阿嗆的聲音試聽
全部用可以商用的開源模型,在我們自己的電腦上做出來,每句不花錢。你選了 C,接下來用它做成手機上就能跑的版本。
請你挑:哪一段最像 1(你選的 C)?
要練出好聽的手機版,先要有像 1 那麼好的訓練錄音。下面六段用不同做法唸同樣兩句新句子:「早安,昨天花得很節制,給你拍拍手。」「燒肉三千八百五十元欸,請誰吃啊?」
① 照 C 的描述重新設計(第一次)
② 照 C 的描述重新設計(第二次)
跟 ① 比:是同一個人嗎?
③ 只拿 C 的第一段來複製
④ 只拿 C 的第二段來複製
⑤ 兩段接起來複製(這次訓練用的做法)
⑥ 只抓第二段的「聲紋」來複製
為什麼手機版有電子音
同一句「欸,今天吃很健康哦,是在修行喔?」,四種來源各唸一次:
1. 你選的 C(大模型設計)
2. 大模型照 C 的聲音唸(訓練用的錄音)
聲音自然,但要顯示卡;在這台電腦上一句要等 6–11 秒,手機跑不動。
3. 我們練的手機小模型
4. 官方原版的手機小模型(沒練過)
原版是用真人錄音練的。你聽起來 4 比 3 好、1 比 2 好:問題出在我們先「複製」C 的聲音做訓練錄音(2),複製這一步就掉了品質,小模型再照著學。(我原本看頻譜數字以為是小模型的上限,判斷錯了。)
手機版的聲音(訓練完成)
練完了(第 20,000 步)最新
這是轉成手機格式之後唸的,跟以後在你手機上聽到的一樣:先把繁體轉簡體、數字轉成唸法,再查發音表唸出來。每句都不花錢。
- 蘋果三顆,不錯嘛,總算買了點健康的。洋芋片我就當沒看到。
- 欸,今天吃很健康哦,是在修行喔?
- 這個月奶茶第五杯了,你知道嗎?哭啊。
- 你的 AI 額度快用完了,要不要先休息一下?(新句子)
- 燒肉 3850 元欸,請誰吃啊?記得點開看明細。(新句子,有數字)
- 已確認還原完成,請勿重複記帳,銀行處理中。(新句子,考破音字)
速度:在這台電腦上,一句 5 秒的話用 4 個核心約 1 秒算完。手機比較慢,估計一般手機要 1–3 秒,還沒在真手機上量過。
對照:訓練到 1/4 的時候
請你幫忙聽:這兩段是同一個人嗎?
手機版是照這兩段學聲音的。它們是分開產生的,音高差不少;如果聽起來像兩個人,我會只留一段重新練。
三種候選聲音
C 甜但很嗆你選的
像愛鬧人的妹妹,語調起伏大,講話俏皮又直接。
A 清亮
有活力、愛吐槽但很親切,語速稍快,句尾帶笑。
B 沙啞
酷酷的損友,懶洋洋地吐槽,嘴上不屑其實關心你。
每段都唸這三句:
- 蘋果三顆,不錯嘛,總算買了點健康的。洋芋片我就當沒看到。
- 欸,今天吃很健康哦,是在修行喔?
- 這個月奶茶第五杯了,你知道嗎?哭啊。
做到哪裡
- 設計三種聲音,你選了 C
- 用 C 的聲音產生 893 段、約 56 分鐘她說話的錄音
- 訓練手機能跑的小模型(2 萬步,約 3.5 小時)
- 轉成手機格式(170 MB),在電腦上量速度、放上試聽
- 等你聽過覺得可以,再串進 App、在真手機上量速度
做好會更新在這一頁,同一個網址。