只要5秒就能“克隆”本人语音！美玉学姐不再查寝，而是吃起了桃桃丨开源

博雯 萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI

现在，AI已经能克隆任意人的声音了！

比如，前一秒的美玉学姐还在宿舍查寝：

后一秒就打算吃个桃桃：

简直就是鬼畜区的福利啊！

（像我们后面就试着白学了一下华强买瓜）

此外，还有正经的方言版，比如台湾腔就完全冇问题：

这就是GitHub博主Vega最新的语音克隆项目MockingBird，能够在5秒之内克隆任意中文语音，并用这一音色合成新的说话内容。

这一模型短短2个月就狂揽7.6k星，更是一度登上GitHub趋势榜第一：

社区里更是涌入了无数人求预训练模型和保姆级教程。

于是，我们也借此机会试了试这个“柯南模拟器”，并与开发者本人进行了一次深♂入交谈。

5秒合成一段语音，效果如何？

我们先选用一位路人小姐姐的声音，试着让他像华强一样，来一句“这瓜保熟吗”，效果如何？

嗯，果然小姐姐的语气没有华强的凶猛，不过也准确还原了本人的音色：

这不禁让我们有了一些大胆的想法。

试试只用一声喊叫的语音（甚至小于5s），让AI直接输出一段“我从未见过如此……之人”：

从视频中来听，虽然有一些破碎，不过整体效果还是可以的。

至于诸葛村夫本人，我们反向操作，让他吃起了桃桃：

有生之年，竟然能听见诸葛村夫撒娇……

输出效果现在看来不错，那么输出语音质量究竟如何呢？

我们决定用开头台湾腔生成的语音作为样本，再次合成语音试试。

模型再次顺利地合成了“我要买一百个瓜”