什么？我居然将雷军的声音作为天坦读屏的主语音库了。
6 阿飞哥 1小时前 205次点击
今天经过开发同学的不懈努力，终于我们嗯复活了飞言 TTS 的声音克隆。该声音克隆模型就是这几天我们在忙着接入的 Minimax 语音模型。它的效果大家在我的上一篇帖子也有目共睹了，非常的强悍。也就是在拟人度和口水词。的朗读上，听起来真的就跟活人没什么区别。之所以要从豆包换成 Minimax 就是这个原因。除了拟人度，豆包声音克隆比不过之外，要驱使使我们去换成 Minimax 的就是价格了。Minimax 复刻一个音色为9块钱，豆包的要150元。这钱，说实话，真心付不起。无论是我还是大家都不愿意承担这个成本。所以我们才换成了 Minimax ，9块9一个音色，希望大家应该能接受这个价格。九块九真的很便宜了！九块九你上哪去找这么好听且具有拟人感的音色？哪怕你本地部署一个模型，本地部署的模型你也不能拿它来听小说，你也不能拿它来当语音库用。咳咳。跑题了，回到正题。之所以合成速度会这么慢，这是因为我们的测试服在香港，网络链路异常，效果 就没那么理想。不过大家请放心，正式版会有网络延迟，但没有这次演示这么的严重。我们的正式服在中国境内。到时候正式版出来，无论是从合成的质量还是速度都会比今天的演示会快上不少。当然肯定是会有延迟的，毕竟没办法嘛。在线 TTS ，哪怕我们优化再好，网络一波动，我们也没办法啊，我们总不可能将一整个 Minimax 模型部署到大家的手机上吧？那这不现实。
太好了，这样之后我就能做自己喜欢听的声音了。嗯，虽然延迟挺大的，不过偶尔听听或者弄成库语音库也不错。
郑文不是说了吗？正式版会尽量降低延迟。之所以这个演示听起来延迟这么大，那是因为我们的测试服在香港。
这个延迟太大了
厉害
一点都不厉害，TTS 注册是 AI 帮我们完成的。只要将系统级 TTS 这个链路打通，就可以通过这个接口调用第三方模型来作为系统级语音库了呀。
哈哈哈哈延迟降低后，我就可以直接当语音库使用了
到时候还希望你能够付费支持一下，毕竟弄这玩意还挺烧钱的。虽然比豆包的声音复刻便宜不少，但每个音色也需要 消耗9块钱的人民币才能创建啊。
那你就说够不够还原吧。关键是遇到嗯等口水词，都表现得比较真实，不再是像我们现在用的内置讯飞语音库那样子，遇到嗯啊等口水词。词念出来就比较机械。正常操作手机还好，要是看一篇新闻，看一篇 文章，那真的就是没有什么代入感。相关的情绪也只能够自行脑补了。
那这样的话，我们要上传哪样多长的音频呀？
30秒以内的，不用太长，30秒的音频就已经能足够让模型知道这个人的说话习惯、口癖和声学特征了。总不可能上传一个 G 的吧？就算人家模型能支持，我这服务器也顶不住啊。
绝对可以为爱买单。
这个郑文不是说了吗？这个版本只是我们内部测试的一个版本，还不能上线呐。要不然延迟怎么可能会这么大？就是因为我们内部的服务器是一台垃圾的香港服务器，网络带宽比较小。要不然以我们正式服的距离和带宽，不可能会这么卡合成的语音。
怎么的也得买八个十个的。
要是延迟低，付费不是问题。
哈哈，你们恢复的可是真全面，把他口音都弄出来了。
先纠正一下，这个效果是 Minimax 的效果，我们只是将它作为了语音库进行调用。之所以正文要说到让你们收费支持，这些费用大部分都是给这些模型厂商的调用费用。要不然以我们的水平，我们可做不出来这么厉害的语音模型。
因为这个音频的样本，原素材就是雷军的年度演讲录像呢。
我去刚听的时候，我真以为是本人在说话。
怎么可能是本人在说话？我哪有这个面子让雷军配合我演这么一出戏？如果我真有的话，我还在这社区发帖干什么？早就入职小米了。
拿来当第二语音库是不是有点太小瞧 Minimax 了？
行，等明天我把正式版赶出来了，再让他读一遍，Are You OK？
本楼来自：
我的世界肝帝玩家的资源库
有本地的，但是我们读屏和手机要调用就很麻烦。
？
我知道啊，雷军这个音色我肯定不会拿去商用啊。之所以用雷军的声音拿来演示，那是因为雷军的普通话比较特别，录出来的效果会 很好。
牛