艾智语途工场 · 使用指南
AI 赋能全场景教学与创新——语音克隆、语音定制、数字人视频、角色与情景对话、教师定制对话室，一站式说明书
深度交流 · AI 智能对话
进入模块
AI 大语言模型驱动的智能对话助手。支持多轮上下文交流，可用于备课答疑、教学设计研讨、语言知识讲解、翻译与写作润色等场景。
常见问题
回答到一半可以停止吗？
可以。生成过程中点击"停止"按钮即可中断输出，已生成的部分会保留。
对话记录会保存吗？
当前页面会话在刷新后清空。重要内容请及时复制保存。
智能体协作 · CrewStudio
进入模块
多智能体（AI Agent）协作工作室。您可以定义多个角色各异的 AI 智能体（如撰稿人、审校员、翻译官），让它们围绕一个任务分工协作、接力完成，适合课程脚本创作、长文写作、多轮翻译润色等复杂任务。
常见问题
和"深度交流"有什么区别？
深度交流是单个 AI 与您对话；智能体协作是多个 AI 之间互相配合完成任务，您更像"项目经理"而非对话者。
协作耗时多久？
视任务复杂度而定，多智能体接力通常需要几分钟，请耐心等待各角色依次输出。
AI 情感语音克隆。只需一段 3-9 秒的参考音频，AI 即可模仿该音色朗读您输入的任何文字，情感自然、相似度高，适合课件配音、课文范读、个性化语音素材制作。
三步上手
1选参考音频：从参考音频库选择（或本地上传）一段清晰人声，并填写对应的参考文本。
2输入合成文本：填写要朗读的内容，选择语种（中/英/日等）。
常见问题
参考音频有什么要求？
建议 3-9 秒、单人声、无背景音乐、无噪音的清晰录音。超过 9 秒的部分无法参与克隆。可以在"参考音频库"中预先管理您的音频。
为什么要填"参考文本"？
参考文本就是参考音频里说的那句话的原文。准确填写能显著提升克隆相似度；填错或留空会导致合成效果下降。
合成一次要多久？
通常几秒到几十秒，取决于文本长度。长文本建议分段合成以获得更稳定的效果。
智能语音定制合成
进入模块
AI 声音设计合成。不需要任何参考音频——用自然语言"描述"您想要的声音（如"一位亲切的女教师，语速适中"），AI 即可凭空创造出符合描述的音色并朗读文本，适合快速尝试不同风格的配音。
三步上手
1描述声音：在"音色描述"框写出您想要的声音特征（性别、年龄感、情绪、语速等）。
2输入文本：填写要合成的内容（最长 1500 字），选择语种。
常见问题
音色描述怎么写效果好？
越具体越好。推荐组合：性别年龄 + 情绪语气 + 语速节奏，例如"沉稳的中年男声，语气温和，语速偏慢，适合讲故事"。
和"语音克隆"选哪个？
想模仿某个真实人物的声音，用"语音克隆"；想快速创造新风格的声音、不需要像谁，用"语音定制"。
页面右上角显示"未连接"怎么办？
说明语音服务暂时不可用，请稍等片刻刷新；若持续未连接，请联系管理员。
语音识别（语音转文字）
进入模块
AI 高精度语音识别。将课堂录音、演讲、采访等音频实时转成文字，支持中文、英文，自动加标点，适合课堂实录整理、听力材料转写、字幕制作。
三步上手
1上传音频：选择要识别的音频文件（或使用麦克风实时录音）。
常见问题
识别准确率受什么影响？
录音清晰度是第一要素：近距离录音、少背景噪音、发音清晰，准确率最高。背景音乐和多人混叠会明显降低准确率。
支持多长的音频？
常规课堂录音均可处理；超长音频建议切分成 10-30 分钟的片段分别识别，速度更快也更稳定。
音频的"修图软件"。上传音频后 AI 自动逐句转写，您像改 Word 一样在线改句，系统用原音色只重合成改过的句子并无缝替换回去；还有免费的一键美化、老音频批量翻新和 Seed-VC 音色升级，让旧录音焕发新生。
三种模式
①单音频精修：上传音频 → AI 逐句转写（带时间戳）→ 点击文字直接改句（点 ▶ 可试听原句）→「重合成替换」只重做改过的句子，片段级叠化接回，接缝自然。适合修口误、改错词、删废话。
②批量翻新：一次上传多个老音频，每个文件依次执行「转写 → 用它自己的声音克隆全篇重合成 → 自动美化导出」，内容不变，音质与一致性整体提档。适合批量升级旧课程录音。
