ReaderMX.
古老板

全网挑战，我敢说我第一

古古原约 6 分钟
有没有听过三秒克隆声音？
你肯定听过！
图片
但你有没有想过，三秒能克隆什么呢？
难道一个人说话的语调，三秒钟就代表所有的风格吗？这是肯定不可能的。
你看哪一个人说话，不是有时快，有时慢，有时激动，有时平缓？
三秒怎么可能做到完全复刻一个人的声音呢？
我今天来向全网所有的AI工具，包括大厂的工具挑战。
市面上你看到的很多完全模仿的声音，他们只是复刻了一个时间段（三五秒的语气），但做不到做长时间的语音的模仿，比如两分钟。
但，我可以做到。
我先给你看一段声音，这段声音在读我的文章。他是谁？罗胖(罗振宇）。以下提到的大V人名，你都可以去短视频网站上听一下他们的声音，看看是不是一模一样。
不好意思，因为罗胖的语言辨识度很高，所以，我拿他的声音来训练作为我的展示样品。
接下来，我再给你一段声音，你可能不认识，但你可以在抖音上搜索财经林妹妹，你听一下，与她的声音有没有区别，能不能听出来不一样？
我再给一个口播界的牛人，也在奥群呆过，那就是鹤老师。
你听一下，与他的声音有什么区别吗？
最后看一个也是大V，直男财经，你听一下，能听出来区别么？
对的。我就是能够完整复刻一个人的声音，让别人根本听不出来区别。
这是我从去年开始，在研究文案时，就在开始研究的玩意。
而市面上，所有的语音模型，你能用的，包括字节豆包的，你试一下，看看他们能否完整复刻。
你以为这就完了？不！不！不！
这算什么？
复制别人的声音不算什么。
如果我用罗胖的声音去做视频，肯定会被骂死呀，在中国还有可能被认定为侵权。
我研究语音模型，不仅是为了精准复刻一个人的声音，还是为了解决另一个问题。
很多人，有口音，比如我。还有很多人，说话语言很平淡。
但是有些人，语言表达能力就很强。
比如，我扶持的经济学号率性的晓晓，她的语言表达能力就很强，一听就很舒服。做口播帐号，语言没有魅力是不行的。
以上我列出来的大V，其成功之处与他的语言表达能力有极大的关系。
但大部分人不具备这种语言表达能力。
那我研究语言模型的目的是，让普通人哪怕没有这种语言表现力，但却可以通过人工智能生成有强烈感染力、独特个人特质的声音。
这样，就能大幅提高你的自媒媒作品—不管是短视频、播客、还是中视频，包括培训课程的语言魅力。
接下来，我们来看，同样是这段文字，我们通过不同的组合，产生的新奇效果。
这个是罗胖的音色，但语气却是林妹妹的。
这个是林妹妹的音色，但语气却是罗胖的。
这是直男财经的语气，但音色却是鹤老师的。
这是鹤老师的语气，但音色却林妹妹的。
你看，通过排列组合，你就得到一个全新的声音，别人绝对听不出来你模仿了谁。
好了，听一下我的这个视频，这是我的声音吗？是的。
但音调却不是我的。
我的真实声音是这样的。
当然，我都不建议音色不好的朋友去搞一个其他的音调加自己的音色，除非你做大了。
起号阶段，前期做自媒体，特别是我服务的律师领域，就应该选择一个特别有辨识度，特别有感染力的语音来配合，这样，才能让整个视频的口播效果达到最佳。
好的声音，可以极大提升自媒体的效能。
当然，我不是说我比豆包牛。
我要告诉大家，豆包是商用产品，他追求的是稳定输出，因此，他牺牲了完美复刻和深度训练，而选择了稳定性。
而我们目前的产品，暂时无法网络商用，因为还会出错，输出一段音频后，要边听边重新输出（输出错的那一句），会偶有吞字，发音错误（多音字），阿拉伯数字错误（比如1900元，读成一九零零元，这个需要事前文案处理，防止偶发错误），因此他生成时，需要人工介入。
