Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

我一直有一个小需求，是用我的 AI 音色把文字内容做成播客。可就是这么一个小小的需求，各种方法用了一圈，都特别麻烦。要么就得自己训练模型... 要么就是2B服务，后台难用的一批... 要么就是只能微信使用，还收费99一个声音... 试完发现就只有 Fish Audio 可以满足我的需求。 - 简单，录音十秒就能克隆自己的声音，还支持上传录音文件克隆朋友的声音 - 易用，打开网页就可以直接合成声音，不用下载APP，不用打开小程序，非常方便 - 免费，其他平台克隆一个声音收100，非常离谱，Fish Audio 克隆声音不要钱，生成500字以内也不要钱，一般内容几百字对个人来说完全够用（更多字数订阅10美金/月也不贵说实话） Fish 不仅能克隆自己的声音，还提供了一个声音共享社区，里面有各种用户上传的上万种有趣声音可以体验，坤坤，赛马娘，孙笑川，高启强...打开你的想象空间... 另外附上这条推的音频版，全部使用 Fish Audio 克隆和生成，使用剪映美化声音、增加背景音防止被其他人克隆，可以试听一下。 Fish Audio 的网址，记得收藏，以后你一定会用到

Orange AI

180,548 subscribers

61,724 Aufrufe • vor 1 Jahr •via X (Twitter)

Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

10 Kommentare

Profilbild von orange.ai

orange.aivor 1 Jahr

克隆声音的tips： - 说话时要快一些，要无脑说自己熟悉的话，说什么不重要，重要的是不要念稿子，播客的话可以参考声动早咖啡的那种速度 - 说话的时候情绪很重要，这代语音大模型都会学习你的情绪，如果要兴奋就不要疲倦，要喜悦就不要伤感 - 演绎你的声音，每个人都是潜在的声优，可以演绎可以模仿

Profilbild von 布吉岛岛主

布吉岛岛主vor 1 Jahr

老哥，去下载一个CosyVoice，装自己电脑上，一分钱不要，克隆语音想弄多长弄多长，效果还特好。

Profilbild von orange.ai

orange.aivor 1 Jahr

你说的是这个吗。。。还需要 conda？？

Profilbild von 柴郡🔔｜Crypto+AI Plus

柴郡🔔｜Crypto+AI Plusvor 1 Jahr

效果还是不错的。

Profilbild von AZ

AZvor 1 Jahr

怎么做到把外语访谈类播客，转文本翻译为中文后，再用不同音色还原回来，成为一个完整的中文访谈？

Profilbild von orange.ai

orange.aivor 1 Jahr

@AZ02890 剪映有这个功能

Profilbild von 木木

木木vor 1 Jahr

感觉不如gsv呢

Profilbild von orange.ai

orange.aivor 1 Jahr

gsv 是什么

Profilbild von Dugu

Duguvor 1 Jahr

豆包不是可以克隆自己的声音吗，而且好用的一批

Profilbild von orange.ai

orange.aivor 1 Jahr

豆包能扔几百字进去朗读出来一个mp3文件吗。。。

Ähnliche Videos

🔥震惊！Fish Audio 居然可以克隆声音而且完全免费🎧 体验了一下还挺好玩的，用手机录制一段自己的声音，上传上去就能克隆合成一个属于你自己的音源，500字以内都免费，每天50次足够用了。除了用自己声音还可以用其他人的，太多选择了。最主要的是用起来非常非常的方便，几乎0门槛。好用推荐低成本克隆合成声音已经不再是遥不可及的梦想！直达传送门： #低成本克隆合成声音 #声音克隆 #机器学习技术 #先进技术 #工具易用性 #生成声音质量 #隐私保护 #声音合成技术 #最佳选项

🔥震惊！Fish Audio 居然可以克隆声音而且完全免费🎧 体验了一下还挺好玩的，用手机录制一段自己的声音，上传上去就能克隆合成一个属于你自己的音源，500字以内都免费，每天50次足够用了。除了用自己声音还可以用其他人的，太多选择了。最主要的是用起来非常非常的方便，几乎0门槛。好用推荐低成本克隆合成声音已经不再是遥不可及的梦想！直达传送门： #低成本克隆合成声音 #声音克隆 #机器学习技术 #先进技术 #工具易用性 #生成声音质量 #隐私保护 #声音合成技术 #最佳选项

