,我们不想把它抹平。但即兴也正是“嗯”、“呃”、“那个……”和“你知道”的来源,而在参考样本中,这些会带来普通配音工作中不存在的代价:样本里的填充音不会只留在样本里。
- AI 无法知道填充音不是您有意要说的词。它把样本里的一切都当作您说话方式的一部分,所以可能在生成的音频中重现这个声音——在朗读开头,以及每次停顿之后。
- 有位配音演员的样本开头几秒有一声轻轻的“嗯”。用那个声音生成的每一段音频都以“嗯”开头。
- 清嗓子、明显的吞咽声,以及任何您会从成品中剪掉的东西,同样如此。
两种既保留自然感又不付出代价的方法:把词写下来并演绎出来而不是平淡地念,或者像平常一样即兴发挥,然后在上传前把填充音剪掉。两种都行——关键是您上传的文件里一个也不剩。
说什么
- 用完整的句子,自然、清晰地说话。
- 选择能代表您所提供风格的内容;避免绕口令或数字密集的文本。
- 确保您所说的语言和口音与此样本所属的声音完全一致。
如何使用情感(指令)标签?
如果您的声音有多个带标签的样本,可以在一段文字前插入标签,在脚本中途切换情感:
[happy] 欢迎回来![calm] 来,深呼吸一下。
其他可以混用的脚本控制:
[pause 2]——插入精确的 2 秒停顿。从[pause 0.5]到[pause 30]的任意长度都可以(小数也行);超过 30 秒的值会被忽略。[pausa 3]同样有效。[emphasize]——提高下一句的音量(非常适合标语){品牌|发音}——控制发音,例如{Nike|Naiki}- 标点对节奏的影响更细微:逗号和省略号(……)会加入短暂的自然停顿。换行的作用不只是停顿——它会改变模型对整段文字的节奏和语调处理,所以把一个段落单独放到一行,可能会明显改变表达。想要精确、可预期的停顿,请使用
[pause N]。
怎样写脚本才能获得最佳效果?
好的生成和出色的生成之间的差别,大多来自脚本本身。以下直接来自我们测试者的发现:
- 用
[pause N]获得可靠的时间控制。标点只能微调节奏,只有停顿标签能给您精确、可重复的间隔。 - 换行是真正的创作工具。把一个段落单独放到一行,不只是增加间隔——它会改变声音对该段的节奏和语调处理。如果某段读起来平淡,先试着换一种分行方式,再考虑改词。
- 给每个带标签的段落一个完整的句子。每个段落都是单独生成的,至少需要 30 个字符;过短的片段听起来会被截断,并会被拒绝。
- 一次只换一种情感。每个指令标签都来自不同的录音,所以每一行都切换情感会让表达显得躁动不安。把脚本分成几个情感段落会更好。
- 长脚本分段生成。每个标签都会增加生成时间;非常长、标签密集的脚本可能会超时。两次较短的生成更快,而且通常比一次冗长的生成效果更好。
- 把数字、日期和缩写按应读出的方式书写(“二零二六”、“A-P-I”),对于声音读错的名称,使用
{品牌|发音}。 - 小改动后重新生成。由于模型会读整个脚本来获取上下文,一个小的措辞或空格改动可能会明显改变表现——通常值得再试一次。
有哪些语言和口音可选?
Worder 目前支持 10 种语言——英语、西班牙语、法语、德语、意大利语、葡萄牙语、日语、韩语、中文和俄语——每种都有地区和口音变体(例如来自不同国家的英语或西班牙语)。如果您需要的语言或口音尚未列出,请发邮件至 admin@worder.com,我们会在语言支持扩展时随时告知您。
账户与访问
无法注册或生成——该检查什么?
- 邀请码:注册不需要邀请码。如果您输入了一个但被拒绝,请检查是否有拼写错误,或清空该字段后直接注册。
- 收不到验证码:我们会在注册时,以及您启用双重验证后的登录时,通过邮件发送验证码。如果一分钟内没有收到,请检查垃圾邮件或推广邮件文件夹,并确认邮箱地址输入正确——然后重新申请验证码。
- 验证视频显示“0 匹配”:这表示我们从您的录音中转写出的文字与屏幕上的短语不匹配——通常是因为背景噪音、语速太快,或没有完全按短语朗读。请在安静的房间录制,严格按显示的短语朗读,然后再试一次。
- 还是不行?请发邮件至 admin@worder.com,告诉我们您的邮箱地址和您想做的操作,我们会直接帮您处理。
付款
付款如何运作——需要开发票吗?
