想要制作自己的AI配音音频，可以通过以下步骤实现：

1. 选择合适的语音合成技术：目前主流的语音合成技术有WaveNet、Tacotron、DeepVoice等。可以根据自己的需求和技术熟悉程度选择合适的技术。

2. 收集并标注语音训练数据：语音合成模型需要大量的训练数据来学习语音特征。可以使用公开可用的数据集，如LJSpeech、LibriSpeech等，也可以自行采集。

3. 进行数据预处理：对采集到的语音数据进行预处理，包括音频格式转换、音频分割、噪声去除等。确保数据的质量和一致性。

4. 训练语音合成模型：使用选择的语音合成技术和预处理后的数据，训练模型。可以使用开源的深度学习框架，如TensorFlow、PyTorch等来实现。

5. 调优和优化：在训练过程中，可以根据实际效果对模型进行调优和优化。调整模型的超参数，如学习率、批大小等来提升合成音频的质量。

6. 测试和评估：训练完成后，使用一些评估指标，如语音相似度、流利度等来评估合成音频的质量。通过与真实的人类语音进行比较，不断改进和优化。

7.应用部署：将训练好的模型部署到实际应用中。根据需求，可以将模型封装成API接口，或者嵌入到移动应用或网页中，实现AI配音的功能。

制作自己的AI配音音频是一个复杂的过程，需要具备一定的机器学习和音频处理知识。合成出的音频质量可能会受到训练数据的限制，需要不断优化和改进模型。

要制作自己的AI配音音频，有以下几个步骤：

1. 收集和准备数据：你需要收集大量的音频数据，包括人声、音乐和其他声音。这些音频应该涵盖各种语速、语调和情感。你还需要准备一个标注数据的集合，将每个音频与其对应的文本进行关联。

2. 数据预处理：在开始训练模型之前，需要对收集到的音频数据进行预处理。这包括将音频转换为数字形式，进行采样率和位深度的标准化，以及去除噪音和其他干扰。

3. 模型选择和训练：选择适合的深度学习模型，如循环神经网络（RNN）或变分自动编码器（VAE）。使用准备好的音频数据集对模型进行训练，通过训练来学习音频和文本之间的关联关系。

4. 模型优化：经过初始训练后，需要对模型进行优化，以改善其生成音频的质量。这可以通过调整模型的超参数、增加训练数据的数量或增加模型的复杂度来实现。

5. 测试和评估：使用新的文本输入来测试训练好的模型，并评估它的生成音频的质量。可以使用自动化的评估指标，如语音识别错误率（WER）或主观评估。

6. 部署和应用：一旦满意生成音频的质量，就可以将训练好的模型部署到应用程序中，供用户使用。可以通过开发自己的应用程序或使用现有的语音合成API来实现。

制作自己的AI配音音频是一个复杂的过程，需要有相关的编程和深度学习知识。如果你是初学者，建议从学习基础的音频处理和深度学习算法开始，并逐步扩展你的技能和知识。