跪了！这才是B站UP主该整的活！

经历过那个网速基本是 0、游戏全靠买盘的老伙伴，一定对当时大名鼎鼎的「藏经阁」不陌生。

说实话，要是没这个能把 N 款游戏塞进一张光盘的盗版之王，兜里空空如也的我，面对那些动辄 7、80 块钱的正版游戏，估计是一个也没机会体验了。。。

只是那会藏经阁团队为了能尽可能提升一张光盘的性价比，阉割了不少游戏的过场 CG 和 BGM。

以至于多年后，当我第一次听说《红警》有真人过场 CG 的时候，我愣是自信的认为，这不过是国外粉丝 DIY 出来的同人作品。                     

图片

但不得不说啊，哪怕没有过场 CG 的点缀，红警这游戏仍然是我买盘那会接触过的最好玩的即时战略游戏。

上学时寝室里的日日夜夜，谁输谁儿子的场景，仿佛就发生在昨天。

只是，作为一款不那么「精致」的老游戏，20 多年后的今天，还有人关注嘛？我去 B 站上一搜，热度不减当年。

图片

要说是什么给红警这款游戏续了命？除了怀旧作祟，大概玩家 DIY 出来的 MOD 才是红警最大的救星。

老游戏+新地图=新游戏，在 MOD 作者和玩家的共同努力下，让红警这棵老树，再次生出了新芽。

但是在 MOD 的帮助下，素材能够重现，玩法可以重构，但有一样东西却不能随心所欲的复刻——战场语音。

语音的缺失，就会导致沉浸感的不足，一直以来，自制任务都是哑巴新娘的窘境，成了摆在红警 DIY 玩家面前的顽疾。

新转机

上面这个问题，在过去十几年里几乎是无解的，一来时隔多年，再也凑不齐那一众官方的配音演员了；二来游戏 MOD 开发多是用爱发电，很难请来专业的配音团队；

但 2023 年，这个极有可能被成为 AI 元年的当下，事情即将迎来了新的转机，比如今天的主角：

UP 主 @KingsZHONE，就为红警制作了一整套的 AI 语音模型。

图片

AI 语音的技术不没有出圈，从冲上热搜的 AI 孙燕姿，到最最常见的「这个男人叫小帅」，分别代表着 AI 语音界的两大派系。

前者是语音转语音，主要目的是进行音色上的转换；后者是文字转语音，类似小说软件中常见的 TTS 功能。

无论哪个派系，你在网上都能找到详尽的教程，之所以没那么火，大概是 DIY 训练模型这种折腾显卡的事，对个人来说更多停留在了整活上。

但当正在玩《心灵终结》这个红警 MOD 的 UP 主，苦于没有战场语音时，萌生出了一个想法：何不自己搞个红警语音模型出来？

图片

但估计 UP 主也没想到，这个想法，会成为后面的大工程。

大工程之数量

就像所有自训练 AI 模型的项目一样，你想炼丹，至少要搞定一件事：保证训练素材的数量和质量。

说人话就是，你想让 AI 生成目标音色的内容，就需要准备目标人物足够量的音频片段作为训练内容。

先说数量，UP 主先是解包了原版的红警文件，并从中提取了所有的战场语音，再从过场 CG 中剪切出来了所有的对话，构成了最初的数据集。

图片

丹是练好了，但效果嘛，一言难尽：

失败案例,网罗灯下黑,7秒

别笑，AI 绘画能搞出 6 指克苏鲁，AI 语音生成听不懂的古神语也很正常，只是问题到底出在哪了呢？

第一次试错，UP 主把目光放在了训练素材的数量上，并试着想了个解决方案——从网上扒取配音演员参演过的其他作品和采访素材。

图片

依次把配音演员的台词裁剪出来，扩充数据。

图片

当然，这只是一次试错，接入不同作品的训练素材，直接就导致 AI 语音生成充满了不确定性。

你想啊，同一个演员不同作品里，从音调到音色不会是统一的，红警作为一款战争主题的即时战略类游戏，总不能战事正凶的时候，突然冒出来一句「请尽情吩咐妲己」的语气吧。

想想挺带感，但作为一个成熟的 AI 语音模型，自然是要避免这种问题的发生。

没办法，UP 主只能弃用了其他作品扩充训练集的想法，本就是巧妇难为无米之炊，现在禁止引入外援，更是难上加难。

只能在训练素材的质量上下功夫了。

大工程之质量

UP 主在重新检查了训练素材后，发现了一个问题：项目中自动切割音频的脚本，对已有音频的切割和识别不够精准。

换言之，如果准确提炼这些已有音频，还有一线生机。

于是，UP 主祭出了 100% 自研的切割识别算法——

人肉智能算法，简单说就是全手工切割音频，以此精确切割训练数据中的断句和节奏。

图片

红警 2 中的包含所有过场 CG 和所有任务对白，足足两个半小时的音频文件，被 UP 主纯手工切割成了 2000 多句话的训练素材，并根据人物分类归档。

当然，切割完的音频是不能直接拿来用的，游戏中的任务独白还好，相对来说比较干净，而来自过场 CG 中的对话独白，全都是有背景音的。

所以在切割之余，UP 主还对音频文件进行了一遍人声分离任务。

然后最头疼的活来了，想要搞定训练数据，还需要对音频进行文本标注——

先调用 OpenAI 开源的 Whisper 初步识别，UP 主又对着 2000+ 的音频进行了逐一对照修改。

图片

数量不够质量凑，UP 主愣是凭着毅力，盘活了训练 AI 语音模型训练素材不足的死局。

有了可以用的训练数据，最难的一步已经搞定，UP 主又自掏腰包租了 4090，这才训练出了包括尤里、伊娃、谭雅、杜根、罗曼诺夫等诸多角色的 AI 语音模型。

图片

你要说有没有什么不足，肯定有，因为训练集数据不够的硬伤在，部分模型生成后还需要后期调音。

但怎么说呢，万事开头难，当有人站出来开了这个头，就值得期待后续的发展。

好消息，在 UP 主新一期视频里，已经有 MOD 团队找 UP 主合作了，未来可期。

图片

结语      

事就是这么个事，AI 技术的出现给 MOD 社区创作提供了全新的钥匙，自制任务也能有新语音，获益的一定不止是红警。

或许有一天，玩不动游戏的老人，随手点开一个最近视频，就能看到全新的游戏内容却还是熟悉的声音。

怀旧之余也能开启新的冒险，怎么说呢，在这里提前感谢 UP 主了。

本文首发于微信公众号网罗灯下黑（wldxh8），未经授权请勿转载！

一如既往感谢各位小伙伴的支持和关注！