不需要开发票——一切都是自动的。买家按每次生成付费,作为配音演员,扣除银行卡手续费和 AI 生成费用后,每笔销售您保留 90%。您的余额达到 $10 后,会在每月 1 日通过 Stripe 自动结算,您可以在控制台跟踪收入和结算情况。
如何设置 Stripe 以便收款?
Worder 通过 Stripe Connect 向配音演员付款。您需要在首次结算前完成一次设置——我们无法向尚未设置的账户汇款。
- 进入您的收入页面,点击连接 Stripe 以收款。
- 选择您银行账户所在的国家/地区。请务必小心——Stripe 会在账户创建时固定国家/地区,之后无法更改。它还决定了您需要填写哪些银行字段:美国是 routing number,欧洲大部分地区是 IBAN,英国是 sort code。
- Stripe 会要求您提供法定姓名、出生日期、地址和银行信息。企业可能还需要提供税号。
- 根据您所在的国家/地区和收入情况,Stripe 可能会要求提供带照片的身份证件或地址证明。这是金融法规要求的身份验证——Worder 从不接触这些文件。
- 完成后,您会返回 Worder。您的收入页面通常会在几分钟内显示结算已启用。
您不必一次完成。如果中途停止,收入页面上的同一个按钮会从您离开的地方继续。
什么时候能真正收到钱?
- 买家一生成音频,您在每笔销售中的分成(扣除银行卡手续费和 AI 生成费用后的 90%)就会加入您的待结算余额。
- 结算每月一次,在 1 日进行,且仅针对 $10 及以上的余额。低于此金额时,您的余额会直接结转到下个月。
- 结算发出后,Stripe 会将款项转入您的银行账户。所需时间取决于您的国家/地区和银行——首次结算通常需要两到七个工作日,之后会更快。
- 您可以在 Stripe Express 控制台中查看每一笔结算,包括仍在途中的——可从您的收入页面进入。
声音应该定价多少?
您按生成音频的每秒自行定价,扣除银行卡手续费和 AI 生成费用后,每笔销售您保留 90%。Worder 没有人会替您定价。但大多数配音演员都是第一次为 AI 生成定价,所以这里介绍一下市场的情况。
当前 AI 语音生成的价格
通用 AI 文本转语音——没有真人参与、没有人同意、没有人获得报酬——向买家收取的价格大约是每分钟成品 $0.10 到 $0.50。这是每位买家来到这里时心里的参照点。
Worder 比这更贵,也理应如此。您的声音属于一个同意这份工作并因此获得报酬的真人,这值得付费。但差距必须保持合理:买家拿您和合成声音比较时,愿意为真人声音多付一些,但不是多付好几倍。
一个可行的范围:每秒 3¢ 到 10¢——约合每分钟成品 $1.80 到 $6.00。按每秒 5¢ 计算,一分钟成品音频买家花 $3.00,其中 $2.70 归您。
一个容易忽略的地方
买家为每一次尝试付费。脚本很少一次就对,三十秒的朗读尝试十五次,就是七分半钟的计费音频,而不是三十秒。您的费率是按他们生成的所有内容收取的,而不只是他们留下的那个版本——所以过高的费率会以您看不见的方式让您失去订单,因为买家会悄悄地选择别人。
两个极端
- 低于约每秒 2¢,您就是在价格上和通用 AI 比拼——这场比赛没有赢家,而且放弃了那些工具唯一给不了的东西。
- 高于约每秒 15¢,买家会想在您的卡片上看到一个理由:稀有的语言或口音、独特的角色,或者一个他们已经知道的名字。
市场数据核查于 2026 年 8 月;AI 语音定价变化很快。
连接 Stripe 时遇到问题,尤其是在美国以外。
结算通过 Stripe Connect 进行,它支持许多国家/地区的配音演员——但 Stripe 要求填写的具体银行信息取决于您的账户所在地(美国是 routing number,欧洲大部分地区是 IBAN,英国是 sort code,等等)。几点建议:
- 在入驻开始时,选择您的银行账户实际所在的国家/地区——这决定了您会看到哪些字段。
