利用 AI 大模型完成个性化视频配音

利用AI大模型实现个性化视频配音

​​

　　最近，我萌生了拍摄短视频的念头，希望通过这个平台与大家分享一些AI技术的实际应用。

　　然而，在准备过程中，我遇到了一个难题——配音。

　　家里的环境嘈杂，收音设备也不够专业，这让在录制配音时感到非常难受。

　　一开始，我考虑使用机器配音来解决这个问题。然而，当我试听了一些机器音色后，发现它们的机器感太重，完全不像人类的声音。

　　这种效果无法满足我对配音的幻想，让我感到非常失望。我甚至一度想要放弃这个想法。

　　然而，就在我准备放弃的时候，

　　突然想到，既然AI大模型支持语音识别，那肯定也有语音合成的模型吧。

　　于是，我开始在网上搜索相关的信息，最终在阿里云百炼平台上找到了

　　通义千问-语音合成CosyVoice大模型。

​​

　　经过试听，发现多个音色都符合我的要求，完全可以作为视频的配音。

　　这让我非常兴奋，终于找到了解决配音问题的方法。

　　经过多次试听，最终选择了“龙小淳”作为视频的音色，因为它听起来既自然又亲切，非常适合我的短视频风格。

​​

　　在选择好音色后，我准备根据文本生成配音。最开始，我想到用百炼平台提供的“自定义文本试听”功能来生成音频文件。然而，我发现这个功能有一个很大的限制——它限制了生成的字数，无法满足中长视频的要求。

　　这让我非常沮丧，开始寻找其他方法。

　　就在我陷入困境的时候，突然想到可以用API来生成音频

　　这样就不会有字数限制了。说干就干，我打开VSCode，开始写一段Python代码来生成音频。

　　在编写代码的过程中，遇到了一些问题，通过查阅相关文档和搜索网上的解决方案，成功地解决了这些问题。

　　最终，我完成了视频的配音，效果非常满意。

　　通过这次经历，深刻体会到了AI技术的强大和便捷。不仅解决了配音问题，还让我学到了很多新的知识和技能。

　　我相信，在未来的日子里，我会继续探索和应用AI技术，为大家带来更多有趣和有价值的内容。

　　‍

　　附代码和本文章的音频

# coding=utf-8

import dashscope
from dashscope.audio.tts_v2 import *

# 将your-dashscope-api-key替换成您自己的API-KEY
dashscope.api_key = "your-dashscope-api-key"
# 语音模型
model = "cosyvoice-v1"
# 音色
voice = "longxiaochun"

# 初始化
synthesizer = SpeechSynthesizer(model=model, voice=voice)
# 读取需要合成语音的文本文件
with open("1.txt", 'r', encoding='utf-8') as f:
    text_content = f.read()
# 开始合成语音
audio = synthesizer.call(text_content)
# 打印请求ID
print('requestId: ', synthesizer.get_last_request_id())
# 保存合成的语音到 合成结果.mp3 文件
with open('合成结果.mp3', 'wb') as f:
    f.write(audio)