为AI克隆专属音色

最近做了件有意思的事情。

目前ChatGPT已经支持语音通话聊天，但音色选择有限，仅有固定几种选择，略显单调。

现在各种AI工具层出不穷，突然在想有没有能提供多种音色，甚至可以自定义音色的工具，于是去找了一下，还真有，其中一个是抖音旗下的豆包。

它提供各种年龄阶段角色的音色，并具有相应的语调和节奏，还支持自定义克隆声音，但需要读一些特定的句子，就能克隆出90%以上相似度的声音。

但需要读固定句子的要求还不能满足自由自定义音色的需求，毕竟并非每种声音都能找到这些句子的声源。于是又花了点时间去找解决方案，还真发现了一些开源项目和工具，可以根据一小段音频进行训练，然后克隆并读出指定句子的声音。最终再利用这些句子声源就能克隆出专属音色的豆包AI。

尝试用这些工具克隆了一些喜欢的声优的声音，然后进行语音聊天对话，最终效果虽然不算完美，但还算不错。

这让AI离成为每个人的专属“贾维斯”又更近了一步，但也要警惕被别有用心的人利用。