受夠了 AI 機械配音，我給 Codex 裝上了“我的聲音”！
整理版優先睇
將把聲放入 Codex：低頻用 MiniMax，長期自動化揀 Qwen3-TTS
大瑜係一個成日用 AI 工具整片嘅內容創作者，佢用 codex + hyperframe 自動將公眾號文章轉成影片：一篇文章寫完，系統就會生成影片同剪接，慳唔少時間。但 Hyperframe 內置嘅配音係機械腔，整到啲片冇咗個人特色，於是佢就想辦法將自己把聲放入個流程度。
佢試咗兩個方案。第一個係用 MiniMax 嘅線上 TTS，支持上傳音色，喺網頁輸入文字就出到音頻，每個月送 1000 積分，大概做到 10分鐘貨仔，好適合低頻用。第二個係自己裝 Qwen3-TTS，呢個開源模型嘅聲音克隆比較逼真，仲可以將你把聲儲起，日後隨時用。
整體結論好清楚：如果你只係間中整幾條片，MiniMax 夠方便；但你想長遠做自動化，尤其係配合 Codex 批量生成，就應該用 Qwen3-TTS，因為佢提供 API，可以直接畀 Codex 調用，實現『文章 → 配音 → 影片』全自動。大瑜自己都係揀咗呢條路，最後半個鐘就搞掂。
- 自動化生成影片雖然爽，但機械配音會即刻拉低質素，聲音克隆先可以保留個人特色。
- MiniMax 免費額度係月送 1000 積分，數到盡都係得 10幾分鐘，適合低頻使用。
- Qwen3-TTS 本地安裝可以複製你把聲，效果好逼真，仲可以保存聲線。
- 最關鍵係 Qwen3-TTS 有 API，畀 Codex 直接調用，先做到真正自動化而唔使人手下載。
- 成個方案大概花半個鐘設定，之後你嘅 AI 影片就可以一直用返你自己把聲。
MiniMax Text-to-Speech
線上 TTS 服務，支援上傳個人音色生成語音。每月有 1000 積分免費額度，適合低頻使用。
Qwen3-TTS (GitHub)
開源聲音克隆模型，可本地安裝並提供 API，方便整合到 Codex 自動化流程。
機械配音，係自動化影片嘅死穴
大瑜用開 codex + hyperframe，將公眾號文章自動變成影片。流程係『文章寫好 → 自動生成影片 → 自動剪接』，慳咗好多手腳。
成條流程最礙眼嘅位，就係 Hyperframe 內置嘅機械配音。
機械腔一嚟，就算內容幾有料，個人特色都即刻歸零。所以大瑜就試緊點樣將自己把聲放入個 pipeline。
記住呢個原則：低頻用 MiniMax，長期自動化用 Qwen3-TTS。
方案一：MiniMax 線上配音，快但額度有限
第一個方案係用 MiniMax 嘅線上 TTS 工具。你可以上傳個人音色，之後輸入文字，就即場下載音頻。
上傳音色呢一步最方便，唔使自己搞 server。
不過免費額度唔算多：每個月送 1000 積分。
- 1 分半鐘嘅影片大概用 800 積分。
- 換句話講，每個月 account 大概做到 10幾分鐘音頻。
如果只係間中整幾條片，呢個量都算夠用；但用得多就唔係好夠喉。
一句總結：MiniMax 適合低頻或者貪方便嗰陣用。
方案二：本地安裝 Qwen3-TTS，聲音克隆自己揸莊
第二個方案係自己安裝 Qwen3-TTS。呢個模型嘅聲音克隆效果好逼真，大瑜測試過都話得。
我需要一個 tts 的工具，幫我查詢地址git clone
https://github.com/QwenLM/Qwen3-TTS.git並安裝，啓動。安裝步驟可以直接交畀 Codex 搞，唔使自己慢慢打 command。
裝好之後，使用步驟好簡單：
- 1 上傳你自己嘅音頻同對應文字。
- 2 輸入你要克隆嘅文字。
- 3 等合成完，就可以下載音頻。
呢個方案可以將你把聲保存低，下次直接 reuse。
仲有，Qwen3-TTS 提供 API，呢個先係佢最殺食嘅地方。
如果你唔怕麻煩，呢個先係長遠做自動化嘅根基。
用 API 接入 Codex，先至係真自動化
Qwen3-TTS 提供 API，即係話你可以喺 Codex 入面直接 call 佢。