穆尼

100,157 Aufrufe • vor 1 Jahr

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

撸毛吃猪脚饭

51,097 Aufrufe • vor 1 Monat

很多人问我这个remotion做的广告宣传片，TTS怎么选择？其实我现在TTS主力用几家： Index TTS2：克隆音质非常好，情感表达可以调节并且非常丰富，缺点是需要GPU，生成速度慢 Qwen3-TTS：可以克隆声音，但是对声音的原声音要求高。情感表达也挺丰富，也可以调节。最好的是，可以用CPU去生成，即便用CPU速度也可以接受。 edge-tts：英文还可以，中文就比较AI音了，有点拉垮。这个视频里面英文配音用的就是edge-tts 还有很多家还没有尝试，比如F5-TTS，MiniMax，等有空了要好好测试一下。

很多人问我这个remotion做的广告宣传片，TTS怎么选择？其实我现在TTS主力用几家： Index TTS2：克隆音质非常好，情感表达可以调节并且非常丰富，缺点是需要GPU，生成速度慢 Qwen3-TTS：可以克隆声音，但是对声音的原声音要求高。情感表达也挺丰富，也可以调节。最好的是，可以用CPU去生成，即便用CPU速度也可以接受。 edge-tts：英文还可以，中文就比较AI音了，有点拉垮。这个视频里面英文配音用的就是edge-tts 还有很多家还没有尝试，比如F5-TTS，MiniMax，等有空了要好好测试一下。

huangserva

36,531 Aufrufe • vor 6 Monaten

$兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。$

兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 Aufrufe • vor 1 Jahr

它主要用于两个场景，一个是音轨剥离，一个是声音移除，例如它可以提取人声、鼓、贝斯、吉他和弦乐等声音，也可以去除背景音乐、麦克风隆隆声以及其他不需要的噪音。下面的视频演示了剥离伴奏和人声的效果，还是比较直观的。也去搜罗了下实现原理，找到一篇介绍 MSS（Musical Source Separation）的论文：

它主要用于两个场景，一个是音轨剥离，一个是声音移除，例如它可以提取人声、鼓、贝斯、吉他和弦乐等声音，也可以去除背景音乐、麦克风隆隆声以及其他不需要的噪音。下面的视频演示了剥离伴奏和人声的效果，还是比较直观的。也去搜罗了下实现原理，找到一篇介绍 MSS（Musical Source Separation）的论文：

Barret李靖

320,197 Aufrufe • vor 2 Jahren

AigcPanel 一款由 Vue 实现的简单易用一站式 AI 数字人系统，小白也可使用。支持视频合成、声音合成、声音克隆，简化本地模型管理、一键导入和使用AI模型。

AigcPanel 一款由 Vue 实现的简单易用一站式 AI 数字人系统，小白也可使用。支持视频合成、声音合成、声音克隆，简化本地模型管理、一键导入和使用AI模型。

Geek

58,784 Aufrufe • vor 1 Jahr

这个免费配音产品，真好玩啊，VoxCPM2。以前做 AI 配音，要么按月给平台交钱，要么自己折腾一堆模型。现在 OpenBMB 把这套东西直接开源了。你丢一段文字进去，它就能生成一段接近真人说话的音频。更骚的是，不给参考声音也行。直接告诉它，年轻一点，声音温柔一点，语速稍微快点，它会自己设计一个声音。有参考音频，玩法就更多了。给它一小段录音，VoxCPM2 能照着克隆音色。生成新内容时，还能单独控制语速、情绪和说话方式。中文、英语、日语等 30 种语言都支持，四川话、粤语、东北话、闽南话也能做。输出是 48kHz，已经奔着正经内容生产去了。老王用自己的声音试了东北话，粤语，普通话，都非常像的。关键免费啊！代码和模型全部开放，Apache 2.0 许可，可以商用。GitHub 已经超过 3.3 万 Stars。我已经部署本地了，后面自己的coding 的产品就用这个模型，对配置要求低的。你也拿一段课程文案试试，重点听三个东西，中文像不像真人，长文会不会越念越怪，克隆出来的声音到底像不像。跑完再回来交作业。