③音色升级（Seed-VC 语音转换）：上传源音频 + 一段 3~30 秒的目标音色参考音频，保留源音频的内容、停顿与语气起伏，只把音色换成参考音色。与全篇重合成不同，韵律全部原样保留。
常见问题
如何计费？
转写 1 信用点/分钟；重合成 2 点/百字；一键美化（降噪+响度归一）完全免费；音色升级 1 点/分钟；批量翻新按文件逐个结算（转写 1 点/分钟 + 重合成 2 点/百字）。
精修和音色升级有什么区别？
精修改的是内容——改句子、修口误，改过的句子用原音色重新合成；音色升级改的是音质音色——内容一字不动，只把声音换成目标音色。想"改词"用精修，想"换声"用音色升级。
建议的处理顺序？
推荐：先「一键美化」（免费）提升底噪和响度，再在线改句精修，最后需要的话做音色升级。美化在前，转写和重合成的效果都更好。
AI 数字人视频生成。给它一张人物照片和一段语音，AI 就能让照片中的人物开口"说话"，口型同步、表情自然。一段数字人视频 = ① 写好文案 → ② 生成配音 → ③ 准备照片 → ④ 合成视频，前两步可分别借助本站的"语音克隆"和"语音定制"模块完成。页面顶部还有「我的作品」（管理已生成的视频）和「生产线」（直达视频流水生产线，批量自动化出片）两个快捷入口。
完整制作流程
1准备文案：把数字人要在视频里说的话写成文字稿（如课文讲解、微课脚本）。
2生成配音：到语音克隆（模仿指定音色）或语音定制（描述一个新声音）模块，输入文案合成语音，试听满意后下载保存音频文件。如果您已有现成的录音，可直接跳过此步。配音如有口误，可到音频润色坊在线改句修复。
3准备照片：选一张正脸、五官清晰无遮挡、光线均匀的人物照片（证件照式效果最佳）。
4合成视频：进入本模块，上传照片和第 2 步得到的音频，选定目标时长（1~30 分钟，请与音频实际时长相近），点击生成视频。
5预览下载：渲染完成后在线预览，确认口型和效果满意后下载成品视频；也可到「我的作品」统一管理。
常见问题
什么样的照片效果最好？
正面、五官清晰无遮挡、光线均匀的证件照式照片效果最佳。侧脸、低分辨率、戴墨镜会明显影响效果。
配音音频从哪里来？
三种途径：① 用本站"语音克隆"模仿某个音色朗读文案；② 用"语音定制"凭空创造一个新声音；③ 直接上传您自己录制的音频。前两种需在对应模块生成后先下载，再到本模块上传。
生成一段视频要多久？
与音频长度相关，一般每分钟音频需要数分钟渲染，请耐心等待，不要重复点击。
支持多长的视频？
目标时长可选 1~30 分钟。超过 3 分钟的视频，系统会自动分段渲染再叠化拼接，长视频也能稳定出片；请上传与目标时长相近的音频（视频时长 ≈ 音频时长）。长课程也可拆成多集分别生成，方便后期组合与更新。
从主题到成片的全自动流水线：编剧 → 配音师 → 剪辑师三个阶段接力。您只需给一个视频主题（或粘贴现成文案），AI 自动写文案、配好声音、合成数字人视频，支持 1~30 分钟长片、多任务并行和断点续跑。数字人视频生成页面顶部的「生产线」按钮也可直达本模块。
三阶段接力
1编剧（免费）：输入视频主题，选目标时长（1~30 分钟，约 300 字/分钟）和语言；有现成文案可直接粘贴（20~9000 字），编剧阶段将直接使用，不再 AI 生成。文案可反复修改，满意后进入下一阶段。
2配音师：在「音色描述」里写下想要的声音（如"温暖知性的女教师，语速适中"），AI 按描述合成配音（2 信用点/百字）；想要自己的声音可点「🧬 声音克隆」跳转克隆音色。
3剪辑师：合成数字人视频（1 信用点/秒，失败全额返还）。超过 3 分钟自动分段渲染 + 叠化拼接；支持多任务并行、断点续跑——中途关掉页面，回来还能接着跑。成品在任务列表查看下载。
常见问题
和「数字人视频生成」模块有什么区别？
「数字人视频生成」是手动模式：文案、配音、照片都自己准备，适合精细控制；「流水生产线」是自动模式：一个主题进去、成片出来，适合批量做课。两者产物相同，可搭配使用。
整体费用怎么估？
