30秒就能完美复刻你的声音，这就是当今最强的中文AI语音克隆。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
30秒就能完美复刻你的声音，这就是当今最强的中文AI语音克隆。
原创 数字生命卡兹克 数字生命卡兹克 2024-12-09 09:01 北京
中文，在AI世界，好像突然一夜崛起了。
一直以来，AI绘图和AI声音，都有类似的痛点：
无法直出中文海报，以及克隆的中文声音几乎没法听。
而前者，随着上周的即梦v2.1，得到了很好的解决。后者，过往有N多产品试图去解决，但是解决的都很差。
闭源的有11labs，英文强到爆炸，中文几乎没法听总是一股子大佐味。开源的，有F5、GPT-sovits、ChatTTS等等，但是不仅本地部署使用困难，出来的情绪说实话，也不咋地。
而这个周末，中文的语音克隆痛点，我发现，被解决了。
幸福来的如此突然。
我直接给大家听一段我用克隆的AI唐国强老师，念满江红的语音。
震撼的我头皮发麻。
玩了将近2年的AI声音了，我也是第一次见，能用中文念诗，念的如此情绪饱满的AI声音。
而这，仅仅只需要，30秒的音频素材就可以。
给我30秒，我就可以，偷走你的声音。
这个AI语音，来自MiniMax的海螺AI。
嗯，就是那个把人物情绪表演拉满，在海外AI视频圈大杀特杀的海螺AI。
周末我打开海螺AI，准备跑几个case视频的时候，意外的发现，他们悄悄的居然在海外版上线了Audio模块。
今年1月我就写过一篇海螺AI声音克隆的文章，但是那时候，只能在AI助手上，克隆你自己。
而现在，可以克隆任何人了。
在火速体验完以后，我终于可以说：
这就是当今最强的，AI中文语音克隆，没有之一。
一周时间，AI绘图和AI声音，中文世界两开花。
这两年，你知道我们是怎么过来的吗。
突然有点泪目，兄弟们，过年了，真的。
海螺AI Audio网址在此：https://www.hailuo.ai/audio
最顶上左边的就是Audio，刚刚新上的声音功能，最右边那个就是之前爆火的Video。
最爽的是，目前免费，不要钱。
海螺AI的Audio用起来也非常的简单，最左边的侧边栏，分为两个tab。
第一个是Text to Speech（TTS），也就是你克隆完的声音模型可以在这个地方进行文字生成音频了。
第二个就是Voices，可以在里面进行声音的克隆。
我做个case，给大家详细演示一下。
我们先进入到Voices页面。
直接点那个“创建您的声音克隆”按钮，目前每个人可以免费创建3个声音。
你可以上传语音，也可以直接录音。
上传的语音最少上传10s的音频片段就可以克隆了，不过这个样本其实不是特别够，所以我一般推荐音频素材最好在30s左右，当然你也可以更长，不过一般不需要超过5分钟。
这里我直接去B站，扒了一段唐国强老师在《三国演义》里面的朗诵片段。
扒出来的声音素材是这样的，你们可以听一下。
情绪起伏很大，抑扬顿挫拉满，非常完美的原始素材。
直接上传到海螺AI里面去。
有个降噪选项，可选可不选，如果你的素材比较纯净干净，可以不用。开的话可以帮你把一些背景音什么的都剔除掉。
最后需要选一下原始素材的语言，海螺AI支持12种语言，分别是：
**中文、**粤语、英语、韩语、日语、印尼语、西语、葡语、法语、意大利语、俄语、德语。
你的原始素材的语言是什么样的，就选什么语言，克隆出来的声音模型就会得到最好的效果，比如我上传的这个唐国强老师的素材是中文的，就选中文就行。
很快，大概只要几十秒的时间，唐国强老师的声音，就克隆好了。
回到TTS界面。
点击此位置，就可以切换到刚刚克隆完的唐国强老师的声音模型。
我们直接，让唐国强老师，来念一首李白的《将进酒》吧。
这首诗我太喜欢了，《长安三万里》李白那一段上天入地，驾鹤登仙的演绎，更是将这首诗在我心中的地位，推向了最巅峰。
我们直接把《将进酒》的最后一段扔进去。
“主人何为言少钱，径须沽取对君酌。五花马，千金裘，呼儿将出换美酒，与尔同销万古愁。”
海螺有个非常牛逼的点是，可以支持切换情绪。
目前有六种情绪：开心、生气、悲伤、惊讶、恐惧、厌恶。
《将进酒》的最后一段，在我的认知里，虽然一种愤慨，有一种激昂，但是底层情绪，确是悲凉的。
我只要一瞬，却也要让这世间，看到我这一瞬的光辉。
所以，在海螺AI的情感选择上，我选了悲伤。
点击生成，几秒钟的时间，一段语音，就出现在了你的面前。
为了更加形象的展示，我把这段音频做了个照片驱动对口型，视频看起来更直观一些。
又比如，我们可以再克隆一个林黛玉的声音。
让她来催一催鲜虾包。
这声音，直接人麻了。
林黛玉的声音和情绪，都被还原到了极致。
而这句话，如果让11labs克隆林黛玉的声音来念呢，我给你们听一下，有多么的鬼畜。
这就是我在文章开头，说的一股子大佐味。
不是说11labs不好，11labs一直以来是世界上公认的最强的AI声音产品，但是在中文表现上，真的是没法用的状态。
而这一次，海螺AI挺身而出，终于，补足了中文领域几乎是空白的短板，把中文的声音克隆的音色相似度和情绪，推上了巅峰。
成功率也极高，我想说的是，我上面所有的case，全部是一遍直出，没有抽过一次卡，这点，真的难能可贵。
再给大家看一个影视飓风TIM的例子。
影视飓风是我最喜欢以及最崇拜的频道，没有之一。相信看过影视飓风的观众也都无数次听过TIM那句：
“Hello大家好，我是TIM，欢迎收看影视飓风。”
而这一次，我们让AI来说这句话，让大家听听，海螺AI的复刻有多么的强。
注意，为了避免拟合，所以我在上传到海螺AI的30秒TIM的素材里，是没有这句开场白的，都是他在聊一些别的东西。
AI直出如下，让李四维化身TIM：
跟我记忆中已经听过无数次的TIM的开场白，没有任何区别。
这就是现在海螺AI，能达到的程度。
这就是现在，最强的AI中文声音克隆，没有之一。
作为一个见证了这两年AI发展的亲历者，这一周的感受格外强烈。
从即梦让中文海报一夜之间”通关”，到海螺AI让中文语音克隆达到了前所未有的高度，我仿佛看到了中文AI能力的爆发时刻。
想想两年前，我们还在为中文大模型和国际巨头的差距而焦虑。
那时的AI世界，几乎是英语的独角戏。
中文的存在感，就像是一个可有可无的配角。
但现在，这个局面正在被改写。
当我们能用AI轻松制作出中文海报，当唐国强老师的声音能被完美克隆，当林黛玉的语气都能被精准还原。
也许，这就是属于中文世界的AI时代的序章。
而这一切，才刚刚开始。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言