有沒有聽過三秒克隆聲音？

你肯定聽過！

但你有沒有想過，三秒能克隆什么呢？

難道一個人說話的語調(diào)，三秒鐘就代表所有的風(fēng)格嗎？這是肯定不可能的。

你看哪一個人說話，不是有時快，有時慢，有時激動，有時平緩？

三秒怎么可能做到完全復(fù)刻一個人的聲音呢？

我今天來向全網(wǎng)所有的AI工具，包括大廠的工具挑戰(zhàn)。

市面上你看到的很多完全模仿的聲音，他們只是復(fù)刻了一個時間段（三五秒的語氣），但做不到做長時間的語音的模仿，比如兩分鐘。

但，我可以做到。

我先給你看一段聲音，這段聲音在讀我的文章。他是誰？羅胖(羅振宇）。以下提到的大V人名，你都可以去短視頻網(wǎng)站上聽一下他們的聲音，看看是不是一模一樣。

不好意思，因?yàn)榱_胖的語言辨識度很高，所以，我拿他的聲音來訓(xùn)練作為我的展示樣品。

接下來，我再給你一段聲音，你可能不認(rèn)識，但你可以在抖音上搜索財經(jīng)林妹妹，你聽一下，與她的聲音有沒有區(qū)別，能不能聽出來不一樣？

我再給一個口播界的牛人，也在奧群呆過，那就是鶴老師。

你聽一下，與他的聲音有什么區(qū)別嗎？

最后看一個也是大V，直男財經(jīng)，你聽一下，能聽出來區(qū)別么？

對的。我就是能夠完整復(fù)刻一個人的聲音，讓別人根本聽不出來區(qū)別。

這是我從去年開始，在研究文案時，就在開始研究的玩意。

而市面上，所有的語音模型，你能用的，包括字節(jié)豆包的，你試一下，看看他們能否完整復(fù)刻。

你以為這就完了？不！不！不！

這算什么？

復(fù)制別人的聲音不算什么。

如果我用羅胖的聲音去做視頻，肯定會被罵死呀，在中國還有可能被認(rèn)定為侵權(quán)。

我研究語音模型，不僅是為了精準(zhǔn)復(fù)刻一個人的聲音，還是為了解決另一個問題。

很多人，有口音，比如我。還有很多人，說話語言很平淡。

但是有些人，語言表達(dá)能力就很強(qiáng)。

比如，我扶持的經(jīng)濟(jì)學(xué)號率性的曉曉，她的語言表達(dá)能力就很強(qiáng)，一聽就很舒服。做口播帳號，語言沒有魅力是不行的。

以上我列出來的大V，其成功之處與他的語言表達(dá)能力有極大的關(guān)系。

但大部分人不具備這種語言表達(dá)能力。

那我研究語言模型的目的是，讓普通人哪怕沒有這種語言表現(xiàn)力，但卻可以通過人工智能生成有強(qiáng)烈感染力、獨(dú)特個人特質(zhì)的聲音。

這樣，就能大幅提高你的自媒媒作品—不管是短視頻、播客、還是中視頻，包括培訓(xùn)課程的語言魅力。

接下來，我們來看，同樣是這段文字，我們通過不同的組合，產(chǎn)生的新奇效果。

這個是羅胖的音色，但語氣卻是林妹妹的。

這個是林妹妹的音色，但語氣卻是羅胖的。

這是直男財經(jīng)的語氣，但音色卻是鶴老師的。

這是鶴老師的語氣，但音色卻林妹妹的。

你看，通過排列組合，你就得到一個全新的聲音，別人絕對聽不出來你模仿了誰。

好了，聽一下我的這個視頻，這是我的聲音嗎？是的。

但音調(diào)卻不是我的。

我的真實(shí)聲音是這樣的。

當(dāng)然，我都不建議音色不好的朋友去搞一個其他的音調(diào)加自己的音色，除非你做大了。

起號階段，前期做自媒體，特別是我服務(wù)的律師領(lǐng)域，就應(yīng)該選擇一個特別有辨識度，特別有感染力的語音來配合，這樣，才能讓整個視頻的口播效果達(dá)到最佳。

好的聲音，可以極大提升自媒體的效能。

當(dāng)然，我不是說我比豆包牛。

我要告訴大家，豆包是商用產(chǎn)品，他追求的是穩(wěn)定輸出，因此，他犧牲了完美復(fù)刻和深度訓(xùn)練，而選擇了穩(wěn)定性。

而我們目前的產(chǎn)品，暫時無法網(wǎng)絡(luò)商用，因?yàn)檫€會出錯，輸出一段音頻后，要邊聽邊重新輸出（輸出錯的那一句），會偶有吞字，發(fā)音錯誤（多音字），阿拉伯?dāng)?shù)字錯誤（比如1900元，讀成一九零零元，這個需要事前文案處理，防止偶發(fā)錯誤），因此他生成時，需要人工介入。