编剧免费；配音 2 点/百字（约 300 字/分钟）；视频合成 1 点/秒；AI 形象 2 点/张。以 5 分钟视频为例：配音约 30 点 + 合成约 300 点。失败全额返还，费用全程透明。
中途断网或关页面会怎样？
流水线支持断点续跑：任务状态保存在服务器，重新打开页面即可从断点继续，不会重复计费。
数字人视频教学（进入课程）
进入模块
数字人教师课程入口。由数字人教师主讲的视频课程，结合课程内容进行讲解演示，为您提供沉浸式的学习体验。
常见问题
视频卡顿怎么办？
请检查网络状况；校园网环境下如持续卡顿，可尝试切换网络或错峰学习。
语音对话 · 小语同学
进入模块
纯语音的 AI 对话伙伴"小语同学"。无需打字，开口即聊：您说话它倾听，它回答有声音有情感，是随身携带的口语练习搭档，特别适合英语听说训练和随时随地的问答互动。
常见问题
手机上能用吗？
可以。微信中打开或手机浏览器访问均可，建议佩戴耳机以获得更清晰的声音效果。
支持英文对话吗？
支持。直接用英语和它交流即可，是练习英语口语的理想语伴。
与 AI 扮演的历史人物、文学角色、科学家实时对话，探究其思想与时代背景。支持语音（可免提）与文字两种交流方式；对话结束后自动生成"思维闪光点"报告，点出您提问中的亮点与可深化之处，让沉浸式学习可评估、可沉淀。
三步上手
1选择人物：在人物大厅点击一位角色（苏格拉底、钱学森、莎士比亚……），进入对话房间。
2开聊：打字或直接说话（可开免提像打电话一样自然交流）；点击人物的开场白可收听语音。
3生成报告：对话数轮后点击"思维闪光点报告"，查看对您提问质量的点评与深化建议；报告可保存、可复制。
常见问题
角色的语音回复可以反复听吗？
可以。每条角色回复旁都有播放按钮，点击即可重听语音，方便跟读与模仿。
如何收费？
每个账号享有充裕的免费体验轮次；超出后登录用户按 1 信用点/条对话计费，页面顶部会实时显示剩余额度。
老师能定制自己课程需要的角色吗？
可以！这正是"教师定制对话室"服务——由您设定角色、教学目标，生成班级专属房间，学生扫码即用，对话全文为您沉淀。详见下方"教师定制对话室"版块。
语言情景对话模拟器
进入模块
沉浸式角色扮演口语陪练。机场值机、餐厅点餐、求职面试、酒店入住、生命健康、人工智能等 12 个情景主题：AI 扮演情景角色实时回应您说的内容，并即时纠正发音、语法与表达得体性；难度随您的水平自适应调节——外语口语课和职业场景实训的"无限陪练"。
三步上手
1选择情景：在情景大厅点击一个主题（如"机场值机"），进入对话房间，收听 AI 的开场引导。
2开口扮演：用语音（可免提）或文字进入角色，完成情景任务；AI 会即时回应并给出表达建议。
3复盘提升：结束后生成总结报告，回顾自己的亮点表达与待改进之处。
常见问题
和"虚拟角色对话"有什么区别？
角色对话侧重探究人物思想（文史哲、思政场景）；情景对话侧重语言技能训练，有明确的场景任务、纠错反馈与难度分级，更适合口语课与职业实训。
我英语基础弱，跟不上怎么办？
AI 会根据您的实际表达自动降低语速与用词难度；您也可以直接用中文夹英文过渡，它会耐心引导您完成场景任务。
老师能定制自己课程的情景吗？
可以！在"教师定制对话室"中描述您需要的场景（如"医学英语问诊""外贸谈判"），AI 将为您生成班级专属情景房间。详见下方"教师定制对话室"版块。
教师定制对话室（付费服务）
进入模块
面向教师的专属定制服务：您设定角色/情景与教学目标，AI 生成班级专属对话房间；可上传您的照片（显示在房间顶部）与 9 秒声音样本（克隆专属音色）。学生扫码即用、无需下载 App；每个学生的对话全文为您沉淀，是过程性评价与教学科研的一手素材。
深度阅读：《从微信群到自主学习室——为什么每位教师都需要一间专属 AI 对话室》，一份写给教师的产品说明书，欢迎转发给同事。
三步完成定制
1填写定制表单（约 5 分钟）：选房型（角色/情景），写教学目标与设定，可选上传照片与声音样本。
2AI 生成，预览确认：AI 生成角色人格与开场白，您满意后再发布；含 3 次免费重新生成。
