AI时代声音克隆数字人这些，大家应该早已不再陌生。我最近一直在用HyperFrames做视频，画面这块已经比较顺畅，缺的一直是声音。经过一番尝试，现在终于能把克隆的声音也用进来，让视频自动的用我自己的音色配音。这期就把详细的操作步骤从头到尾分享一遍。

声音克隆这一块，我用的工具是ListenHub的服务。第一步很简单，去它的设置里新建一个API key，这个key后面所有的都要要用到，大家记得妥善保管。

第二步克隆声音本身，给他一段我的样本，让他学我的音色。起个名字吧，这里我就叫它VerySmallWoods。样本不用太长，一段20-30秒的自己满意的声调和节奏的语音就可以了。克隆好之后，它会出现在我的声音列表里。注意克隆这一步是在网页上做的，做一次就行，后面每次的视频制作都可以用这个声音。

声音有了，接下来的问题是怎么让程序用上它？ListenHub把功能都开放成了API。这一期只用了其中的两个，一个是列出声音，告诉我账号里有哪些声音可以用；另一个是文字转语音，把一段文字变成一段音频。在一些音色下，除了语音API还能返回一份SRT字幕文件，这对于视频制作非常有用。我们一个一个来看。

现在试试列出声音，我们需要一个API客户端方便调试，我只是在这里做演示用，实际使用中你并不一定需要它。我用的是Bruno一个比较小巧的API客户端，填好地址带上刚才那个API key点击发送按钮。很快返回来一长串声音往上翻，其中一条就是我自己的VerySmallWoods，它的编号以voice-clone打头和其他公共声音排在同一份列表里。这一下我挺有感触的，我的声音从这一刻起就可以被自动用在视频制作中了。

接下来测试让它出声，这次换成文字转语音那个接口，把声音编号填成我自己的那条克隆再给它一句话发出去。返回里有一个音频链接点开你听，这就是它用我的声音念出我给的那句话到这里。声音克隆这条路就算走通了。

但是光能出声还不够，我真正想要的，是不用每次手动调接口而是让我那个做视频的agent自己会用。我给自己写了一个skill叫verysmallwoods-video，专门基于一个主题做一整套视频物料。这回我把ListenHub这套代码搬进了他的音频参考里，还补了一节怎么用克隆声音。改完之后他做旁白时就能直接选我的克隆声音不用再碰接口。

声音克隆集成好之后，视频生成会是什么样的体验呢？在智能体中只需要一句话就能开始了。我在Claude Code跟它说帮我做一条个人视频频道的片头，用我的克隆声音来配音剩下的它自己来。选我的克隆声音把文字变成音频配好字幕生成画面再渲染出来，我要做的只是等它跑完。

到这里整套流程就跑通了现在这条视频你一直听的，是我真人的声音；接下来这一小段频道片头就是刚才那套流程做出来的用的正是我的克隆声音。你好，我是小木头。欢迎回到我的频道。在这里，我们一起看AI有什么新东西也一起用AI把想法做成真东西。一句提示词一条能用的片头，以后每一期他都能这么替我开场。

最后说说我的看法吧声音确实能克隆音色的相似度也挺高的，但根据我最近使用的体验来讲AI生成的声音还是缺了点真人的那点情感。所以我自己的做法是片头这种短的场景用克隆声音，整段口播还是我真人来录。经过这期视频的分享你应该也了解了如何在HyperFrames的视频制作中使用自己的克隆声音，至于用还是不用那就根据自己的实际情况来选吧。

这个skill我放在了GitHub上开源了，想尝试一下的朋友可以去看看对skill满意的朋友也去get up上给个星吧。我是小木头，我们下期见。