你有没有把自己的声音、文稿丢进云端配音工具?这个11月,一大波人开始不这么干了——开源圈把"配音工作室"直接搬进了自家电脑。
一个VoiceStudio,一个月涨5万星
GitHub上的开源AI语音工作室VoiceStudio,截至11月15日下午已经攒到111,040颗星,其中5万多颗是11月单月涨的,是这个月GitHub上蹿得最快的AI工具之一。克隆声音、视频配音、听写转录、有声书批量生成全包在里面,默认引擎用的k2-fsa的OmniVoice,还能换几十种引擎。最扎眼的卖点是全本地运行:录音和文稿不出你的电脑。软件免费,macOS、Windows、Linux全覆盖,命令行一行就能装。知乎哔哩哔哩
免费的另一面,是上限交给了你的显卡。纯CPU能跑,但明显慢。开源模型的中文韵律和云端旗舰不在一个档次,做草稿、初版配音够用,直接出商用成品要先小规模试听。还有个容易忽略的:它是AGPL-3.0协议,自己用随便,改完放服务器上对外提供服务就得开源修改部分,商用前先读许可证。
新发布的一个比一个能打
B站开源的声音克隆IndexTTS刚推进到2.5,有UP主实测9秒录音就能克隆,情绪、英文日文都试过。Breeze-TTS-2主打本地部署,声音设计、克隆、音色转换之外还能控制情绪、支持流式生成,社区已经有人做好整合包。显存不够的也有路子,ZONOS3-Mini这类小模型号称1GB显存就能跑。哔哩哔哩哔哩哔哩知乎哔哩哔哩
用户追问最多的,其实是"怎么不像AI"
翻了一圈这半个月的实测和评论区,普通用户反复问的就三件事:能不能免费用、能不能像真人、我的电脑够不够。装工具只解决第一件,"像真人"这件事,开源作者"城市里种树的羊"公开的"开口"六步流程在社区里传得挺广:录干净的参考音频、按场景分稿、每句配四遍藏名字盲听挑最好的、按规则改稿去掉书面腔、最后统一语速停顿和响度。核心一句话:AI味一半藏在稿子里,不只在模型里。做过3年内容的博主"安柚"自费测了一圈,也是这个意思:别迷信最贵的,普通短视频配音剪映免费版就够,只有情绪要求高的长内容才值得折腾专业工具。哔哩哔哩知乎
怎么选,一句话
配音量大、订阅月费交得肉疼、又在意隐私,直接装VoiceStudio。想要本地全能工作台、顺便玩情绪控制,看Breeze-TTS-2。至于电脑一般、偶尔配个音的,免费档和剪映足矣,别硬烧显卡。

最后一条红线:克隆自己的声音是生产力,未经同意克隆别人的声音去冒充,是违法。知乎
当前文章无评论,是时候发表评论了