3发布分享码：链接/二维码发到班级群，学生扫码即用；在"我的定制"后台查看学生对话全文、管理房间。
常见问题
价格是多少？
单个定制 ¥180（首年，含 AI 生成 + 3 次重新生成）；三室套餐 ¥399（单个低至 ¥133）；次年续费 ¥99/年。
学生需要注册吗？会产生费用吗？
学生无需下载 App，免登录即可体验 50 轮；继续学习需登录，之后按 1 信用点/条在学生自己账户计费，与您的定制费无关。您本人使用自己的房间永久免费。
学生的对话数据谁能看到？
只有您（房间创建者）能在"我的定制"后台查看本房间学生的对话全文；学生之间互相不可见。
对上传的照片和声音有什么要求？
照片：JPG/PNG 不超过 5MB。声音：WAV 格式、16000Hz、单声道、16 位、5~9 秒清晰人声（无背景音乐），可用剪映或 Audacity 导出。上传即视为您确认拥有合法授权。
《理解当代中国》智能语伴
进入模块
专为《理解当代中国》课程打造的 AI 学习语伴。围绕课文内容陪您自主学习：答疑解惑、词汇讲解、跟读练习、观点讨论，让课本学习从"自己啃"变成"有人陪"。
常见问题
语伴的回答都依据课文吗？
语伴优先围绕所选单元的课文内容展开，也可以适度拓展相关背景知识，帮助您加深理解。
适合课前预习还是课后复习？
都适合。课前用它扫清生词和背景障碍，课后用它讨论观点、巩固表达。
语音克隆的"音色仓库"。这里集中管理可用于克隆的参考音频，每条音频配有昵称、性别、描述和试听。在"语音克隆"页面点击"更多参考音频"即可跳转到本库挑选。
三步上手
2选取：点击"选取"，系统自动跳回语音克隆页并载入该音频。
常见问题
音频时长为什么都不超过 9 秒？
语音克隆模型对参考音频长度有上限要求，过长的部分无法参与克隆，因此库中音频统一裁剪至 9 秒以内以保证最佳效果。
可以上传自己的音频吗？
可以。建议录制 3-9 秒清晰人声（无背景音乐、无噪音），上传后同样需要填写准确的参考文本。
账户中心。查看您的使用情况、消费明细和账户余额，管理个人服务。
常见问题
看不到"我的账户"菜单？
该入口仅对已登录用户显示，请先登录。
通用问题
推荐用什么浏览器？
推荐 Chrome、Edge 最新版；手机端可用微信内置浏览器。语音类功能需要浏览器支持并授权麦克风。
生成的语音/视频可以商用吗？
平台生成的内容供教学与学习使用。请确保您使用的参考音频、照片等素材已获合法授权，勿用于侵犯他人声音权、肖像权的用途。
功能异常时怎么办？
先刷新页面重试；若多次失败，请记录：哪个模块、操作到哪一步、页面提示什么，然后联系管理员排查。
找不到答案怎么办？
试试
系统答疑——官方答疑助手 7×24 在线，功能用法、账号计费、教师定制，有问必答，完全免费。
可以把平台推荐给同事吗？
欢迎！在微信中打开本指南，点右上角即可把"使用指南"分享给朋友，他们可以从这里直达各功能模块。
技术底座与致谢
艾智语途工场站在开源社区与云计算生态的肩膀上。平台在以下优秀项目与服务之上，完成了面向教学场景的工程化整合、计费体系与内容安全设计。我们尊重各项目的开源许可协议，并向所有为 AIGC 生态做出贡献的开发者致以诚挚谢意。
大语言模型阿里巴巴 Qwen 系列开源大模型、DeepSeek、Kimi（月之暗面）——为智能对话、智能体协作与内容生成提供理解与表达能力。
语音合成GPT-SoVITS（开源语音克隆框架）、Qwen3-TTS（开源声音设计模型）——支撑"语音克隆"与"语音定制"两大配音能力。
语音识别FunASR（阿里达摩院开源语音识别框架）——支撑语音转文字，也是语音对话模块的"耳朵"。
数字人视频阿里云百炼 · 灵动人像云端服务——让一张照片开口讲课，口型同步、表情自然。
基础生态PyTorch、FFmpeg、FastAPI、vLLM 等开源基础设施——是整套系统稳定运转的地基。
平台生成的内容仅供教学与学习使用。请为您上传的参考音频、人物照片等素材取得合法授权，勿用于侵犯他人声音权、肖像权的用途。