昨晚上看PaddleSpeech开发群里，他们官方丢出一个音色克隆机器人，加滑稽狗头说限时内测。晚会儿就截止关闭了。测试方法其实是一个借用微信的形式，加好友后，直接发语音就可以聊天。而这个用PaddleSpeech技术的微信机器人，回复你的也是语音，而且是模仿你的声音。
想想看，微信里的对方用和你一模一样的声音和你聊天。是不是有点你和你自己聊天的感觉？而且对方还是另外一个“灵魂”。刚看到这个，机智客觉得挺有趣，于是问了群里，是否可以截屏公开（当然不公开微信信息）。得到肯定后，于是截屏将语音对话过程分享开。
我先打招呼（这里用文字表示），你好，你是男生还是女生呢？然后我听到我的声音回答我：哈哈，我是美女，我是女生，你是男生还是女生呢？于是三十年找不到女朋友的我听着我自己粗犷的声音陷入了沉思。然后我又问你是女生怎么用我男生的声音？于是……这货的回答，简直惨绝人寰，让我唯恐不及。妥妥的妈见打系列。
这个后端是百度飞桨PaddleSpeech的微信机器人，显然比前几年的技术比如Real-Time-Voice-Cloning这样的项目更进一步。它可以说几乎不用你精心准备的5秒以上音频素材，你完全可以像正常聊天一样，问它你好吗今天吃饭了吗，非常简短自然的自然语言。而这个音色克隆机器人，用你的声音回答你问题的时候，也不像RTVC这些老技术一样，需要执行一段时间输出音频。快的时候，给人的感觉更像是，对方听了你的语音停顿了一下再回复你。所以延迟可以接受。
当然刚开始的时候，大概短时间多人申请，有点阻塞了。所以好友申请看似成功，不过并没有响应。当研发盯着后台，将最开始克隆好的信息传输出来后，这才正常可以随便聊。也由于是限时内测，听PaddleSpeech的研发说，这个语音机器人是在他们PM自己的机器上，所以太晚了就下班关机了，运行了几个小时到晚上10点语音机器人就关闭了。
这几年，伴随着AI的不断成熟，语音技术、图像技术的发展还是很快的。感觉，如果以后随着元宇宙到来，数字人进一步成熟普及，你在元宇宙的分身是你的数字人，你在物理世界的分身是你的AI机器人。他们都克隆了你的外貌（当然根据需要你可以调节）特征，克隆了你的声音和性格。你就有了另一个人，千千万万的你。
网友评论