企业素材：消息素材与音色克隆

AI 对话里能发的图片/文件/语音怎么管理，专属克隆音色怎么从真实录音里提炼出来。

后台「企业素材」页分两个 Tab：消息素材（AI 对话里能发送的图片/视频/文件/语音）和音色素材（从企业自己的通话录音里克隆出的专属音色）。两者除了都挂在这一个入口下，功能上互不相关，分开说。

消息素材

数字员工在微信对话里除了发文字，还能发图片、视频、文件、语音、表情——这些统一叫"消息素材"，需要先在这里上传好，AI 才有得选。

点 上传素材，选类型（图片 ≤10MB、视频 ≤50MB、文件 ≤20MB、语音 ≤20MB、表情 ≤2MB），填：

• 名称：素材本身的标识
• 描述：给 AI 看的，帮它判断什么时候该发这个素材，比如"客户问产品功能时发；展示主要卖点"
• 标签：可选，多个用逗号分隔

上传完成后，数字员工可以在两种地方引用这条素材：通过工具调用（AI 判断对话到了合适的时机主动发送），或者挂在某个环节的"欢迎语"里，作为固定开场素材发出去。

素材列表每行支持禁用/启用、复制素材 ID、复制素材 URL、删除。删除前系统会检查有没有数字员工正在引用这条素材，引用中的素材不能直接删。

音色素材（音色克隆）

从企业录音里提炼专属音色的完整流程是：上传录音或选一次人工回拨通话 → 系统自动分离说话人、挑克隆样本 → 确认克隆 → 一键生成真人语料，克隆完成的音色可以在任意数字员工的音色配置里选用。

1. 新建一个音色

点右上角 新建音色，给这个音色起个名字（比如"销售-王芳"），可以选择关联一个坐席。创建会一次性扣费，费用在弹窗里明确标出，创建后进入这个音色的详情页。

2. 往里面加素材：采集录音

详情页点 新增，三种录音来源：

• 从项目通话记录选：挑一条已有的人工接管通话（时长需达到最短要求）
• 本地上传：直接传一段音频文件
• 共享录音库：复用企业内已经转写过的录音（比如训练中心已经处理过的通话）

提交后系统自动做说话人分离和语音识别，处理完成的录音会显示可选的候选片段。

也可以打开 设置，开启"自动采集"——按坐席过滤（不绑定具体项目，这个人在哪个项目下人工接管都会被采集），设置最短通话时长（短于这个时长的通话不采集）和采集时间范围（只采集最近 N 天，0 表示不限制）：

3. 挑选克隆样本、微调音频

每条录音处理完成后会标"已同步"或"待同步"，并显示识别到的说话人和候选片段数。如果分错了说话人，可以点 换成 N 手动纠正；对识别结果不满意可以 重新分析。

点某条录音的 编辑 进入音频编辑器——基于波形选取/调整候选片段（不同颜色区分未保存、已选中、未选中、待拼接、AI 合成的片段），可以在播放位置新增候选片段，也可以直接对录音本身做裁剪、插入、替换：

音色克隆完成之后，插入/替换功能会用已克隆出的这个人的音色合成新的语音片段——也就是说，这时候可以直接在编辑器里"生成"这个人从没说过的一句话，用来补齐语料。

4. 生成音色 → 同步至语料

选够克隆参考样本后，点 生成音色 提交克隆任务。克隆完成、状态变成"已可用"之后，按钮变成 同步至语料——把选中的真人录音片段和 AI 补全的部分一起注入到一套预置文本的语料库里，让这个克隆音色覆盖足够多的常用话术，供任意数字员工的音色配置直接选用。