阿里云语音AI声音训练的时间取决于多种因素，例如训练数据的大小、模型的复杂度、训练的计算资源等等。因此，无法给出一个准确的平均时间。
通常情况下，语音AI声音训练需要进行以下步骤：
收集和准备训练数据，包括音频文件和文本标注。对训练数据进行预处理和特征提取，以便用于模型训练。搭建和训练语音AI模型，使用训练数据进行模型训练，并对模型进行优化和调整。对训练后的模型进行测试和验证，评估模型的性能和准确率。
整个训练过程可能需要几个小时到数天不等的时间，具体时间取决于上述因素的影响。如果您需要进行语音AI声音训练，建议根据实际情况进行评估和规划，并选择适合的计算资源和算法模型。同时，阿里云也提供了一些语音AI服务和工具，可以帮助您快速地构建和部署语音AI应用。