元峰AI笔记 · AI数字人

10秒克隆声音,AI帮甘肃人说流利粤语

大家好,我是元峰。

10秒克隆声音,AI帮甘肃人说流利粤语

大家好,我是元峰。

这些天我一直在广东出差,说实话,刚到深圳的时候可把我愁坏了。站在街上,听着周围此起彼伏的粤语对话,我整个人都懵了——完全听不懂啊!特别是去茶餐厅点餐的时候,服务员叽里呱啦说一堆,我就只能傻笑着指指点点...作为一个地道的甘肃人,真的是太痛苦了。

那会儿我就在想,要是我也能听懂粤语该多好,要是能跟周围的人用粤语聊天,该有多爽!

结果你们猜怎么着?就在我为这个语言障碍发愁得不行的时候,我发现了海螺AI,目前最强AI声音克隆,没有之一。太夸张了!它就能完美克隆我们的音色,让我说一口流利的粤语,和广东靓仔们谈笑风生。

那感觉,简直不要太爽!

不信?且听我慢慢道来。

图片展示的是海外版海螺AI的“声音”模块界面。界面顶部有“Create your Voice Clone”(创建你的声音克隆)选项。下方列表展示了多种声音类型,如Calm Woman、Reserved Young Man等,每种声音类型旁有图标及相关描述,还设有“Select”(选择)等按钮。此外,界面左侧有“Text to Speech”(文本转语音)、“Voices”(声音)等选项。该图片与上文提到的使用海螺AI海外版声音克隆功能,进入“声音”模块找到“创建声音”选项的步骤相呼应。

最近,**海螺 AI 的海外版推出了一个重磅功能:声音克隆模块。**这项技术就像是送给我们"外地人"的一份语言大礼。它最令人惊叹的地方在于:只需要10到60秒的语音样本,就能完美复制任何人的声音。无论是普通话、粤语还是英语,总共支持12种语言,想说什么就说什么。

图片展示的是海螺AI海外版声音克隆模块中的语言选择界面。界面上有一个下拉菜单,当前选中的语言为“Cantonese”(粤语),下拉菜单中还显示有“Japanese”(日语)、“Korean”(韩语)、“Spanish”(西班牙语)等语言选项。结合上下文,这是在介绍海螺AI声音克隆功能支持包括粤语在内的多种语言,此图直观呈现了其中的语言选择功能,帮助用户了解该功能可选择的语言范围。

更让人惊喜的是,这个系统非常聪明,不是那种冷冰冰的机器音,而是能选择感情来说话。开心,伤心,生气等多种情绪,就像真人一样自然。

图片展示的是海外版海螺AI声音克隆模块中的情绪选择界面。界面中有一个下拉菜单,默认选项为“Auto”,展开后可见“Happy”“Sad”“Angry”等情绪选项,下方还有一个进度条。该界面与上文提到的系统能选择感情说话相呼应,体现了海螺AI声音克隆功能的智能性,用户可通过此界面为克隆声音选择开心、伤心、生气等多种情绪,使克隆出的声音像真人一样自然。

那么,怎么把自己变成一个会说粤语的"广东仔"呢?步骤其实特别简单。

首先打开海外版海螺AI( https://www.hailuo.ai/audio),进入"声音"模块,找到"创建声音"的选项。

然后上传一段自己说话的录音,短短10秒就够了。系统会立刻开始分析你的声音特征,几分钟后,属于你的专属声音模型就做好了。而且,目前这个功能还是免费的,任何人都可以在海螺AI官网尝试。这不仅仅是一个有趣的技术玩具,更是打破语言障碍的一把利器。

图片展示的是海螺AI声音克隆功能的操作界面。界面中第一步是为声音命名,当前名称为“元辞”;第二步是导入声音,可添加或拖拽文件,也能录制音频,下方显示已上传一个时长27秒、大小0.45MB的音频样本,还有去除背景噪音的选项;第三步是语言选择,当前选定为“Chinese (Mandarin)” 。该图片与文档中“上传一段自己说话的录音……做好专属声音模型”的内容相关,展示了声音克隆操作过程中的具体步骤界面。

