即夢用自己的聲音，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】，錄一段5到30秒的清晰人聲上傳，生成後歸入【我的音色】，數字人、出鏡、對口型這些功能都能直接調用。
手機和電腦端入口名字一樣，路徑略有差別。
在配音生成裡克隆的音色會自動同步到數字人功能裡，兩邊共用一個【我的音色】列表，不用重複克隆。建好後點音色右側的【編輯】→【重新命名】，起個能認出來的名字，比如”本人-日常”，後面調用的時候不會挑錯。
音色像不像，八成取決於錄音品質。官方要求是5到30秒，實操按這幾條錄：
兩個常見誤區：一是用微信語音當素材，微信語音壓縮很重，聲紋細節丟得多；二是錄半截停頓太久或者有咳嗽聲，這類片段寧可重錄，上傳後克隆失敗多半就是素材不乾淨。
克隆完成後分兩條路用。
路一：數字人直接調用。功能切到【數字人】，上傳人物圖片（正臉、光線均勻、五官無遮擋），在【音色】下拉菜單的【我的音色】分組裡選中剛克隆的音色，輸入台詞點生成。生成前確認頁面提示”音畫同步已啓用”，沒出現就重新整理重試。數字人功能的完整操作可以看這篇數字人教學。
路二：出鏡/分身配自己的聲音。進入【出鏡】頁面，選中已儲存的分身，輸入台詞後展開【配音設定】，音色同樣選【我的音色】裡的克隆音色，模式選【生動模式】——標準模式只動嘴，生動模式連眨眼、點頭都帶。建分身本身的步驟，做法在創建分身那篇裡拆過。
需要單獨配音不聽畫面的，用【文字轉語音】：輸入台詞、選克隆音色、生成音訊下載，再回影片裡掛上，適合要精細剪輯的場景。想調說話的情緒起伏，控制語氣那篇有參數說明；要用四川話這類方言，克隆音色目前不支援指定方言，走系統音色庫的方言配音更穩。
用克隆音色生成影片時，模式決定效果和消耗：
| 模式 | 效果 | 適合 | 消耗 |
|---|---|---|---|
| 標準模式 | 基礎對口型，畫面簡單 | 快速測試、預覽 | 較低 |
| 生動模式 | 口型匹配加面部微表情 | 日常口播影片 | 中等 |
| 大師模式 | 全身動作加表情同步，最逼真 | 品牌宣傳、專業內容 | 約8積分每秒 |
大師模式基於OmniHuman模型，手勢、身體動作、背景光影都會動，音訊最長支援15秒，超過要切段。日常口播選生動模式就夠，大師模式留給關鍵鏡頭。
克隆音色本身不單獨收費，消耗的是生成影片或音訊時的積分。免費使用者每天有免費積分，用來做幾條短口播沒問題，長影片或大師模式就需要會員積分支撐。
先查素材：錄音有沒有背景噪音、是不是開著降噪、時長夠不夠5秒。素材沒問題還不像，重新錄一段，唸的內容多一點語氣詞和完整短句，別唸名詞串。克隆效果和錄音時長正相關，10秒以上明顯好過5秒。
技術上錄一段別人的聲音也能生成，但法律上不行。民法典明確自然人的聲音參照肖像權保護，未經本人同意克隆他人聲音屬於侵權，用於帶貨、仿冒更是高危。克隆音色只錄自己的。
台詞避開連續爆破音，”啪””蹦”這類字連著念AI容易斷句錯位。音訊裡有音樂會干擾口型匹配，先做降噪或人聲分離。還不行就換生動模式或大師模式重新生成，快速模式對複雜句子的容錯率低。
本文基於即夢App與網頁版實測教學整理，克隆音色入口、模式名稱和積分消耗隨版本更新變化較快，以App內實際顯示為準。
即夢的擴圖功能能把一張現有的圖片向外拓展，自動補出周圍的畫面。比如你有一張人物照，左邊和上面空間不夠，就能往外擴，AI...
2026-10-08
即夢生成圖片的關鍵就是提示詞，寫得好，出圖就好。提示詞其實就是你對AI的描述，越具體越有效。不是說要寫得多複雜，而是要...
2026-10-08
Muse不是普通的聊天機器人，它是真正能替你辦事的AI。訂餐、買機票、填表格、發郵件、查天氣、對比價格，一句話全搞定。關鍵...
2026-10-07
即夢生成的圖片和影片能不能商用，取決於你的身份、用途和內容。簡單說：免費使用者有限制，付費使用者寬鬆一些。但無論哪種使用者...
2026-10-08
即夢AI可以生成三維圖。它的圖生3D和文生3D功能能讓你用文字提示或參考圖片快速生成立體模型和三維圖像。但需要澄清一點：即...
2026-10-07