跳到正文
音绘

支持 macOS 与 Windows

让每个想法都有自己的声音

音绘是一款本地 AI 语音创作工作台。从几行文字到完整的多角色成片,做完直接送进 Final Cut、达芬奇或 Premiere。

支持 macOS 与 Windows · 语音合成在你的电脑上完成

本地运行

文本与音频不会为了合成而上传

7 种语言

中文、英语、日语、韩语、法语、德语、西班牙语

8 种导出格式

WAV、SRT、CSV、标记、FCPXML、Premiere XML 等

四种造声音的方式

它们共用同一个音色库,所以在任何一处做出来的声音,在别处都能直接用。

01

自然的文字转语音

输入或粘贴文字,选择音色、语言、语速与语气,即可生成清晰流畅的语音。长文本会自动分段,任务在后台排队运行,进度随时可见。

02

多角色脚本配音

为每一句台词单独设定说话人、语气、语速、语言与目标时长,然后一次批量生成整段内容。可以粘贴文本,也可以导入 TXT、Markdown、DOCX 与 EPUB。

03

设计专属音色

用自然语言描述年龄、音质、口音、气质与使用场景,音绘会生成一个新的声音,存进音色库,随处可用。

04

在获得授权的前提下克隆

录制或导入一段 10–30 秒的清晰语音,创建可重复使用的音色并立即试听。请仅克隆你本人的声音,或已获得明确授权的声音。

从一份文稿,到一条排好的时间线

音绘是照着配音真实的做法设计的——很长的文本、很多个角色,末尾还有一个等着素材的剪辑软件。

  1. 1

    导入文稿

    粘贴文本,或导入 TXT、Markdown、DOCX 与 EPUB。所有格式都会统一转成 Markdown 落盘,再长的书也能继续做下去。

  2. 2

    给角色配音色

    开启自动角色分析后,它会读取原文、给出一份角色表,并在写成脚本之前为每个角色分配一个设计好的音色。

  3. 3

    逐句调

    每一句都带着自己的语速、语言、语气与目标时长。你可以把段长设得比音频更长,并决定声音落在段内的哪个位置。

  4. 4

    后台生成

    任务按你设定的并发上限排队。长任务会分段保存进度,中断之后是接着跑,而不是从头再来。

  5. 5

    导出到剪辑软件

    编号 WAV、完整混音、字幕、标记,加上一条现成的时间线——放进 Final Cut、达芬奇或 Premiere 时,切点已经摆好了。

为剪辑流程而生

生成一次,时间线需要的文件全都有。编号音频与随之导出的字幕、标记、时间表严格对齐。

编号 WAV 片段

一句一个文件,顺序排好

完整混音

整段生成结果合成一条音轨

SRT 字幕

与生成结果严格对时

CSV 时间表

每个片段的入点与出点

Audition 标记

直接拖进工程即可

FCPXML 时间线

Final Cut Pro 与 DaVinci Resolve

Premiere XML

供 Premiere Pro 使用的 XMEML 时间线

音色库

标签、收藏与搜索,管住所有音色

本地合成,边界清楚

语音在你自己的机器上生成。音绘的任何环节,都不要求你把稿子交给服务器。

合成发生在你的电脑上

你的文本以及由它生成的音频,不会为了合成而被上传。语音模型跑在你自己的硬件上。

模型只下载一次

第一次使用某个语音模型时,音绘会从 Hugging Face 或 ModelScope 下载它。之后就能离线工作。

自动角色分析需你主动开启

只有在你主动开启自动角色分析时,相关文稿才会被发送到你自己配置的模型服务商:Anthropic、OpenAI 或 DeepSeek。

没有统计,也不用注册

没有遥测、没有埋点 SDK、不需要注册账号。项目、任务与音色都存在你机器上的数据库里。

常见问题

音绘能离线用吗?

语音模型下载完之后可以。首次运行需要联网取模型文件,可选的自动角色分析也需要联网,因为它要调用第三方模型服务。除此之外——生成语音、设计音色、克隆、导出——全程都不需要网络。

我可以克隆谁的声音?

你自己的,或者你已获得明确授权的声音。声音克隆首先是一个现实中的授权问题,而不只是技术问题,滥用他人声音在很多地区是违法的。工具由音绘提供,授权得由你自己拿到。

生成的音频可以商用吗?

你生成的音频归你使用,包括商用。克隆音色是那个值得再说一遍的例外:你需要拿到声音本人的授权。

能导出到哪些剪辑软件?

给 Final Cut Pro 和 DaVinci Resolve 的 FCPXML,给 Premiere Pro 的 XMEML,另外还有 WAV 片段、完整混音、SRT 字幕、CSV 时间表和 Audition 标记,几乎在任何软件里都能用。

它能说哪些语言?

中文、英语、日语、韩语、法语、德语和西班牙语。应用界面本身也有同样这七种语言,默认跟随系统设置。

运行需要什么条件?

一台运行 macOS 13.3 或更高版本的 Mac,或符合 Microsoft Store 页面所列系统要求的 Windows 电脑。还需要足够存放语音模型的空间——模型文件较大,首次下载前请留出余量。

从一行字开始

下载音绘,几分钟内就能听到你生成的第一个声音。

首次使用需要下载一次语音模型。