这个免费配音产品，真好玩啊，VoxCPM2。以前做 AI 配音，要么按月给平台交钱，要么自己折腾一堆模型。现在 OpenBMB 把这套东西直接开源了。你丢一段文字进去，它就能生成一段接近真人说话的音频。更骚的是，不给参考声音也行。直接告诉它，年轻一点，声音温柔一点，语速稍微快点，它会自己设计一个声音。有参考音频，玩法就更多了。给它一小段录音，VoxCPM2 能照着克隆音色。生成新内容时，还能单独控制语速、情绪和说话方式。中文、英语、日语等 30 种语言都支持，四川话、粤语、东北话、闽南话也能做。输出是 48kHz，已经奔着正经内容生产去了。老王用自己的声音试了东北话，粤语，普通话，都非常像的。关键免费啊！代码和模型全部开放，Apache 2.0 许可，可以商用。GitHub 已经超过 3.3 万 Stars。我已经部署本地了，后面自己的coding 的产品就用这个模型，对配置要求低的。你也拿一段课程文案试试，重点听三个东西，中文像不像真人，长文会不会越念越怪，克隆出来的声音到底像不像。跑完再回来交作业。

产品经理老王霸

21,719 Aufrufe • vor 1 Monat

一人电台工作室绝对有戏！我的免费批量做播客电台的进展明显，克隆声音录制有声书绝了！情绪、语速、节奏感比普通人还强，强很多（当然专业的可能比不了）雷军的声音+《明朝那些事儿》，还原度95%😀 丢个Demo感受下声音克隆移步：（新用户一次免费机会，够用了） #AI声音

一人电台工作室绝对有戏！我的免费批量做播客电台的进展明显，克隆声音录制有声书绝了！情绪、语速、节奏感比普通人还强，强很多（当然专业的可能比不了）雷军的声音+《明朝那些事儿》，还原度95%😀 丢个Demo感受下声音克隆移步：（新用户一次免费机会，够用了） #AI声音

anguo W

33,059 Aufrufe • vor 1 Jahr

刚有位推友给我说了件事儿，伤心的事儿。TA 需要一个声音克隆的软件，留住亲人的声音除了豆包外，这款 Fish Speech 也有优秀的表现： 1/ 上传录制好的 25-45 秒声音 2/ 等待训练（很快） 3/ 基于生成的声音，可朗读任何指定文字地址如下：

刚有位推友给我说了件事儿，伤心的事儿。TA 需要一个声音克隆的软件，留住亲人的声音除了豆包外，这款 Fish Speech 也有优秀的表现： 1/ 上传录制好的 25-45 秒声音 2/ 等待训练（很快） 3/ 基于生成的声音，可朗读任何指定文字地址如下：

黄赟

64,626 Aufrufe • vor 2 Jahren

惊艳！这个真的太有用了！！！做过视频的人才知道！这个有多么刚需！！各种生成式模型发展到现在，其实一直有一个痛点没有很好的解决！即便是最强大的Seedance2.5模型，能够带来稳定的画面表现，但是要想得到比较好的画面音效，可能并不容易，更糟心的是，如果生成一条视频，画面很棒但音效有瑕疵！除了大量抽卡，或者靠后期优化，基本没有其他办法！万万没想到，Pika居然针对视频音效出了新模型！这需求洞察力真是绝了！这次 Pika 一口气发布了 4 款 Audio Models，主打 least expensive，生成更快，成本更低，我对比了一下，常见声音模型里，价格几乎最低！我觉得最实用、也最好玩的就是Video-to-audio，上传一段视频，它会根据画面内容自动生成（或补全）相匹配的环境音、音效、音乐甚至是人物配音。下面这个视频就是一段30秒的无声视频，然后用Pika Soundtrack 直接生成的音效音轨，我特意用了一段声音要求比较复杂的画面，不光要壁炉的柴火声，还要小猫的叫声和呼噜声，以及窗外的雨声，更重要的还要表现出声音之间的层次和空间关系，最后的成片真的完成度很高！！如果几个模型搭配着用，还能一次搞定BGM+音效+旁白。这简直让AI生成内容的可控性上升了好几个level！