如果生成一个三千字语音，大概能有十几处错误。
人工介入也很简单，读错的一句，马上重新生成这一句就好了，一般改个错，三四秒。
但得听一遍才行。
豆包这种商用级产品，稳定度更高，但也会有错，且有错了，无法逐句改变，需要重新生成，还要费用。
但它出错的概率低于我们当下的模型，这是个事实。
从生成的质量，以及多样性方面，我目前没有看到谁能生成长篇大段的文字，还能保持这种模仿效果。
创造新音色这一块，目前也仅有海外的一家企业能做，但收费奇贵，一月一百多美元。
我们要复刻客户的声音，需要半小时的音频，且要有文字稿，需要人工逐句挑出好的音频来训练，并且训练的时间超长，用4090训练，都要六个小时。
然后帮助客户做成各种不同风格的语音，又要几个小时，会给到十种以上的声音效果给客户挑。
我光是语调库，就建立了三百个。各种不同人的语调都有。并且以后还要建立更多。
目的是什么？我认为复制声音，只是少数人的需要，是那些语言感染力强的人。大多数普通人的需求，才是重要的。
这是普通人做自媒体最大的障碍，虽然很多人用上了数字人，但是，声音却很差，没有感染力。怎么办？
我来解决啊。
你认为晓晓音调好，没问题，给你模仿一下。
所有市面上的大模型，不经改造，是做不到这个效果的。
道理如我文前所说，三秒怎么可能复刻呢？
我当然也是用了大模型，只不过我找技术人员研究代码，重新改写了。
这个语音模型的能力，是我开发律师自媒体服务产品时构建的，光研发就花了四个月的时间。
好了，现在这个服务，除了为律师服务，还可以向所有人开放。
如果想完整复刻你的声音，读一篇文章（给文字给我），用你要的语气读，三十分钟。读错了，就重新读，我的人会剪辑掉错误的句子的，保持环境安静，用好的降噪麦读就好了。
复刻一次的费用：600元（一次性）
要接上别的语调：300元（10个选择，一次性））
如果要一个完全不一样的语音，（非自己音色，全新的融合音调音色）高度辨识度的，强感染力的，告诉我们你要用来做什么？
读小说？搞播客？还是短视频？中视频？
我们帮你挑出10个让你选。500元（一次性）
最后你怎么用呢？
我们向律师收的费用是这个的一半，甚至包含在套餐中，接近于免费，为什么？因为语音模型在我们这里。
而这个服务，是将语音模型发给你，你安装好后，我们远程帮助你安装模型，教你怎么使用，怎么改错。
这样，以后，你就可以直接自己在家使用了。
这个语音模型对电脑要求不高，随便有个显卡就能生成。
我们给律师服务，是我们手动生成，手动改错。律师不需要管这些事务。
这只是我们围绕律师业务研发出来的一个产品之一。
昨天说过了，公众号也是历时半年才研发出来的。这个产品也一样，我这半年多，主要精力就是研发各种新产品。
你可以全网比较，到各种地方下载声音模型，你看看能否做到我们的效果。
我可以肯定地说，全网我第一。
我写这篇文章，是在做广告，是在说明我为律师自媒体业务中所有的研发，以及我们的产品优点。
因为研发的东西太多，直播难以讲清楚，我还是决定写文章说明清楚吧。
相比起直播， 我更愿意写文章。
接下来，还会有几个产品的研发要向大家说明。
比如短视频文案创作系统，比如小红书小绿书创作系统；比如数字人、比如剪辑技术、比如直播辅导服务等等。每一个项目，都经历过漫长时间的研发，都以服务一个行业的从业者为目标。
不急，讲完大家再决定要不要合作一起来推广。
业务联系：Glinda989

KEEP THE THREAD GOING

更多来源文章