AutoCut Workspace
能做什么
AI 配音与音频处理具体覆盖这些
26 个中文音色，支持场景配音与音效生成
Seed Audio 1.0 提供 26 个中文音色，支持场景配音与音效生成，挑一个把稿子念出来，不出镜也能有稳定的声音。
实时 VU 峰值电平表
基于 AudioWorklet 的实时硬件级双通道峰值监听，毫秒级捕捉声音动态，预防爆音削波。
本地 MossFormer2 离线降噪与人声分离
本地离线运行先进音频分离模型，彻底剥离人声与伴奏，秒级压平房间混响与环境底噪。
语速与停顿可调
整段太赶就把语速压下来，某个词后面要留白就加停顿，念出来的节奏由你定。
分段重生成
一整段里只有一句不对，就重生成那一句，其余部分保持原样，不用整段重来。
响度统一与自动闪避
多条素材拼在一起时把响度拉齐，人声出现时背景轨自动压低，观众不用一路调音量。
多机位
同一场用多台机器拍的素材，可以放在同一条时间线上按机位切换。
试试这样说
这些话它真的能执行
不需要背命令，把要求说清楚就行。点右侧的复制按钮，装好客户端直接粘进对话框。
这段稿子用一个偏沉稳的男声念出来，语速慢一点
第三句念错了，只重生成这一句
把这三段的音量拉齐，背景轨在人声出现时自动压低
这段现场录音底噪很重，在本地用 MossFormer2 分离出人声再降噪
参数
写清楚的部分
以下都是当前版本已经能做到的事，模型与格式清单会随产品更新。
- 语音模型
- Seed Audio 1.0（26 个中文音色，支持场景配音与音效生成）
- 可调项
- 音色 / 语速与停顿控制 / 分段重生成
- 音频监听
- AudioWorklet 实时硬件级双通道 VU 峰值电平表与防削波警示
- 音频处理
- 人声分离与频谱降噪 / 响度统一 / 自动闪避 / AudioWorklet 实时双通道 VU 峰值电平表与防削波监听 / 本地 MossFormer2 离线人声分离与降噪
- 音频导入
- MP3 / WAV / M4A，视频素材里的声音同样可用
- 音频导出
- 独立音频，或随 MP4（最高 4K）一起导出
常见问题
一共有多少个音色？
Seed Audio 1.0 目前提供 26 个中文音色，支持场景配音与音效生成，语速与停顿可以另外调。
一段配音里只有一句念错，要整段重来吗？
不用。分段重生成只替换那一句，前后保持原样。
现场录的声音很吵还有救吗？
可以做本地人声分离，把人声从背景里拆出来，再用频谱降噪压掉底噪与环境声，音频文件不上传。
电平表有什么用？
双通道实时 VU 电平表在播放和预览时精确呈现 dBFS 响度动态，超过安全阈值会及时警示，防止混音爆音或导出失真。
背景声盖住人声怎么办？
打开自动闪避，人声出现时背景轨自动压低，人声结束再回来；多条素材之间的响度也可以统一。
配音怎么收费？
语音合成属于 AI 能力，需要登录并具备套餐（标准版 / 专业版 / 高级版）。生成前先报价，确认后才扣积分；任务失败自动退回。
导出能只要声音吗？
可以只导出独立音频，也可以随成片一起导出；字幕另外还能导 SRT / TXT。
接着看