惊艳！这个真的太有用了！！！做过视频的人才知道！这个有多么刚需！！各种生成式模型发展到现在，其实一直有一个痛点没有很好的解决！即便是最强大的Seedance2.5模型，能够带来稳定的画面表现，但是要想得到比较好的画面音效，可能并不容易，更糟心的是，如果生成一条视频，画面很棒但音效有瑕疵！除了大量抽卡，或者靠后期优化，基本没有其他办法！万万没想到，Pika居然针对视频音效出了新模型！这需求洞察力真是绝了！这次 Pika 一口气发布了 4 款 Audio Models，主打 least expensive，生成更快，成本更低，我对比了一下，常见声音模型里，价格几乎最低！我觉得最实用、也最好玩的就是Video-to-audio，上传一段视频，它会根据画面内容自动生成（或补全）相匹配的环境音、音效、音乐甚至是人物配音。下面这个视频就是一段30秒的无声视频，然后用Pika Soundtrack 直接生成的音效音轨，我特意用了一段声音要求比较复杂的画面，不光要壁炉的柴火声，还要小猫的叫声和呼噜声，以及窗外的雨声，更重要的还要表现出声音之间的层次和空间关系，最后的成片真的完成度很高！！如果几个模型搭配着用，还能一次搞定BGM+音效+旁白。这简直让AI生成内容的可控性上升了好几个level！

沐阳

18,495 Aufrufe • vor 5 Tagen

用Myshell做一个用自己声音的AI英语对话机器人（暂不支持中文）核心操作：声音录音采样->上传Myshell->配置机器人教程： 1. 生成文本素材：用ChatGPT生成一段故事 “生成一段800字的英文故事”，长度足够念3分钟，只需要念2分钟左右就行。 2. 阅读录音：iPhone打开语音备忘录，用英语朗读上面生成的故事。 3. 转换音频格式：语音备忘录分享给微信文件传输助手，下载m4a格式音频，打开转换成MP3下载。 4. 注册Myshell，打开创建自己的机器人，填写基础信息，上传MP3录音文件，合成大概需要1分钟时间。到这里，就可以体验用自己声音创建的机器人Web版。如果想用自己声音搭Telegram机器人，可以按下面教程操作，相对复杂。下面视频是把声音下载用剪映做的视频，声音还挺像自己的。

用Myshell做一个用自己声音的AI英语对话机器人（暂不支持中文）核心操作：声音录音采样->上传Myshell->配置机器人教程： 1. 生成文本素材：用ChatGPT生成一段故事 “生成一段800字的英文故事”，长度足够念3分钟，只需要念2分钟左右就行。 2. 阅读录音：iPhone打开语音备忘录，用英语朗读上面生成的故事。 3. 转换音频格式：语音备忘录分享给微信文件传输助手，下载m4a格式音频，打开转换成MP3下载。 4. 注册Myshell，打开创建自己的机器人，填写基础信息，上传MP3录音文件，合成大概需要1分钟时间。到这里，就可以体验用自己声音创建的机器人Web版。如果想用自己声音搭Telegram机器人，可以按下面教程操作，相对复杂。下面视频是把声音下载用剪映做的视频，声音还挺像自己的。

向阳乔木

139,676 Aufrufe • vor 3 Jahren

数字人先用的QWen3-TTS，声音是能克隆了，但不能设置语气，也就是从头到尾一个声调。然后试了indextts2，至少语气的感觉是有了🤣

数字人先用的QWen3-TTS，声音是能克隆了，但不能设置语气，也就是从头到尾一个声调。然后试了indextts2，至少语气的感觉是有了🤣

黄小木

10,701 Aufrufe • vor 16 Tagen

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了不能用常规的 AI 视频模型评判标准去看待它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！下面是详细的测试👇：

