大家好，这里是和你们一起探索 AI 的花生~
之前推荐过 AI 无痕翻译视频的相关实质，它的实现条件包括文本实质的准确翻译、人物语音克隆及嘴型匹配。今天我们就来看一款动机非常不错的 AI 语音克隆东西 Speaking AI，它可以将文本转为如真人谈话一般自然的语音，还支撑用户收费克隆自己的声响。
上期回顾：
一、Speaking AI 介绍
网站中转： https://speaking.ai/
Speaking AI 是一个初创公司，创始人为 Harry Zheng，其团队成员也都是中国人。公司创立的初衷是坚信对话式生成语音代表着人类与人工智能之间的未来接口，他们希望让语音克隆听起来更加自然，为人与人工智能之间的互动方式带来根本性改变。
Speaking AI 暂时有两项主要性能：文本转语音和语音克隆，其中语音克隆性能尤其出色，能做到接近真人谈话的动机。 先来看一下其官网上的语音克隆案例：
视频中第一段播放的是 Taylor Swift 的原声，第二段播放的是克隆出来的语音，可以发现二者在音色上几乎没有差别，也就是说 Speaking AI 可以完美还原一个人原本的声响。更厉害的是，在克隆语音中我们能听到真人谈话时常见的“呃”“啊”这样的语气词和一些停顿，这些实质在文本中并没有体现，是 Speaking AI 在分解过程中自动加入的，这能让语音克隆的动机更真实自然。
Speaking AI 暂时支撑华文和英文的文本转语音，另有 5 款名人语音模板供用户选择。此性能暂时是收费的，使用人数较多时需要排队。下面是我用成龙的声响分解的华文实质，动机很不错，我自己听着都觉得好神奇。
Speaking AI 支撑用户克隆自己和他人的声响，你可以选择在线录制 10 秒的音频，或者上传本地音频文件，然后进行实时转换，操作起来非常方便。录制时谈话的情绪和语调会影响最终的分解动机，Speaking AI 的模型也会根据文本实质自主选择合适的情感基调。
注意：上传他人的声响时需要获得对方的同意，并且不能将分解的语音用于任何非法、欺诈和有害目的。
据创始人介绍，暂时 Speaking AI 还处于 V1 模型，算是一个试玩 Demo，性能比较有限，这种情况会在未来几周内得到改善。官方已经在研发 V2 模型，它将支撑更多分歧的语言，语音克隆速度会更快，质量也会更高。
二、发展迅速的 AI 语音技术
除了今天推荐的 Speaking AI，暂时市面还有很多成熟的 AI 语音生成应用和开源东西。
比如一直比较受关注的 Elevenlabs，几分钟就能克隆用户个人声响并分解新的语音，支撑将文本转换为华文等 28 种语言，并能以分歧的情绪演绎，暂时上线了视频自动翻译配音性能。Elevenlabs 在翻译、电影游戏/配音、有声书制作、聊天机器人对话上有广泛应用，它的文本转语音性能可以收费使用，进入官网后注册账号就能体验。
网站中转： https://elevenlabs.io/
国内的网易有道技术团队则在 11 月份开源了自研的语音分解（TTS）引擎「易魔声」，暂时支撑中英文双语，包含 2000 多种分歧的音色。易魔声也支撑情感分解性能，可以分解如快乐、兴奋、悲伤、愤怒等分歧感觉的语音。其 Github 主页中有官方提供的 Web 界面及批量生成结果的脚本接口，安装后就可以收费使用。
Github 主页： https://github.com/netease-youdao/EmotiVoice
我最近还在网上看到一个新的 AI 音乐分解东西 Musicfy AI，它可以将人声哼唱转化为分歧类型的乐器伴奏，非常有意思。这可能会改变传统的编曲工作流，人们可以轻松地用声响进行音乐创作，对音乐感兴趣的小伙伴可以尝试一下。
网页中转： https://musicfy.lol/
当视频在手机上无法加载，可前往PC查看。