惭愧，我居然被一个开源项目给骗了。
歪歪约 7 分钟你好呀，我是歪歪。
来，先听个语音，我让一个妹子帮我录的：
这段语音的内容是我上一篇文章的最后一段话。
歪师傅是个技术博主，主要分享正经的开发技术，偶尔分享生活，核心目的是搞点流量来，方便发发广告，吃瓜只是随手的事儿。
这段语音背后其实是暗藏玄机的，我让 Max 同学听了好几遍她也没听出来。
如果你也没听出来，可以尝试再听一次，给自己一个机会。
读这段内容的人，哦，不，读这段内容的声音是 AI。
也不对，稍微正确一点的描述应该是：这段声音是由 AI 生成的。
不知道你听出来没。
可以投个票大家看看，另外，由于本文标题其实也带有引导性，所以你结合标题可能就已经带着怀疑的态度去听了。
咱们就是说投票的话就诚实一点，没听出来又不丢人，歪师傅第一次听的时候也没听出来。
然后再给你来一个男生的版本：
而要生成上面这样的内容，非常之简单，打开这个网站就行：
https://huggingface.co/spaces/Dzkaka/ChatTTS
当然了，首先你得掌握相对科学的冲浪方式，然后才能打开这个网站。
网站上的几个重点参数简单介绍一下：
Input Text : 需要转换的文本，支持中文和英文混杂 Refine text : 是否对文本进行口语化处理 Audio Seed : 配置音色种子值，不同种子对应不同音色 Text Seed : 配置文本种子值，不同种子对应不同口语化风格 Output Text : 口语化处理后生成的文本
还有一些其他的参数，可以控制音频的情感，具体可以参考这个官方说明：
说真的，对于“配音”这块，我之前一直停留在 AI 味儿特别浓的印象中，就是那种一耳就能听出来：这是 AI。
这些配音，以“注意看这个男人叫小帅”为首，充斥在大量的短视频中，防不胜防。
包括这篇文章，你拉到最开始，标题的附近，有个“耳机”的标识，你点一下，也会给你朗读，但是一听也是浓浓的 AI 味儿。
但是前段时间，我接到一个某某保险的营销电话，改变了我的刻板印象。
一接通就是一个妹子非常急迫的一句话：联系到您可真是太不容易了，你可能是太忙了。巴拉巴拉巴拉~
但是这句话，非常自然，我第一次听到的时候以为是真的客服，听到她开始营销的话术，我就挂断了。
隔了几天，我又接到了这个电话。
开头第一句：联系到您可真是太不容易了，你可能是太忙了。
语气、腔调、内容、音色，和前一通电话一模一样，我就觉得有点好奇，于是在她说话的同时，我问：你是机器人吗？
对方没有回复，继续自顾自的说话。
于是我接着问：你们是哪个保险呢？
对方还是没有回复。
在她介绍的时候，我突然说了四个字：我要投诉。
对方立马就像触发了关键词一样，开始道歉，并挂断了电话。
此时我已经确定对面就是个机器人了。
我之前也接过机器人打的营销电话，很容易听出来，但是这次这个确实有点骗过了我。
他们的内容，都和我前面放的音频一样，非常的逼真。
技术其实早就已经发展到以假乱真的阶段了，只是我比较后知后觉而已。
说回到前面的网站，这其实是一个开源项目的在线体验网站，这个叫做 ChatTTS 的项目目前已经有 27.2K 的 Star 了。
https://github.com/2noise/ChatTTS
歪师傅拿到这个项目的第一反应，和大多数人一样：能不能训练出一个我自己的声音玩玩，这样多刺激啊？
但是，你想想，如果一个好事之徒，带着某些不可告人的目的，真的训练出了你的声音，那不是更加刺激？
所以，这一点是不可以的：
如果你只是想体验一下，那么音色，你可以通过网站上的音色种子去设置。
比如我的音频女生版本就用的默认的宇宙之终极答案，42。男生版，就用的 1001。
中英文夹杂的表现也是非常不错的：
可以看到在 ooutput text 里面生成了 [uv_break] 这样的东西，这个代表语气中的停顿，除此之外还有 [laugh]：
更多的介绍，你可以看看 B 站的这个视频，
https://www.bilibili.com/video/BV1zn4y1o7iV/
反正就是真的很强。
还有高手
在我觉得 ChatTTS 已经天下无敌的时候，另外一个在 github 上有 28.7K star 的项目又跳入到了我的视野中：
https://github.com/RVC-Boss/GPT-SoVITS
这个项目似乎才是 TTS 领域天花板般的存在，
因为，它可以训练任何你想要的声音，只要你有 5s 的声音样本就行。
是的，大胆的说出你的想法：我要克隆一个自己的声音。
这里也是给大家推荐两个 B 站大学的地址吧。
首先是官方的视频地址：
https://www.bilibili.com/video/BV12g4y1m7Uw/
然后是 Jack-Cui 大佬针对小白做的手摸手运行视频：
https://www.bilibili.com/video/BV1WC411W79t/
基本上只需要十分钟，然后用一段 30s~1min 的音频，就能使用 AI 克隆出你想要的声音，从环境部署到训练完成，一键式操作，非常手摸手。
然而...