如果生成一個三千字語音，大概能有十幾處錯誤。

人工介入也很簡單，讀錯的一句，馬上重新生成這一句就好了，一般改個錯，三四秒。

但得聽一遍才行。

豆包這種商用級產(chǎn)品，穩(wěn)定度更高，但也會有錯，且有錯了，無法逐句改變，需要重新生成，還要費(fèi)用。

但它出錯的概率低于我們當(dāng)下的模型，這是個事實(shí)。

從生成的質(zhì)量，以及多樣性方面，我目前沒有看到誰能生成長篇大段的文字，還能保持這種模仿效果。

創(chuàng)造新音色這一塊，目前也僅有海外的一家企業(yè)能做，但收費(fèi)奇貴，一月一百多美元。

我們要復(fù)刻客戶的聲音，需要半小時的音頻，且要有文字稿，需要人工逐句挑出好的音頻來訓(xùn)練，并且訓(xùn)練的時間超長，用4090訓(xùn)練，都要六個小時。

然后幫助客戶做成各種不同風(fēng)格的語音，又要幾個小時，會給到十種以上的聲音效果給客戶挑。

我光是語調(diào)庫，就建立了三百個。各種不同人的語調(diào)都有。并且以后還要建立更多。

目的是什么？我認(rèn)為復(fù)制聲音，只是少數(shù)人的需要，是那些語言感染力強(qiáng)的人。大多數(shù)普通人的需求，才是重要的。

這是普通人做自媒體最大的障礙，雖然很多人用上了數(shù)字人，但是，聲音卻很差，沒有感染力。怎么辦？

我來解決啊。

你認(rèn)為曉曉音調(diào)好，沒問題，給你模仿一下。

所有市面上的大模型，不經(jīng)改造，是做不到這個效果的。

道理如我文前所說，三秒怎么可能復(fù)刻呢？

我當(dāng)然也是用了大模型，只不過我找技術(shù)人員研究代碼，重新改寫了。

這個語音模型的能力，是我開發(fā)律師自媒體服務(wù)產(chǎn)品時構(gòu)建的，光研發(fā)就花了四個月的時間。

好了，現(xiàn)在這個服務(wù)，除了為律師服務(wù)，還可以向所有人開放。

如果想完整復(fù)刻你的聲音，讀一篇文章（給文字給我），用你要的語氣讀，三十分鐘。讀錯了，就重新讀，我的人會剪輯掉錯誤的句子的，保持環(huán)境安靜，用好的降噪麥讀就好了。

復(fù)刻一次的費(fèi)用：600元（一次性）

要接上別的語調(diào)：300元（10個選擇，一次性））

如果要一個完全不一樣的語音，（非自己音色，全新的融合音調(diào)音色）高度辨識度的，強(qiáng)感染力的，告訴我們你要用來做什么？

讀小說？搞播客？還是短視頻？中視頻？

我們幫你挑出10個讓你選。500元（一次性）

最后你怎么用呢？

我們向律師收的費(fèi)用是這個的一半，甚至包含在套餐中，接近于免費(fèi)，為什么？因?yàn)檎Z音模型在我們這里。

而這個服務(wù)，是將語音模型發(fā)給你，你安裝好后，我們遠(yuǎn)程幫助你安裝模型，教你怎么使用，怎么改錯。

這樣，以后，你就可以直接自己在家使用了。

這個語音模型對電腦要求不高，隨便有個顯卡就能生成。

我們給律師服務(wù)，是我們手動生成，手動改錯。律師不需要管這些事務(wù)。

這只是我們圍繞律師業(yè)務(wù)研發(fā)出來的一個產(chǎn)品之一。

昨天說過了，公眾號也是歷時半年才研發(fā)出來的。這個產(chǎn)品也一樣，我這半年多，主要精力就是研發(fā)各種新產(chǎn)品。

你可以全網(wǎng)比較，到各種地方下載聲音模型，你看看能否做到我們的效果。

我可以肯定地說，全網(wǎng)我第一。

我寫這篇文章，是在做廣告，是在說明我為律師自媒體業(yè)務(wù)中所有的研發(fā)，以及我們的產(chǎn)品優(yōu)點(diǎn)。

因?yàn)檠邪l(fā)的東西太多，直播難以講清楚，我還是決定寫文章說明清楚吧。

相比起直播， 我更愿意寫文章。

接下來，還會有幾個產(chǎn)品的研發(fā)要向大家說明。

比如短視頻文案創(chuàng)作系統(tǒng)，比如小紅書小綠書創(chuàng)作系統(tǒng)；比如數(shù)字人、比如剪輯技術(shù)、比如直播輔導(dǎo)服務(wù)等等。每一個項(xiàng)目，都經(jīng)歷過漫長時間的研發(fā)，都以服務(wù)一個行業(yè)的從業(yè)者為目標(biāo)。

不急，講完大家再決定要不要合作一起來推廣。

業(yè)務(wù)聯(lián)系：Glinda989