接着就是见证奇迹的时刻:选择粤语(Contonese)语言,输入想说的话,你的声音就能自动转换成一口流利的粤语。系统还贴心地提供了多种情感选择,让你说出来的话听起来更有感染力。

图片展示的是海螺AI语音合成界面。左侧文本框内输入了想说的话,右侧设置区域中,“Language”处选择了粤语(Contonese),“Emotion”处可进行情感选择,当前显示“选择情感”,下方有多种情感选项如“angry”等。该界面与上文提到的使用海螺AI将自己声音转换成流利粤语相呼应,通过此界面可选择粤语语言并设置情感,实现语音合成。

我录制了一段自己说普通话的视频,通过海螺AI的声音克隆技术,突然间,屏幕里的我就开始用纯正的粤语说:"来了广东,就是靓仔。来了深圳,就是深圳人,除了搞钱还是搞钱。"

但最让我兴奋的是,当我把这个技术和数字人结合起来使用时,效果简直惊艳。

接下来,让我手把手告诉你,整个操作过程。

第一步,用海螺AI生成你想要的粤语音频。(前面已经准备好了)

第二步,打开必火AI这个数字人平台(https://www.bihuoai.com/),这是我们制作数字分身的关键工具,轻松几步就能克隆出你的数字分身。

图片展示的是必火AI数字人平台的界面,背景为红色,有女性脸部特写。界面中间黄色文字写着“用必火,一定火”,下方白色文字为“AI数字人一站式创作平台”,再下方小字是“用AI助力更多人做好短视频营销”,还有一个“立即体验”的按钮。在文档上下文中,此图片对应制作数字分身操作步骤中的第二步,即打开必火AI这个数字人平台,它是制作数字分身的关键工具。

第三步,上传一个我们提前录制好的口播形象,进行数字人克隆。

图片展示了某AI平台的操作界面,画面中有“数字分身”和“声音克隆”两个选项区域。“数字分身”区域有多个不同形象的示例图片,“声音克隆”区域则显示名为“元峰”的克隆声音示例。图片对应文档中“第三步,上传一个我们提前录制好的口播形象,进行数字人克隆”的内容,是对该步骤中数字人克隆操作界面的展示,直观呈现了可用于克隆的相关选项和示例。

第四步,在数字分身的设置中选择【音频驱动】功能,把刚才从海螺AI生成的粤语音频上传上去。

图片展示的是数字分身设置中的音频驱动功能界面。左侧是“我的数字分身”展示区,有多个人物形象。右侧上方有“文本配音”和“视频配音”选项;中间红框内提示上传从海螺AI生成的粤语音频,且有音频进度条;下方有示例音频及驱动模式选项。该图片与文档上下文对应第四步操作,即把从海螺AI生成的粤语音频上传到数字分身设置的音频驱动功能中。

最后,我把视频导入剪映做了简单的剪辑,一条会说粤语的数字人视频就大功告成。

图片展示的是剪映软件界面,左侧有素材库等板块,中间时间轴上排列着多段视频和音频轨道,右侧是视频预览窗口,显示一位穿着印有“AI让我讲粤语”字样衣服的男士。这与文档中“把视频导入剪映做了简单的剪辑,一条会说粤语的数字人视频就大功告成”的内容相呼应,呈现了使用剪映剪辑生成粤语数字人视频的操作场景。

看着屏幕里操着一口流利粤语的自己,我都惊呆了。一个从来没学过粤语的甘肃人,居然能这么自然地说粤语,这种感觉,真的太神奇了。

看到这里,你是不是也想试试?不妨现在就行动起来,也许下一个用流利粤语演讲的,就是你呢!

广东靓仔们,我来了!