01
预设声音总是差一点
你脑中有明确的声音，但每个现成选项都差一口气——音色对了年龄不对，口音对了又太字正腔圆。音色设计补上的就是这最后一步：把你听见的那个声音如实写下来，试听结果，再把描述打磨到严丝合缝。当然，如果“足够接近”真的够用，从精选声音出发依然是更快的路。
先去声音库挑一个起点写下角色设定， 听见 TA 的声音。
音色设计把一段文字描述变成可复用的原创声音。不需要录音，也不需要参考音色——写清楚角色是谁，试听生成结果，保存后即可在 Breeze Blue 全站使用。
你的描述
一位六十多岁、饱经风霜的女船长。声音低沉沙哑，语速缓慢而笃定，带一点爱尔兰口音，粗粝之下藏着温暖。
你听到的声音
低沉、带砂砾感的女声，从容不迫，隐约的爱尔兰腔调——表面严厉，内里温柔。
演绎台词
“把缆绳系牢，小子——大海从不原谅第二次。”
你的描述
儿童动画里过度兴奋的机器人小跟班。音调很高、带金属共鸣，语速飞快，随时都要笑出声。
你听到的声音
明亮跳脱的合成音色，节奏轻快、带着咯咯笑的能量，语速再快也字字清晰。
演绎台词
“新计划！和旧计划一样，但喷气背包多得多！”
你的描述
一位平静的冥想引导者，声线中性，三十五岁上下。轻柔带气息，贴近麦克风，近乎耳语却字字分明。
你听到的声音
亲密、空气感十足的嗓音，节奏舒缓、中低频温暖——安静，却始终清晰可辨。
演绎台词
“让念头飘走吧，像一朵云掠过辽阔的天空。”
三步：从文字描述到已保存的声音
描述、试听、保存的完整闭环在同一个工作台完成，留下的声音会成为你的长期资产。
1
描述
用自然语言写清角色是谁——年龄、质感、语速、口音、性格。如果角色已经有立绘，也可以直接上传图片，从画面出发。
2
试听
生成候选声音，听它演绎一句预览台词。感觉不对？调整描述——更低沉、更慢、更粗糙——再生成，直到声音和你脑中的那个对上。
3
保存
把满意的声音存入声音列表。从这一刻起它就是可复用资产：在文本转语音里选用、在 Studio 项目里选角、在 API 中按 ID 调用。
怎样写出有效的声音描述
具体、可听见的特征远胜抽象的性格词。好的描述会直接点出以下几项：
- 年龄与性别
- “六十多岁的女性”
- 质感
- “沙哑”“带气息”“金属感”
- 语速节奏
- “缓慢而笃定”“语速飞快”
- 口音
- “一点爱尔兰口音”
- 角色与态度
- “疲惫的夜班侦探”
一两句话就够了。写声音听起来是什么样，不用写角色在故事里做了什么。
什么时候该用音色设计
创作者最常带着这五种情况来找音色设计——每一种会发生什么，说清楚。
02
角色没有可参考的说话人
游戏 NPC、小说人物、虚拟主播——原创角色不会自带一段可供克隆的录音。音色设计完全不需要源音频：描述本身就是源头。把角色设定浓缩成一两句话，得到的是一个背后没有任何真人说话者的原创声音。
看看创作者如何搭建完整角色声音阵容03
角色画好了，声音还没有
有时立绘先于声音存在。在音色设计工作台里可以直接从角色图片出发：上传立绘，生成一个与画面气质匹配的声音，再补一段文字描述去控制图片表达不了的部分——语速、口音、态度。
从角色立绘开始设计声音04
API 单次请求最多返回 3 个候选
网页端一次试听一个候选，在多次生成之间打磨描述。Voice Design API 的颗粒度更大：对设计端点发起一次请求，同一段描述最多可返回 3 个候选声音——适合让流水线先程序化生成短名单，再交给人来拍板。
阅读 Voice Design API 文档POST /v1/text-to-voice/design
{
"voice_description": "A weathered sea captain in her
sixties, low and gravelly, with a faint Irish accent.",
"text": "Tie that line down, lad.",
"preview_count": 3
}05
声音已经满意——你需要的是不同演绎
那设计环节已经完成了。当同一个声音这句要耳语、下句要嘶吼时，保留声音、去指挥演绎：Breeze TTS 2 支持逐句的自然语言指令。音色设计决定“谁在说”；声音导演决定“这句怎么说”。
在文本转语音里指挥声音演绎设计、声音库、克隆，还是导演？
四个工具，四种起点。按你手上已有的东西来选。
音色设计
从一段描述出发——也就是本页。当声音只存在于你脑中或角色立绘里时，设计会创造一个没有录音、没有参考说话人的原创声音。
拿证据说话，不堆形容词
公开的 Voice Design Benchmark 用 1,000 个角色音色设计任务横向评测主流模型（2026 年 8 月评测）。Breeze TTS 2 在角色契合度与声音多样性上排名第一：
78.02
Role Fit（角色契合度）
生成声音与描述角色的匹配程度，归一化到 100 分——为参评模型中的最高分。
708
独立声音簇
全部任务产生的 WavLM 独立说话人簇数量——为本次评测中最广的声音多样性。
98.5%
台词通过率
生成音频中清晰念出目标台词的比例。
查看 Voice Design Benchmark 完整榜单与评测方法
Voice Design Benchmark · 2026 年 8 月评测
从浏览器到 API
在网页应用里设计
描述角色，或上传立绘，试听候选声音，保存满意的那一个。保存后的声音立即进入你的声音列表，可在文本转语音里选用，也可以和其他角色一起进入 Studio 项目。
常见问题
什么是 AI 音色设计？
音色设计用一段文字描述或一张角色图片——而不是录音——创造原创声音。你描述说话人的年龄、质感、语速、口音和性格，试听生成结果，保存后即可作为可复用资产用于文本转语音、Studio 项目和 API。
需要提供声音样本或录音吗？
不需要。音色设计不需要任何源音频，也不需要参考说话人——描述本身就是全部输入。如果你恰好拥有目标声音的授权录音，那音色克隆才是更合适的工具。
设计出的声音是谁的声音？
不属于任何人。设计声音由你的描述生成，它不是任何真人的录音，也不以复现某个特定说话人为目标。相似的描述可能得到相似的结果，因此请把设计声音当作一次原创创作，而不是保证独一无二的音色。
一段描述能得到多个候选声音吗？
网页端一次试听一个候选，在多次尝试之间打磨描述。通过 API，对设计端点的单次请求最多可返回 3 个候选，适合先程序化筛出短名单、再由人来选定最终声音的流程。
保存后的设计声音可以在哪里使用？
Breeze Blue 全站可用。保存后声音会出现在你的声音列表：在文本转语音里选用、在多角色 Studio 项目里选角、在 API 调用中按 ID 引用——同一个声音、同一个角色，贯穿所有场景。
同一个设计声音能表达不同情绪吗？
能——但那属于声音导演，不是音色设计。保留已保存的声音，在文本转语音里逐句下指令：这句耳语、下句情绪推高。设计决定谁在说话；导演决定每句怎么演。
音色设计怎么收费？
音色设计与 Breeze Blue 其他功能共用同一份积分余额，你可以从免费额度开始。当前方案与积分对应关系见价格页面。