AnyVoice - 3 秒语音即可克隆的任何声音,用你朋友的声音回复她的语音消息 - V2EX
2025-1-11 18:12:16 Author: v2ex.com(查看原文) 阅读量:14 收藏

老铁们好!最近搞了一个 AI 克隆声音产品,只需要 3 秒的原始语音,就可以克隆音色!在这里想跟大家分享一下。

事情是这样的: 我一个朋友老给我发语音,我想调戏一下她,想着能不能用她自己的声音回复她?正好现在 AI 技术成熟了,我就做了一个,哈哈哈,可好玩了。

来试试看吧

https://anyvoice.net/ai-voice-cloning

是什么让 AnyVoice 与众不同?

  • 只需 3 秒音频就可以复刻! 没错,就是这么简单。你在网页界面里录个"今天天气真好,我们晚上去吃火锅吧"的就够了,随便说点什么都行。网上其他方案动辄要求录音几十句话,谁有耐心啊...

  • 支持中日韩英四种语言:测试下来,中文效果特别自然,连我朋友听到这个声音时,自己都吓傻了,觉得是被电话诈骗了

实际使用场景分享

  1. 调戏朋友:用朋友的声音,回复她的语音消息。你只需要把她的语音录下来(一般来说一条语音信息是超过 3 秒的吧?),然后在网站里录音,就直接复刻好了。 小窍门:根据我的实战经验,你用两台手机操作比较方便。手机 A 播放朋友声音、手机 B 打开 https://anyvoice.net/ai-voice-cloning 录制和复刻声音;复刻好后,手机 B 播放声音,手机 A 长按微信发送语音,朋友立马吓傻。

  2. 短视频配音:做视频的朋友们应该懂,配音要么找人要么自己来,累。如果从剪映或者其他地方想找一些自己喜欢的声音,往往是收费的。我们主打全免费、任何声音你都可以得到!

  3. 语言学习:把外语课文用自己的声音念出来,感觉特别神奇,激发了不少学习兴趣。

  4. 假装自己会说外语:你用中文录音,复刻自己的声音,装 x 。然后输入英文、日文、韩文,你就可以得到用你的音色说的外文了。

使用体验

界面设计得很简洁,就三步:

  1. 上传/录制语音样本( 3-10 秒)
  2. 选择想要生成的文本,每次不超过 200 字符 (毕竟是免费服务,大家请理解,未来如果我做收费版,会加长)
  3. 等待生成(一般几秒钟就好)

体验地址

https://anyvoice.net/ai-voice-cloning

最后

目前处于公测阶段,完全免费,没有做任何收费功能!欢迎各位 V2EX 的朋友试用反馈。如果觉得好用请帮忙点个赞 ❤️

有什么建议或者遇到问题都可以在下面留言,我会一一回复。

ospider

2

ospider      2 天前   ❤️ 3

不建议提供中文版,更不建议在中文社区宣传。你这个东西万一被诈骗团伙用了,抓不到诈骗分子,还抓不到你吗?分分钟用你的项上人头冒功。

pol

3

pol      2 天前

我很想知道这些是不是套的那种 gpts-vits ,这种东西

ChefIsAwesome

10

ChefIsAwesome      2 天前   ❤️ 5

"妈,我出车祸受伤了,现在在医院,你给我转 5 万。"
“王会计,你往这个账户打 30 万。”

这个世界有点疯狂。

server

12

server      2 天前

CosyVoice ?