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了不能用常规的 AI 视频模型评判标准去看待它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！下面是详细的测试👇：

歸藏(guizang.ai)

181,401 Aufrufe • vor 10 Monaten

我去这个语音克隆模型有点牛P 哈哈哈使用了 250,000 小时的中英双语语音数据训练只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。

我去这个语音克隆模型有点牛P 哈哈哈使用了 250,000 小时的中英双语语音数据训练只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。

小互

96,789 Aufrufe • vor 1 Jahr

holy shit，刷到一个开源语音生成项目，中英文语音效果真的吊炸，有点行业掀桌子的意思🚀 ElevenLabs 个人版每月 $5 到 $99 ，商业版更是开到 $1320一个月，现在这个完全开源、免费本地运行的模型 VoxCPM2，在部分语音相似度基准上表现我想用惊人来形容🤩 根据公开的 Minimax-MLS 语音相似度测试： • 英语：VoxCPM2 得分 85.4%，ElevenLabs 为 61.3% • 中文：VoxCPM2 得分 82.5%，ElevenLabs 为 67.7% • 阿拉伯语：VoxCPM2 得分 79.1%，ElevenLabs 为 70.6% 支持 30 种语言、48kHz 工作室级输出，可通过短音频片段进行语音克隆，也支持纯文本描述生成新声音（Voice Design），并能在本地 GPU 上运行（最低约 8GB VRAM）。项目由 OpenBMB 与清华大学相关团队开发，采用 Apache 2.0 许可，可免费用于商业用途。GitHub 已登上 Trending。你只要给它一小段录音，它就能把这个人的声音完整复刻下来。口音、情绪、语速、呼吸的节奏，分毫不差。输出是 48kHz 的录音棚品质，普通人根本听不出是 AI 生成的。更离谱的是，你甚至可以用文字直接创造声音。写一句“二十多岁的女生，声音温柔带点沙哑”，它就能从无到有生成一个完全符合描述的声音。不用找参考音频，不用请配音演员，连麦克风都不用开。它的能力有多夸张呢： • 文字造声：描述性别、年龄、音色、情绪，AI 直接生成 • 完美克隆：上传 1 分钟音频，复刻所有声音细节 • 可控克隆：克隆后还能改情绪，比如“语速加快，带着一点兴奋” • 极致还原：给音频加对应文本，连语气的细微起伏都能复现 • 30 种语言自动识别，不用手动标注 • 上下文感知，读新闻像主播，讲故事像说书人 • RTX 4090 上生成速度比播放还快 • 8G 显存就能跑，普通游戏本都能用 • 用 5-10 分钟自己的声音微调，就能得到专属声音模型最震撼的是第三方基准测试的结果：英语相似度 VoxCPM2 85.4% vs ElevenLabs 61.3% 中文相似度 VoxCPM2 82.5% vs ElevenLabs 67.7% 阿拉伯语相似度 VoxCPM2 79.1% vs ElevenLabs 70.6% 一个免费开源项目，在核心指标上全面碾压了行业标杆。专业配音一个项目 250 到 1000 美元 AI 语音平台每月 5 到 100 美元录音棚每小时 200 美元 VoxCPM2 完全运行在你本地电脑上。没有 API 费用，没有按字符计费，没有订阅。永远免费，还能商用。一行命令就能安装：pip install voxcpm 以下中文实测视频是电磁波Studio 老哥提供，供大家参考，作为新开源模型，在情绪控制稳定性、长文本一致性、企业级可靠性等方面可能仍有提升空间，实际使用体验建议大家亲自测试， GitHub地址和在线 Demo老规矩评论区自取 👇