- 按您所在国家/地区的格式填写信息。如果“routing number”之类的字段不适用于您,选对国家/地区后 Stripe 会显示相应的替代字段。
- 如果没有完成,您可以随时从收入页面返回入驻流程。
- 少数国家/地区尚未获得 Stripe 的结算支持。您可以在 stripe.com/global 查看最新列表。如果无法完成入驻,请发邮件至 admin@worder.com 并注明您所在的国家/地区,我们会就可选方案给出建议。
如果选错了国家/地区
Stripe 会在账户创建时固定其国家/地区,之后无法编辑——只能更换账户。如果您的账户要求填写错误国家/地区的银行信息(比如您在西班牙开户,却被要求填美国的 routing number),请进入收入页面,使用“选错了国家/地区,或被要求填写错误的银行信息?重新开始”,选择正确的国家/地区,然后重新连接。这会删除旧的入驻信息并新建一个。您 Worder 余额中已有的收入不受影响。
Stripe 显示账户受限、待处理或需要更多信息。
这是您和 Stripe 之间的事,不在 Worder 的控制范围内——我们能看到您的账户是否已可结算,但看不到 Stripe 向您索要什么。
- 待处理通常表示 Stripe 仍在审核您提交的内容。大多数审核会在一两天内完成。
- 受限或需要信息表示缺少某些内容——通常是身份证件、地址证明,或无法验证的银行账户。Stripe 会准确列出它需要什么。
- 从您的收入页面打开 Stripe Express 控制台,查看待办事项并上传缺少的材料。您也可以直接访问 connect.stripe.com/express_login。
- 对于 Stripe 方面的任何问题——被拒绝的文件、无法通过的验证、关于其要求的疑问——Stripe 自己的客服是最快的途径:support.stripe.com。
在此期间,您在 Worder 上的收入会继续累积。什么都不会损失——结算只是等到 Stripe 启用后,再照常发出。
所有权、隐私与安全
对自己的声音和身份有哪些控制权?
您始终拥有控制权。您可以随时编辑或删除您的声音和样本,并在账户设置中设置使用限制——即您的声音不得用于的内容类别。
如果您删除账户,您的声音模型和样本会被永久删除,再也无法用于生成新的音频。买家在删除之前已经生成并下载的音频,仍按其购买的许可归买家所有——我们无法召回已交付的文件——但再也不能用您的声音生成任何新内容。如需申请删除账户,请发邮件至 admin@worder.com。
有哪些防止滥用的保障措施?
- 不用您的声音训练 AI:Worder 不会使用您的样本来训练、微调或改进 AI 模型,买家也在合同上被禁止用他们生成的音频进行训练。
- 自动筛查:每个生成请求都会在产生任何音频之前接受筛查。属于您限制的类别的内容、冒充真实人物的内容,以及针对或伤害真实个人的内容都会被自动拦截。
- 经过验证、署名的声音:每个声音都与一位经过验证的真人绑定。这是 Worder 作为公平交易市场的核心——买家清楚地知道自己在授权使用谁的声音,配音演员也得到应有的署名和报酬。声音不是匿名的。
质量与后续计划
如何提高 AI 克隆声音的质量?
使用在安静房间录制的干净、有表现力的参考样本,并善用脚本工具——指令标签([happy]、[calm])、停顿([pause 2])、强调([emphasize])和发音覆盖({品牌|发音})——来塑造表达。自然的句子长度和清晰的标点也有助于模型生成更自然的语音。
Worder 对所有人开放吗?有教程吗?
Worder 正处于公开测试阶段:任何人都可以注册,配音演员可以上架自己的声音,买家今天就可以浏览市场并生成音频。视频教程正在制作中——准备好后我们会立即分享。在此期间,如果您在设置过程中需要帮助,请发邮件至 admin@worder.com。
没有找到答案?请发邮件至 admin@worder.com,我们会帮您解决。