一有 API，『文章 → 口播腳本 → 音頻』成條線就可以交畀 Codex 一條龍搞掂。
大瑜自己由零開始設定到成功出片，大約用咗半個鐘。之後每次只要文章寫好，Codex 就會自動搞掂配音部分。
唔使再喺 MiniMax 網頁同剪片軟件之間切來切去，效率高好多。
最近大瑜用 codex+hyperframe 將大瑜公眾號嘅內容自動變成影片。
文章寫完 → 自動生成影片 → 自動剪片。
但係有一個地方好頭痕：
Hyperframe 內置嘅配音，把聲好機械。
咁點樣先可以幫啲內容配上大瑜自己把聲呢？
兩個方法分享畀你，可以收藏定。
先講結論：
低頻****使用嘅話 → MiniMax
長期自動化嘅話 → Qwen3-TTS +API
一、用 minimax 內置嘅 tts 工具
網址：https://www.minimax.io/audio/text-to-speech
支援自己上載聲線，之後直接輸入文字，就可以快速下載音頻。
一個帳號，每個月送 1000 積分，一分半鐘嘅影片大概要消耗 800 積分。
大概每個月每個帳號就可以生成十幾分鐘嘅音頻。
二、自己裝聲音克隆軟件
暫時 qwen3-tts 都幾好，聲音克隆嘅效果好逼真。
直接將呢句話發畀 codex，就得㗎喇。
我需要一個 tts 的工具，幫我查詢地址
git clone https://github.com/QwenLM/Qwen3-TTS.git
並安裝，啓動。
然後等一陣，你就會發現。
很方便
1、上載你自己嘅音頻同對應嘅文字
2、輸入你想克隆嘅文字
3、等最後合成。
當然，如果你覺得每次咁樣好麻煩，可以將你自己把聲儲低，下次直接用。
而且呢個本地方案嘅好處係：提供 API
我哋用緊 codex 嘅時候，可以直接調用 API，快速根據旁白稿生成音頻。
咁樣就完全自動化曬啦！唔使喺唔同系統之間切換嚟切換去喇！
寫喺後面嘅話
今日搞咗半個鐘頭，終於合成咗呢條影片，大家覺得點？有興趣可以讚好同收藏。
我係大瑜，關注我，會分享更多關於 AI 編程同 Agent 嘅內容。
步驟：關注大瑜 -> 私訊大瑜 -> 認識大瑜。
最近大瑜用 codex+hyperframe 自動將大瑜公眾號內容轉化為視頻。
文章寫完 → 自動生成視頻 → 自動剪輯。
但是有一個地方很頭疼：
Hyperframe 自帶的配音，一股機械腔調。
那如何給文案配上大瑜自己的音頻呢？
兩種方案分享給你，可以收藏。
先說結論：
低頻****使用 → MiniMax
長期自動化 → Qwen3-TTS +API
一、用 minimax 自帶的tts 工具
網站：https://www.minimax.io/audio/text-to-speech
支持可以自己上傳音色，後續直接輸入文字，就能快速下載音頻。
一個賬號，1 個月贈送 1000 積分，1 分半的視頻差不多消耗 800 積分。
差不多 1 個月 1 個賬號可以生成 10 多分鐘的音頻。
二、自己安裝聲音克隆軟件
目前qwen3-tts 還是不錯，聲音克隆還是很逼真的。
直接把這句話發給 codex，即可。
我需要一個 tts 的工具，幫我查詢地址
git clone https://github.com/QwenLM/Qwen3-TTS.git
並安裝，啓動。
然後等待片刻，就會發現。
很方便
1、上傳你自己音頻和對應的文字
2、輸入你要克隆的文字
3、等待最終合成。
當然，如果你覺得每次麻煩，可以直接將你的聲音保存起來，下次直接用。
而且這個本地的好處 是：提供 API
我們在用 codex 中，直接調用 API 快速根據口播腳本，生成音頻。
這不是妥妥的自動化了嘛！也不用去各個系統去來回切換了嘛！
寫在後面的話
今天折騰了半個小時，最終合成了這樣的視頻，大家覺得如何，感興趣可以點贊收藏。
我是大瑜，關注我，分享更多 AI 編程和 Agent 相關的內容。
步驟：關注大瑜->私信->認識大瑜。