我是阿木易，一个啥都会点的设计师🎨，正在研究AI编程，想自己造点不一样的东西。
我是阿木易，一个啥都会点的设计师🎨，正在研究AI编程，想自己造点不一样的东西。👀
字数 759，阅读大约需 4 分钟
我先说结论：这玩意儿， 我一开始还真没当回事 。
前几天在社交平台刷到一个"AI克隆音频"的视频，标题起的还挺唬人。
我当时心想：哎呀，这类配音工具不是一大堆嘛。
感觉现在的AI配音工具要么机械，要么一听就很假
甚至还有点审美疲劳了：感觉这赛道该卷的都卷过了，再出也没啥新花样。
---但我还是点了进去。
就是那种——明知道可能失望，但手又不听使唤的感觉。
结果点开官方的Demo，看了30秒不到，我当场闭嘴了。
咱们可以看一下：
我看完的第一反应就是—— 真挺牛的。
它不是在"朗读"，而是"替换"！
原视频一模一样的画面，音频却被换掉了，听起来却毫无违和。
重点是： 情绪、音色、语气，甚至节奏，全都保留住了。
那种"说话时的愤怒"、"口音里的气口"，还有那些脏话居然也复刻了。
我甚至听到它保留了原声里一点点小"磕巴"，那一刻我鸡皮疙瘩都起来了。
那这到底是啥东西？
我后来去查了查，发现是 一个叫 Index-TTS 2 的工具。
而且是咱国内B站团队开源的一个AI语音模型。
说实话，这功能，真有点逆天。
咱看看都有哪些功能：
功能1：灵魂复刻
官方叫"零样本情感克隆"。
意思是，你只要给它几秒带情绪的音频，它就能学会"用这种感觉"说话。
不需要录音棚，不需要训练，几乎一键就能上手。
功能2：原声翻译
也就是Demo里那个神奇效果。
能把中文视频直接变成英文、日文、西语……
重点是——还保留你自己的声音和语气。
这对做内容的人来说，简直是梦寐以求。
功能3：音画同步
做过剪辑的都懂，这点太贴心了。
它可以控制AI语音的说话时长，比如"这句必须在5.2秒内说完"，
这样剪视频的时候，嘴型、动作都完美对齐。
不过说实话，我还没自己试过。
Demo看起来确实惊艳，但实际体验效果怎么样，还得打个问号。
比如音频素材是不是得特别干净？普通人随便录一段能不能复刻？
这些都要等试完以后才知道。
不过好消息是——它 开源了！
这意味着，任何人都能下载下来试。
尤其是搞技术、玩AI的朋友，可以直接上手折腾。
我自己也打算去试试。
如果真能做到Demo那种效果，我一定回来出个上手测评。
https://github.com/index-tts/index-tts
往期精选：
没有评论:
发表评论