holy shit，刷到一个开源语音生成项目，中英文语音效果真的吊炸，有点行业掀桌子的意思🚀 ElevenLabs 个人版每月 $5 到 $99 ，商业版更是开到 $1320一个月，现在这个完全开源、免费本地运行的模型 VoxCPM2，在部分语音相似度基准上表现我想用惊人来形容🤩 根据公开的 Minimax-MLS 语音相似度测试： • 英语：VoxCPM2 得分 85.4%，ElevenLabs 为 61.3% • 中文：VoxCPM2 得分 82.5%，ElevenLabs 为 67.7% • 阿拉伯语：VoxCPM2 得分 79.1%，ElevenLabs 为 70.6% 支持 30 种语言、48kHz 工作室级输出，可通过短音频片段进行语音克隆，也支持纯文本描述生成新声音（Voice Design），并能在本地 GPU 上运行（最低约 8GB VRAM）。项目由 OpenBMB 与清华大学相关团队开发，采用 Apache 2.0 许可，可免费用于商业用途。GitHub 已登上 Trending。你只要给它一小段录音，它就能把这个人的声音完整复刻下来。口音、情绪、语速、呼吸的节奏，分毫不差。输出是 48kHz 的录音棚品质，普通人根本听不出是 AI 生成的。更离谱的是，你甚至可以用文字直接创造声音。写一句“二十多岁的女生，声音温柔带点沙哑”，它就能从无到有生成一个完全符合描述的声音。不用找参考音频，不用请配音演员，连麦克风都不用开。它的能力有多夸张呢： • 文字造声：描述性别、年龄、音色、情绪，AI 直接生成 • 完美克隆：上传 1 分钟音频，复刻所有声音细节 • 可控克隆：克隆后还能改情绪，比如“语速加快，带着一点兴奋” • 极致还原：给音频加对应文本，连语气的细微起伏都能复现 • 30 种语言自动识别，不用手动标注 • 上下文感知，读新闻像主播，讲故事像说书人 • RTX 4090 上生成速度比播放还快 • 8G 显存就能跑，普通游戏本都能用 • 用 5-10 分钟自己的声音微调，就能得到专属声音模型最震撼的是第三方基准测试的结果：英语相似度 VoxCPM2 85.4% vs ElevenLabs 61.3% 中文相似度 VoxCPM2 82.5% vs ElevenLabs 67.7% 阿拉伯语相似度 VoxCPM2 79.1% vs ElevenLabs 70.6% 一个免费开源项目，在核心指标上全面碾压了行业标杆。专业配音一个项目 250 到 1000 美元 AI 语音平台每月 5 到 100 美元录音棚每小时 200 美元 VoxCPM2 完全运行在你本地电脑上。没有 API 费用，没有按字符计费，没有订阅。永远免费，还能商用。一行命令就能安装：pip install voxcpm 以下中文实测视频是电磁波Studio 老哥提供，供大家参考，作为新开源模型，在情绪控制稳定性、长文本一致性、企业级可靠性等方面可能仍有提升空间，实际使用体验建议大家亲自测试， GitHub地址和在线 Demo老规矩评论区自取 👇

AYi

49,723 Aufrufe • vor 4 Monaten

阿里巴巴开发的这个模型有点像Heygen的声音克隆+对嘴型了。如果能用的话，用自己的照片和音频就可以生成各种对话视频，唱歌视频，快节奏说唱，跨演员表演等等，厉害哦。以后能应用的领域就更多了，持续关注，感兴趣的同学可以收藏起来。#EMO：Emote Portrait Alive 直达传送门地址： GitHub：

阿里巴巴开发的这个模型有点像Heygen的声音克隆+对嘴型了。如果能用的话，用自己的照片和音频就可以生成各种对话视频，唱歌视频，快节奏说唱，跨演员表演等等，厉害哦。以后能应用的领域就更多了，持续关注，感兴趣的同学可以收藏起来。#EMO：Emote Portrait Alive 直达传送门地址： GitHub：

穆尼

75,506 Aufrufe • vor 2 Jahren

不会注册抹茶的小伙伴们有福了，直接用钱包购买DNX，我录了一个使用教程。这个视频有声音，昨天录的没有声音。下面是钱包的官方网址:

不会注册抹茶的小伙伴们有福了，直接用钱包购买DNX，我录了一个使用教程。这个视频有声音，昨天录的没有声音。下面是钱包的官方网址:

