展开本页目录
开始前准备什么
- 准备自己有权使用的合成练习资料，不上传他人的录音或私密内容。
- 按官方文档核对当前平台、版本与套餐；本轮目标产品操作未执行，练习文件可离线查看。
- 练习包提供口述脚本、规则与验收数据，不附目标工具生成录音。按录音说明自行录制有权使用的输入，并在运行后保存实际音频。
- 建立目标文本和短语参考
- 安装可选对齐依赖
- 选择char与中文提示
- 检查派生边界来源
- 做基础时间合法性检查
- 抽听短语与暂停
- 交付双层对齐说明
1. 建立目标文本和短语参考
把台词按三个短语整理，保留标点和字符序号。参考仅说明内容顺序，不凭阅读速度编造真实发音时间。
2. 安装可选对齐依赖
在独立环境核对voxcpm[timestamps]及当前CLI支持项。缺少依赖时保留错误信息，不把只有音频文件当完整时间戳交付。
3. 选择char与中文提示
生成时启用--timestamps，设--timestamp-level char和--timestamp-language zh。另留word级对照配置，避免认为char只是文件扩展名。
4. 检查派生边界来源
阅读输出元数据与官方说明，明确char为词级对齐派生的尽力近似。遇到一词多字共用范围时不要在报告里擅自改成实测细粒度。
5. 做基础时间合法性检查
逐项检查start不大于end、顺序不倒退、最后end不超过实际音频。标点可附属于文本但不应凭空当作独立发声。
6. 抽听短语与暂停
播放三个短语接点，比较标注是否落在明显停顿附近。需要高精度逐字字幕时另做人工校正，并保留原始派生版本。
7. 交付双层对齐说明
保存文本、音频、原始word/char结果和人工修订差异。未执行时仅提供待填结构，不把作者分句表说成VoxCPM自动对齐结果。
下载本课材料并开始操作
练习包包含本课的具体输入、可编辑数据、正反样例与七步说明。index.html 可离线查看原件和验收参考，actual-results.csv 用于记录你实际操作后的结果。
怎样确认已经完成
- 记录timestamps额外依赖与timestamp-level char、timestamp-language zh。
- 字级结果标注为best-effort派生，不伪造真实字起止精度。
- 单调性、末尾不超音频时长、无负时长三个条件均可检查。
常见问题
VoxCPM2支持中文字级时间戳吗？
当前可选char级输出，但官方说明它是从词级对齐派生的best-effort边界。适合初稿，不能直接宣称逐字声学定位真值。
时间戳有文件就算成功吗？
还要核对单调性、负时长、越过音频结尾，以及短语暂停位置。音频与时间戳必须来自同次生成，不能错用其他版本。