配音和克隆的输入质量会直接影响结果。最稳妥的做法是先准备一段短文案和一份清晰录音，完成小样验证，再处理正式长内容。
配音文本准备
只保留需要朗读的内容
删除页眉、页脚、网址、表格编号、脚注、无意义符号和不需要口播的提示语。不要直接把网页、合同或表格整段复制进配音框。
把容易误读的内容写清楚
- 数字需要明确读法时，改写成符合语境的中文，例如区分日期、金额、编号和小数。
- 英文缩写、型号和品牌词先确定希望的读法；必要时改成音节更清楚的写法。
- 多音字、人名、地名和行业术语先用短句测试。
- 括号、斜杠、连接号和连续标点可能造成异常停顿，尽量改成自然口语。
用标点控制停顿
逗号适合短停顿，句号适合完整停顿，分号适合并列层次。不要连续堆叠标点，也不要依赖大量空格制造停顿。想让语气更自然，优先调整句子长度和标点，再调整语速或音调。
长文案分批验证
长文案建议按自然段或业务段落拆分。这样更容易定位误读，也能避免修改一个词后重新生成整段内容。单次最多可输入多少字符，以选择音色后页面显示的“当前音色最长”提示为准。
克隆主音频准备
主音频是创建音色的必要素材。建议满足以下条件：
- 安静环境中的单人、清晰、连续人声。
- 说话自然，语速和音量稳定，避免刻意模仿或大幅情绪跳变。
- 尽量没有背景音乐、多人对话、明显混响、风噪、喷麦和电流声。
- 不使用经过强烈降噪、压缩、变速、变调或多次转码的音频。
- 文件必须属于当前组织、处于可用状态、属于音频类型且不超过 20MB。
页面会自动筛选当前组织内符合条件的已有音频。具备上传权限时，也可以直接选择本地音频并点击“上传并使用”。
提示音频与提示文本
提示音频是可选项。如果提供提示音频，必须同时填写这段音频逐字对应的提示文本；只提供其中一项会被拒绝。
提示文本应与提示音频实际朗读内容一致，不要增删句子或替换数字。主音频与提示音频都应是同一个人的声音，并且属于同一授权范围。
试听文本怎样写
试听文本用于检查克隆结果，不是克隆主音频的转写。建议控制在一到三句，并包含：
- 常用中文句子。
- 一个数字或日期。
- 一个品牌词、人名或行业词。
- 一处短停顿和一处完整停顿。
这样可以在一次试听里尽早发现语气、数字、专有词和停顿问题。试听文本最多 1000 个字符，但首次测试不需要写得很长。
提交前检查清单
- 当前页面顶部显示的是正确组织。
- 文案不包含不应公开的个人信息、密钥或内部数据。
- 录音对象、上传者和实际使用方之间的授权关系清楚。
- 主音频是单人清晰人声，文件不超过 20MB。
- 如果选择提示音频，已经填写完全对应的提示文本。
- 已准备一段短试听文本用于验证。
- 已确认当前组织有执行权限和足够的额度或智贝。