RobinzzZ

13

RobinzzZ      2 天前

感觉离进去不远了,OP 肉身应该不在国内吧

rick2c

15

rick2c      2 天前

大家防范意识还挺强的,但其实这类的 ai 应用已经一搜一大把了,所以别想太多

panxi

16

panxi      2 天前

你有备案吗? 没有的话请规避钱还没到手,银手镯先到手

zlife116

19

zlife116      2 天前

你以为园区的技术人员,都是那里来的?都是我们 v 站的,谢谢你了,技术可以升级了

barantt01

23

barantt01      2 天前

想请问一下,这个服务是你自己搭的吗?租的 GPU 吗?

meeop

24

meeop      2 天前

这个技术基本没啥有价值的合法的使用场景

guisheng

27

guisheng      2 天前

要是能私有部署就好了,好家伙现在还不能泄漏自己的声音了。

tangping

32

tangping      2 天前 via iPhone

能克隆新闻联播中那个人物的声音吗 狗头🐶

lwldcr

35

lwldcr      2 天前

能提供对方言的支持就好了

我把父亲生前的语音上传,尝试生成了一个语音,效果感觉还有很大提升空间

x86

36

x86      2 天前

睿声那个平台八成因为克隆这玩意给整治了,维护了 1 个多月

meeop

37

meeop      2 天前

@securityCoding 这类应用的重点在于生成语音,而不是模拟语音呀
模拟语音,或者说复制某个人的声音,更直白一点,假装某个人的声音说话,通常都不是啥正经用途

coshawn

38

coshawn      2 天前 via iPhone

在 ios17 和 ios18 上面录音,即使允许了 safari 的麦克风权限,录音还是没有声音,导致复制的声音也没有声音。这是为何

wyman222

39

wyman222      2 天前

@yushuxin #5 说实话,不支持中文,我觉得你在国内就不好卖,当然你在国外卖当我没说。 支持中文,你应该添加内容审查,所有敏感词都该限制,打钱,银行卡,账户, 出车祸等等等

Kolar

41

Kolar      2 天前

就是不知道成本咋样

sublime8

44

sublime8      1 天前

之前国内唯一提供音频上传克隆的公司“睿声”目前处于无限期停业整顿状态,其他大大小小的类似服务提供商都只能读固定文本来克隆,就是为了避免克隆其他人的声音

gletec

45

gletec      1 天前 via Android

这很刑,楼主却挺有成就感的

twinsant

46

twinsant      1 天前

Coys? F5 ? GPT-Sovits?

vfx666

48

vfx666      1 天前 via iPhone

@twinsant 这些工具想要克隆的好最少要几条样本一起训练,他这个就一条音频,效果还是很不错的

panxi

50

panxi      1 天前

@vfx666 #40 开源的主要还是 sovits 和 cosyvoice 吧, 其他的或多或少技术方向和这两个差不多

ZsmHub

52

ZsmHub      1 天前

@ospider 完全没必要说这种。工具都是一把双刃剑,只看用的人怎么使用。比如一把菜刀,如果担心别人用菜刀杀人而不卖菜刀,你能接受吗?现在所有大平台都在开发声音克隆技术,没必要畏手畏脚的。中国人就是太保守,这样只会离先进越来越远~

ZsmHub

53

ZsmHub      1 天前

@yushuxin 工具都是一把双刃剑,只看用的人怎么使用。比如一把菜刀,如果担心别人用菜刀杀人而不卖菜刀,你能接受吗?现在所有大平台都在开发声音克隆技术,没必要畏手畏脚的。中国人就是太保守,这样只会离先进越来越远~

ynwx

54

ynwx      1 天前

这个太强了,给楼主点赞

ospider

55

ospider      1 天前

@ZsmHub 不是我担心啊,是有人钳住我们的手脚。我也没说这个东西不好,我是说在国内没法弄。大公司大不了接受下窗口指导下架就行了,或者罚酒三杯,小公司可能就得牢狱之灾了。你搞清楚源头是啥比较好,怼我没用的……

zhangsimon

57

zhangsimon      1 天前

关注了,最近在玩影视配音的恶搞
在用 GPT-soVoice ,但是太繁琐了
请问楼主的效果和 GPT-soVoice 比,会更好吗?
还有就是能模仿语气吗?
GPT-soVoice 比较烦人的是,不能自定义语气
如果想要某个语气,就要用某个语气来训练,这样一个人就要训练好几次

