而前者，隨著上周的即夢v2.1，得到了很好的解決。后者，過往有N多產品試圖去解決，但是解決的都很差。閉源的有11labs，英文強到爆炸，中文幾乎沒法聽總是一股子大佐味。開源的，有F5、GPT-sovits、ChatTTS等等，但是不僅本地部署使用困難，出來的情緒說實話，也不咋地。
而這個周末，中文的語音克隆痛點，我發現，被解決了。我直接給大家聽一段我用克隆的AI唐國強老師，念滿江紅的語音。玩了將近2年的AI聲音了，我也是第一次見，能用中文念詩，念的如此情緒飽滿的AI聲音。
嗯，就是那個把人物情緒表演拉滿，在海外AI視頻圈大殺特殺的海螺AI。周末我打開海螺AI，準備跑幾個case視頻的時候，意外的發現，他們悄悄的居然在海外版上線了Audio模塊。
今年1月我就寫過一篇海螺AI聲音克隆的文章，但是那時候，只能在AI助手上，克隆你自己。海螺AI Audio網址在此：https://www.hailuo.ai/audio最頂上左邊的就是Audio，剛剛新上的聲音功能，最右邊那個就是之前爆火的Video。
海螺AI的Audio用起來也非常的簡單，最左邊的側邊欄，分為兩個tab。第一個是Text to Speech（TTS），也就是你克隆完的聲音模型可以在這個地方進行文字生成音頻了。
第二個就是Voices，可以在里面進行聲音的克隆。直接點那個“創建您的聲音克隆”按鈕，目前每個人可以免費創建3個聲音。
上傳的語音最少上傳10s的音頻片段就可以克隆了，不過這個樣本其實不是特別夠，所以我一般推薦音頻素材最好在30s左右，當然你也可以更長，不過一般不需要超過5分鐘。這里我直接去B站，扒了一段唐國強老師在《三國演義》里面的朗誦片段。有個降噪選項，可選可不選，如果你的素材比較純凈干凈，可以不用。開的話可以幫你把一些背景音什么的都剔除掉。
最后需要選一下原始素材的語言，海螺AI支持12種語言，分別是：中文、粵語、英語、韓語、日語、印尼語、西語、葡語、法語、意大利語、俄語、德語。你的原始素材的語言是什么樣的，就選什么語言，克隆出來的聲音模型就會得到最好的效果，比如我上傳的這個唐國強老師的素材是中文的，就選中文就行。很快，大概只要幾十秒的時間，唐國強老師的聲音，就克隆好了。
點擊此位置，就可以切換到剛剛克隆完的唐國強老師的聲音模型。我們直接，讓唐國強老師，來念一首李白的《將進酒》吧。
這首詩我太喜歡了，《長安三萬里》李白那一段上天入地，駕鶴登仙的演繹，更是將這首詩在我心中的地位，推向了最巔峰。
“主人何為言少錢，徑須沽取對君酌。五花馬，千金裘，呼兒將出換美酒，與爾同銷萬古愁?！?/strong>
目前有六種情緒：開心、生氣、悲傷、驚訝、恐懼、厭惡。《將進酒》的最后一段，在我的認知里，雖然一種憤慨，有一種激昂，但是底層情緒，確是悲涼的。點擊生成，幾秒鐘的時間，一段語音，就出現在了你的面前。
為了更加形象的展示，我把這段音頻做了個照片驅動對口型，視頻看起來更直觀一些。而這句話，如果讓11labs克隆林黛玉的聲音來念呢，我給你們聽一下，有多么的鬼畜。
不是說11labs不好，11labs一直以來是世界上公認的最強的AI聲音產品，但是在中文表現上，真的是沒法用的狀態。
而這一次，海螺AI挺身而出，終于，補足了中文領域幾乎是空白的短板，把中文的聲音克隆的音色相似度和情緒，推上了巔峰。
成功率也極高，我想說的是，我上面所有的case，全部是一遍直出，沒有抽過一次卡，這點，真的難能可貴。影視颶風是我最喜歡以及最崇拜的頻道，沒有之一。相信看過影視颶風的觀眾也都無數次聽過TIM那句：“Hello大家好，我是TIM，歡迎收看影視颶風?！?/strong>而這一次，我們讓AI來說這句話，讓大家聽聽，海螺AI的復刻有多么的強。注意，為了避免擬合，所以我在上傳到海螺AI的30秒TIM的素材里，是沒有這句開場白的，都是他在聊一些別的東西。跟我記憶中已經聽過無數次的TIM的開場白，沒有任何區別。作為一個見證了這兩年AI發展的親歷者，這一周的感受格外強烈。從即夢讓中文海報一夜之間"通關"，到海螺AI讓中文語音克隆達到了前所未有的高度，我仿佛看到了中文AI能力的爆發時刻。想想兩年前，我們還在為中文大模型和國際巨頭的差距而焦慮。當我們能用AI輕松制作出中文海報，當唐國強老師的聲音能被完美克隆，當林黛玉的語氣都能被精準還原。
閱讀原文：原文鏈接
該文章在 2025/1/7 11:46:14 編輯過
400 186 1886