比特进

33,626 Aufrufe • vor 2 Jahren

想要生成逼真的 AI 语音，通常使用在线 API 服务，不仅有隐私泄露风险，而且支付费用成本还不低。今天发现了一个开源免费的超逼真语音合成模型：NeuTTS Air，仅 0.5B 参数，可直接在本地电脑运行。生成的语音媲美真人，支持仅用 3 秒音频就能完成声音克隆，在手机、笔记本甚至树莓派上都能流畅运行。 GitHub：主要特性： - 超逼真语音合成，生成接近真人水平的自然语音； - 即时声音克隆，仅需 3 秒音频样本即可复制声音特征； - 完全本地运行，无需网络连接保护隐私安全； - 轻量级设计，支持手机、电脑和嵌入式设备部署； - 实时语音生成，在中等配置设备上也能流畅运行； - 内置水印技术，确保生成音频的责任可追溯性。根据 README 文档提供的详细使用教程，克隆项目安装 espeak 依赖后即可使用。

想要生成逼真的 AI 语音，通常使用在线 API 服务，不仅有隐私泄露风险，而且支付费用成本还不低。今天发现了一个开源免费的超逼真语音合成模型：NeuTTS Air，仅 0.5B 参数，可直接在本地电脑运行。生成的语音媲美真人，支持仅用 3 秒音频就能完成声音克隆，在手机、笔记本甚至树莓派上都能流畅运行。 GitHub：主要特性： - 超逼真语音合成，生成接近真人水平的自然语音； - 即时声音克隆，仅需 3 秒音频样本即可复制声音特征； - 完全本地运行，无需网络连接保护隐私安全； - 轻量级设计，支持手机、电脑和嵌入式设备部署； - 实时语音生成，在中等配置设备上也能流畅运行； - 内置水印技术，确保生成音频的责任可追溯性。根据 README 文档提供的详细使用教程，克隆项目安装 espeak 依赖后即可使用。

GitHubDaily

59,269 Aufrufe • vor 10 Monaten

我录了娃们的两句话，然后让他们亲耳听见：自己的声音，出现在了一部十几分钟的儿童故事里。整个故事的语音生成成本，全部免费。整个流程全自动，不用敲一个字，也不用了解技术。两个孩子平时很喜欢听侦探一类的故事，于是我问他们： “我们能不能自己做一个？” 他们负责想角色、录声音。我把最近搭的「口播视频 Skill」，改成了一条儿童故事生产线： 1. 让 AI 写一个故事（网页端免费） 2. 让 Agent 拆成旁白＋两个角色（2 毛钱，非常便宜） 3. 用本地TTS 生成语音（免费） 4. 再用图片模型配几张插图（用 gpt 或者 gemini 自带的）几分钟后，一部十几分钟的儿童广播剧就出来了。因为 TTS 在本地运行，语音免费，主要成本只是生成故事和剧本时调用的一点 Token。我也顺便给两个娃解释了： 🔥 Token 就像 AI 使用的文字积木； ⚡️ TTS 则是把这些文字积木重新变成声音。 🧊 孩子不一定听得懂什么是大模型。但当他们听见故事角色开始用自己的声音说话时，一下子就明白了： AI 不只是一个聊天框，它可以把自己的想象变成作品。这套流程真的没有想象中复杂。有孩子的朋友，可以直接试一次：孩子负责想象，我们负责夹带私货把内容灌入故事更多技术细节可以阅读下文👇

我录了娃们的两句话，然后让他们亲耳听见：自己的声音，出现在了一部十几分钟的儿童故事里。整个故事的语音生成成本，全部免费。整个流程全自动，不用敲一个字，也不用了解技术。两个孩子平时很喜欢听侦探一类的故事，于是我问他们： “我们能不能自己做一个？” 他们负责想角色、录声音。我把最近搭的「口播视频 Skill」，改成了一条儿童故事生产线： 1. 让 AI 写一个故事（网页端免费） 2. 让 Agent 拆成旁白＋两个角色（2 毛钱，非常便宜） 3. 用本地TTS 生成语音（免费） 4. 再用图片模型配几张插图（用 gpt 或者 gemini 自带的）几分钟后，一部十几分钟的儿童广播剧就出来了。因为 TTS 在本地运行，语音免费，主要成本只是生成故事和剧本时调用的一点 Token。我也顺便给两个娃解释了： 🔥 Token 就像 AI 使用的文字积木； ⚡️ TTS 则是把这些文字积木重新变成声音。 🧊 孩子不一定听得懂什么是大模型。但当他们听见故事角色开始用自己的声音说话时，一下子就明白了： AI 不只是一个聊天框，它可以把自己的想象变成作品。这套流程真的没有想象中复杂。有孩子的朋友，可以直接试一次：孩子负责想象，我们负责夹带私货把内容灌入故事更多技术细节可以阅读下文👇