我并没有运行起来，因为刚好赶上 OpenBayes 做系统升级：
如果你感兴趣的话，你可以去看看。
使用 OpenBayes 需要注册，你可以用我的邀请链接：
https://openbayes.com/console/signup?r=CHTNTCQ7mTn_gnXt
这样，我们就各自能有 60 分钟 RTX 4090 的使用时长，永久有效，香的一比。
在摸索 GPT-SoVITS 的时候，我又看到了另外一个项目，也是很吊：
https://github.com/fishaudio/fish-speech
可以去这个网站上玩一下：
https://fish.audio/zh-CN/text-to-speech/
这个模型经过 15 万小时的数据训练，可以搞定中英日三种语言，音频输出接近人类水平，对中文支持更是牛的一笔。
去 B 站大学上搜关键字“fish-speech”，相关视频也是非常多的：
反正在 TTS 这个领域下，竞争是极其激烈的。
这对于我们用户来说也挺好的，毕竟一枝独秀不是春，百花齐放才是春满园。
哦，对了，在这种“百花齐放”的时候，记得一定要在自己“相亲相爱一家人”的微信群里面，给上了年纪的亲友们科普一下：语音也是可以作假的，一定要谨防诈骗。
好了，本文的技术部分就到这里了。
下面这个环节叫做[荒腔走板]，技术文章后面我偶尔会记录、分享点生活相关的事情，和技术毫无关系。我知道看起来很突兀，但是我喜欢，因为这是一个普通博主的生活气息。
荒腔走板
最近在下班路上，老是听《脱口秀大会》的音频，然后周末就去听了一场线下脱口秀。
脱口秀线上和线下还真的差距挺大的，至少线下的尺度大了很多，但是又在一个合理且搞笑的范围内，加上演员们的风格迥异，肢体语言惟妙惟肖，还真是挺有意思的。
我不能给你讲演员们的段子，因为开场的时候就说了：这些段子要保密，有的段子这些演员要用一辈子。
虽然是一种调侃的方式，但是我还是要尊重演员们的知识产权。
如果你所在的城市也有线下的脱口秀表演的话，恰好你又对这个艺术形态感兴趣，可以去听听。
脱口秀是一门“冒犯”的艺术，如果其中一些段子让你觉得被冒犯了，笑一笑，就过去吧。
就像是呼兰说的：笑不是生活的解药，笑是生活的麻药。
有时候去麻一麻自己也挺舒服的。
这是我和 Max 同学第三次看线下脱口秀，每次都是不同的厂牌。
但是 Max 同学坚持认为只有两次，对于第一次完全没有任何映像。
于是我拿出手机，打开我的公众号，输入“脱口秀”，就找到了第一次的记录，是 2021 年 7 月的时候。
那天听到的段子她完全忘记了，包括她当时给我说的她觉得那个女生讲的特别好，她也忘记了。她甚至忘记了那天有一个女生的表演，但是她记得那天她特意买了一杯奶茶，结果在门口不让带进去，她很生气。
所以，我之前有句话是怎么说的？
记录，抵抗遗忘。
·············· END ··············
推荐👍：Spring官方竟然真的支持Bean的异步初始化了！
推荐👍：哎，被这个叫做at least once的玩意坑麻了。
你好呀，我是歪歪。我没进过一线大厂，没创过业，也没写过书，更不是技术专家，所以也没有什么亮眼的title。
当年高考，随缘调剂到了某二本院校计算机专业。纯属误打误撞，进入程序员的行列，之后开始了运气爆棚的程序员之路。
说起程序员之路还是有点意思，可以点击蓝字，查看我的程序员之路。