实测最新语音模型：让特朗普丁真说绕口令堪称以假乱真，但断句整得稀碎

机器之能报道

编辑：杨文

这款新AI语音模型FishSpeech，模仿音色一绝。

近来，AI语音赛道突然热闹起来。

一个多月前，一个号称「开源语音TTS天花板级别」的ChatTTS爆火。

火到什么程度呢？

仅三天时间就在GitHub狂揽9.2kStar量，还一度登顶GitHubTrending榜首并连续霸榜。

没多久，字节也推出一款类似项目Seed-TTS，喊出的口号同样是「生成自然真实的语音」。

这几天，这一赛道又闯进新玩家——FishSpeech。

据悉，该模型经过15万小时的数据训练，已熟练掌握中英日三种语言，语音处理接近人类水平，对中文支持更是——

官方也甩出不少demo——

中文句子：人间灯火倒映湖中，她的渴望让静水泛起涟漪。若代价只是孤独，那就让这份愿望肆意流淌。流入她所注视的世间，也流入她如湖水般澄澈的目光。

英文句子：Intherealmofadvancedtechnology,theevolutionofartificialintelligencestandsasamonumentalachievement.Thisdynamicfield,constantlypushingtheboundariesofwhatmachinescando,hasseenrapidgrowthandinnovation.Fromdecipheringcomplexdatapatternstodrivingcarsautonomously,AI'sapplicationsarevastanddiverse.

不少网友直呼：虽然有点电音，不过效果已经很不错了，语调也不会让人感到不适。

不过，也有网友提醒，这个项目虽开源但不可商用。

-1-

解说纪录片、说绕口令，它到底行不行？

FishSpeech是一款开源文本转语音模型，由FishAudio公司开发。据介绍，该模型仅有亿级参数，能够在个人设备上轻松运行和微调。

官网链接：https://fish.audio/zh-CN/text-to-speech/

其官网界面设计简洁，在「发现」一栏列表里有网友训练的各种声音，例如丁真、川普、雷军、邓紫棋、董宇辉、单田芳等，还有AD学姐、流萤等二次元声音。

接下来，我们就来实际测评下。

首先是另类解说《动物世界》。

前不久，有个00后博主@维C动物园，以发疯的方式另类解说《动物世界》而出圈。

例如，在《鸮张跋扈》这一集中，博主以一分正经、两分清奇、三分幽默、四分莫名其妙的解说方式，介绍了一种叫做穴小鸮的动物。

我们就用Fishspeech中的「纪录片旁白」这个声音，给这个有大病的文案生成一段配音。

绿螳螂其实非常可爱，可爱死了，嘎嘣脆，鸡肉味，但这一切都与美洲鹑无关，因为它也自身难保，黄腹隼表示真香。黄腹隼遍布于南美洲各地，它们的视力极好，能看到10厘米以外的事物，所以我们今天的主角，不是它。

穴小鸮（xiao），江湖人称鸮鲜肉，跟我表哥一样，身高不足30厘米，十分可爱。正所谓「虎落平阳被犬欺，鸮在野外不如鸡」，穴小鸮常因捕食能力太差，实测最新语音模型：让特朗普丁真说绕口令堪称以假乱真，但断句整得稀碎而被邻居嘲笑。但咱不气馁，既然找不到食物，就去找食物的食物。

我们又选用丁真、邓紫棋的声音来说绕口令。

让特朗普说英文绕口令。

Ifyouunderstand,say"understand".Ifyoudon'tunderstand,say"don'tunderstand".Butifyouunderstandandsay"don'tunderstand",howdoIunderstandthatyouunderstand.Understand?

还有单田芳说段子。

Fishspeech的模仿能力一绝，它可以模仿特定人物的音色、语调到以假乱真的程度，比如说单田芳、邓紫棋、特朗普。

不过，它也有一些瑕疵，例如有时候它不识字，「穴小鸮」胡读一通；不懂断句，会把完整的句子读得稀碎。此外，输入的文本一旦太长，它就罢工。

-2-

三款TTS模型大乱斗

除了使用现成的语音外，我们还可以自己构建语音。

操作也很easy。只需点击网页上方的「构建声音」，即可跳转至新界面。然后上传封面、填写声音名称、输入音频即可。

其中，在输入音频这个环节，我们既可以上传现成的，也可以自己录制，不过它对时长有限制，最好在30秒左右。

例如，我们上传了一段徐志胜说脱口秀的音频。

来看一下效果：

李长庚最近有点烦。

他此刻骑在一只老鹤身上，在云雾里穿梭，想入了神。眼看快飞到启明殿，老鹤许是糊涂了，非但不减速，反而直直地撞了过去。李长庚回过神来，连连挥动拂尘，它才急急一拍双翅，歪歪斜斜地落在殿旁台阶上。

音色和徐志胜不能说毫不相干，只能说一模一样，连口音都很像。

我们还让它与「开源语音TTS天花板级别」的ChatTTS、Seed-TTS进行PK。

中文文本:好呀，哈哈哈哈哈，喜欢笑的人运气都不会差哦，希望你每天笑口常开。

FishSpeech:

ChatTTS:

由于字节的Seed-TTS还无法亲自体验，所以我们就用了它的官方示例。

这三款TTS模型各有千秋，如果非要给它们的实力排个序，Seed-TTS的断句、语音语调最自然，其次就是ChatTTS，FishSpeech虽然还有所欠缺，但它赢在可自定义音色上。

链接——

https://fish.audio/zh-CN/text-to-speech/

https://github.com/fishaudio/fish-speech

https://chattts.com/

https://bytedancespeech.github.io/seedtts_tech_report/

https://github.com/BytedanceSpeech/seed-tts-eval

以后我们会通过新专栏带来更多AIGC案例演示，也欢迎大家进群交流。

©THEEND

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com