实践哥MinLi

41,872 Aufrufe • vor 18 Tagen

٩(•̤̀ᵕ•̤́๑)ᵒᵏᵎᵎᵎᵎ 我克隆了网红【峰哥亡命天涯】的声音和记忆，让 AI 用他的方式跟我实时对话。第一次听到"峰哥"的声音从电脑里怼我，愣了几秒。。像跟直播连麦一样。这个项目我叫它 Talk to Me，从 V1 到 V3.6 迭代了好几轮。它干的事：你说话，AI 用克隆出来的声音回你，记得你们聊过什么，还带着那个人的性格和说话方式。怎么做到的——四个开源项目 + 云 GPU 拼出来的： • 本地笔记蒸馏 → 352 条笔记压成人格和说话风格 • LiveKit → 实时语音通话的底层框架 • VoxCPM → 云 GPU 上跑中文音色克隆 • OpenViking → 长期记忆，聊过的内容能找回来没用大厂现成方案，STT→LLM→TTS 每一环都自己拆过换过踩过坑。比如... Cartesia 中文克隆翻车、GPU 迁移重配 SSH、粒子 UI 丑到没法看……全链路延迟从 8-20秒/句压到 1 秒内。其实一开始只是想跟自己对话——蒸馏自己的知识库，克隆自己的声音---- 我太寂寞了，想着自己和自己对话呢🤫 后来觉得不够有意思，就换成了网红的音色和人格，体验一下就完全不一样了。这也让我意识到：不只是"我的分身"，而是谁都可以有一个能实时对话的 AI 版本。代码还很粗糙，坑还很多。但如果大家觉得有意思，后面可以拆解技术细节做个系列。附一条自测 demo 👇

٩(•̤̀ᵕ•̤́๑)ᵒᵏᵎᵎᵎᵎ 我克隆了网红【峰哥亡命天涯】的声音和记忆，让 AI 用他的方式跟我实时对话。第一次听到"峰哥"的声音从电脑里怼我，愣了几秒。。像跟直播连麦一样。这个项目我叫它 Talk to Me，从 V1 到 V3.6 迭代了好几轮。它干的事：你说话，AI 用克隆出来的声音回你，记得你们聊过什么，还带着那个人的性格和说话方式。怎么做到的——四个开源项目 + 云 GPU 拼出来的： • 本地笔记蒸馏 → 352 条笔记压成人格和说话风格 • LiveKit → 实时语音通话的底层框架 • VoxCPM → 云 GPU 上跑中文音色克隆 • OpenViking → 长期记忆，聊过的内容能找回来没用大厂现成方案，STT→LLM→TTS 每一环都自己拆过换过踩过坑。比如... Cartesia 中文克隆翻车、GPU 迁移重配 SSH、粒子 UI 丑到没法看……全链路延迟从 8-20秒/句压到 1 秒内。其实一开始只是想跟自己对话——蒸馏自己的知识库，克隆自己的声音---- 我太寂寞了，想着自己和自己对话呢🤫 后来觉得不够有意思，就换成了网红的音色和人格，体验一下就完全不一样了。这也让我意识到：不只是"我的分身"，而是谁都可以有一个能实时对话的 AI 版本。代码还很粗糙，坑还很多。但如果大家觉得有意思，后面可以拆解技术细节做个系列。附一条自测 demo 👇

Leaf Yeah!

65,253 Aufrufe • vor 1 Monat