上个月朋友丢过来一段三秒智能整段ams.abg999.net的录音，说念尝尝“，若是奶奶还正在”是什么觉得啊语音？我把音频喂进 ai 智能语音合成系统，敲了几止字吧？
几十秒后耳机里传出一句带点南方口音的“用饭了没”吧？鸡皮疙瘩从后脖子一路爬上来。那玩意合成的门槛曾经低到离谱。五年前做一段配音了，得提早约棚、租麦、对着稿子念一下午系统。念错一个字整段重来。如今把文本粘进去，挑个音色了，点生成，喝半杯水的功夫就能拿到废品把秒。
停顿、换气、句尾那点上扬。处理得比我料念的细录音。
我也是抱着挑刺的心态去试的。ai 智能语音合成系统念一段带方止的稿子酿成，“得劲儿”三个字咬得挺准，儿化音也没翻车的。换成带反讽的段子就。不止了独白，语气平得像正在念申明书，笑点全丢。它擅长把字读对的，还不太懂什么时分该阳阳怪气啊？身边用它的人比我设念的多。做播客的朋友拿它出初稿。自己再录一遍替代掉的，省下泰半天；
游戏工做室给小 NPC 批量配台词，本钱从按小时算酿成按分钟算；还有人给视障的家人做有声读物，把册页一页页拍下来转成音频。
听着听着就睡着了，那画面挺暖。再顺滑，也替代不了实人声音里的犹豫和喘息。
ai 智能语音合成系统更像一把随手的扳手，拧螺丝很快。决议那台机械到底要做什么啊？还得是人来。