nimingyonghu

60

nimingyonghu      1 天前

楼上那么多说刑的怎么回事?与技术脱节这么久了?
各种 XXTTS 都出来多长时间了

ZsmHub

61

ZsmHub      1 天前

@yushuxin 你官网这个字数限制对中文很不友好,一个中文就占了 3 个字符,200 字符最多支持 66 个中文

dvz

64

dvz      1 天前

大佬牛逼,试了一下,跟我九成相似,普通话比我还标准

nimingyonghu

65

nimingyonghu      1 天前

@zuotun #62 太多了,GPT-SoVITS ,GPT-SoVITS ,FireRedTTS ,F5TTS ,CosyVoice
op 这个就是无法调整任何参数的 WebUI 整合包。

Jaeger

66

Jaeger      1 天前

第一次觉得一项新技术并不是很酷的事

Fruktozka

68

Fruktozka      1 天前

之前做过这一块的调研,睿声已经凉了,微软的 responsible AI 团队对这块也很谨慎

ZsmHub

69

ZsmHub      1 天前

@Fruktozka 在国内做这块技术,就需要投入内容审核的人力,在国外就自由很多。睿声凉就是因为用户乱搞导致的。

beiguo

70

beiguo      1 天前

@nimingyonghu #65 剪映就可以录,但仅限于固定的文本并且需要人脸识别证明是你本人。为什么这么多门槛?就是因为在国内,你不得不这么设计。你说的这么多 TTS 都需要具备一定技术能力的人自己用用。你一旦封装成产品,给大众用,然后发生诈骗案件,你根本跑不了

nimingyonghu

72

nimingyonghu      1 天前

@beiguo #70 op 这个也就是玩票,搞不好一个月之内就打不开了 😅

关于技术门槛你可以在 B 站搜一下这些 TTS 的教程,里面都有别人做好的整合包,一张 20 系以上的 N 就能本地一键启动开玩了,整合包是没什么门槛的。

lance07

74

lance07      1 天前

这也太哈人了, 用户语音特征你拿了直接开盒诈骗怎么搞, 如何让最终用户信任你。。

xiaohusky

75

xiaohusky      1 天前 via iPhone

楼主请问可以透露一下怎么做到的吗?我做视频剪辑有用

yushuxin

77

yushuxin      1 天前

@ZsmHub 好的,为了方便大家体验,我放宽了限制: 每次可以生成 200 个中文字,仍然免费! 希望大家玩得开心

yushuxin

78

yushuxin      1 天前

@nimingyonghu 您向大家教科书级别的演示了什么叫「以小人之心度君子之腹」,相比未来你自己如果有能力做产品的话,你一定会做一款一个月内跑路的产品。

lthero

79

lthero      1 天前

试了下英文输入+英文输出的效果,还是不错的;您是自行训练的模型吗?我有试过 E2-tts 它的效果也挺好的

TellMeWHY

80

TellMeWHY      1 天前

还是可以做中文市场的,仅支持 USDT 充值不就行了(手动摊手)
再建个 TG 频道,等网站被墙之后,群里告诉我们回家的路

nimingyonghu

81

nimingyonghu      16 小时 54 分钟前

@yushuxin #78 误会误会,对你的产品无任何意见。你可以翻一下 [分享创造] 节点下其他的帖子,看看以 web 形式发布的 side project 的平均存活时间,我自己以前是收藏了不少,但是偶尔再翻看的时候很多就打不开了。再加上这个不是多少有点灰色地带游走的意思。

kios

82

kios      16 小时 20 分钟前

太刑了

yushuxin

84

yushuxin      2 小时 27 分钟前

大家太踊跃了,晚上 8 点的时候 GPU 爆炸了,过去 3 个小时使用起来会慢。
刚才我新增了 GPU 。谢谢大家的支持


文章来源: https://v2ex.com/t/1103869#reply84
如有侵权请联系:admin#unsafe.sh