即梦用自己的声音，靠的是克隆音色功能：入口在【我的】→【AI工具】→【配音生成】→【克隆音色】，录一段5到30秒的清晰人声上传，生成后归入【我的音色】，数字人、出镜、对口型这些功能都能直接调用。
手机和电脑端入口名字一样，路径略有差别。
在配音生成里克隆的音色会自动同步到数字人功能里，两边共用一个【我的音色】列表，不用重复克隆。建好后点音色右侧的【编辑】→【重命名】，起个能认出来的名字，比如”本人-日常”，后面调用的时候不会挑错。
音色像不像，八成取决于录音质量。官方要求是5到30秒，实操按这几条录：
两个常见误区：一是用微信语音当素材，微信语音压缩很重，声纹细节丢得多；二是录半截停顿太久或者有咳嗽声，这类片段宁可重录，上传后克隆失败多半就是素材不干净。
克隆完成后分两条路用。
路一：数字人直接调用。功能切到【数字人】，上传人物图片（正脸、光线均匀、五官无遮挡），在【音色】下拉菜单的【我的音色】分组里选中刚克隆的音色，输入台词点生成。生成前确认页面提示”音画同步已启用”，没出现就刷新重试。数字人功能的完整操作可以看这篇数字人教程。
路二：出镜/分身配自己的声音。进入【出镜】页面，选中已保存的分身，输入台词后展开【配音设置】，音色同样选【我的音色】里的克隆音色，模式选【生动模式】——标准模式只动嘴，生动模式连眨眼、点头都带。建分身本身的步骤，做法在创建分身那篇里拆过。
需要单独配音不听画面的，用【文字转语音】：输入台词、选克隆音色、生成音频下载，再回视频里挂上，适合要精细剪辑的场景。想调说话的情绪起伏，控制语气那篇有参数说明；要用四川话这类方言，克隆音色目前不支持指定方言，走系统音色库的方言配音更稳。
用克隆音色生成视频时，模式决定效果和消耗：
| 模式 | 效果 | 适合 | 消耗 |
|---|---|---|---|
| 标准模式 | 基础对口型，画面简单 | 快速测试、预览 | 较低 |
| 生动模式 | 口型匹配加面部微表情 | 日常口播视频 | 中等 |
| 大师模式 | 全身动作加表情同步，最逼真 | 品牌宣传、专业内容 | 约8积分每秒 |
大师模式基于OmniHuman模型，手势、身体动作、背景光影都会动，音频最长支持15秒，超过要切段。日常口播选生动模式就够，大师模式留给关键镜头。
克隆音色本身不单独收费，消耗的是生成视频或音频时的积分。免费用户每天有免费积分，用来做几条短口播没问题，长视频或大师模式就需要会员积分支撑。
先查素材：录音有没有背景噪音、是不是开着降噪、时长够不够5秒。素材没问题还不像，重新录一段，念的内容多一点语气词和完整短句，别念名词串。克隆效果和录音时长正相关，10秒以上明显好过5秒。
技术上录一段别人的声音也能生成，但法律上不行。民法典明确自然人的声音参照肖像权保护，未经本人同意克隆他人声音属于侵权，用于带货、仿冒更是高危。克隆音色只录自己的。
台词避开连续爆破音，”啪””蹦”这类字连着念AI容易断句错位。音频里有音乐会干扰口型匹配，先做降噪或人声分离。还不行就换生动模式或大师模式重新生成，快速模式对复杂句子的容错率低。
本文基于即梦App与网页版实测教程整理，克隆音色入口、模式名称和积分消耗随版本更新变化较快，以App内实际显示为准。
即梦图片4.0是字节跳动剪映团队最新推出的AI生图模型，相比老版本在中文理解、细节还原和写实效果上都有显著提升。本文详细...
2026-10-07
如果你在多个设备上登录过即梦，或者想在某台设备上退出，或者换了新手机想把旧手机的登录清掉，这些事情其实都能在即梦里搞...
2026-10-08
即梦API就是把即梦的AI生图和视频能力开放给开发者。你可以用API调用即梦的模型，在自己的应用、网站或者服务里直接生成图片...
2026-10-08
即梦3.0是字节跳动推出的最新AI绘图和视频生成模型版本，相比2.1版本在中文文本识别、2K画质、细节处理、提示词理解和创意合...
2026-10-14
即梦AI是否收费？答案是既有免费额度也提供付费会员。作为字节跳动推出的一站式AI创作平台，即梦通过积分制管理资源消耗。非...
2026-10-13