把自己的声音,留给我的网站
一篇随笔:从一条 90 秒宣传片开始,记录用 AI 声音克隆把自己的原声留在网站里的全过程。三幕片子——AI 配音、纯音乐、原声克隆——首发 B 站,内嵌于本站。
把自己的声音,留给我的网站
今天是个高兴日子。晚上坐下来,越想越觉得这一天过得有意思,干脆写下来,放在 Muse Miracle 里。这里本来就是记我折腾这些事情的地方,只不过往常放的都是教程,一步步教人怎么做;今天这篇不教什么,只记一个心情。
事情起得不大。我的小网站 CODE MATRIX 代码矩阵,做了这么久,首页有模有样,教程也攒了好几篇,可一直缺一条像样的宣传片。前些天刷到别人给自家产品做的短片,画面一闪一闪的,音乐一响,网址一亮,心里就痒痒:人家有,我也得有。三十秒,不长。可我不会剪视频,连从哪儿下手都不知道。
办法还是老办法:和 Muse 商量。它先把我网站的真实页面一张张截下来——首页、应用市场、教程页,都是现成的"演员",不用另外找素材;再用代码把画面一帧一帧渲染出来,配上缓缓落下的数字雨和一首电子乐。我在旁边看着提要求:字要够大,安装命令要摆在屏幕正中,网址出现的时候要停够三秒,让人记得住。一上午工夫,片子出来了:三十秒,横屏,绿莹莹的矩阵底色,一行命令端端正正打在中间。头一回放的时候,我还把音量往大里拧了拧,好像怕听不清似的——其实屋里就我一个人。
光有画面没声音,总觉得缺一口气。先用 AI 的嗓子配了一版:一个外国小伙儿,热情是真热情,念起中文来也有模有样。可听了两遍,心里还是有个疙瘩:说的是我的网站,讲的是我一件件做成的事,怎么能是别人的声音?
念头就是那一瞬间冒出来的:能不能用我自己的声音?我真的去录吧,嗓子不专业,普通话还带着口音,念错一个字就得重来,三十秒能折腾一下午。可现在有声音克隆这回事:录一段样本,机器把我的音色学了去,往后想说什么话,它用我的嗓子念出来,语气还能照着文案走。反正就一个念头:我的网站,我的片子,声音凭什么用别人的?
说干就干。Muse 给我写了一段录音稿,把数字、英文、疑问句、感叹句都埋了进去,说是样本里的花样越丰富,克隆出来越像本人。我找了个安静的屋子,把窗关严,手机在桌上立好,照着念。开头两句还念岔了,删掉重来。念到中间"哈哈"那一句的时候,是真笑出来了——稿子上是写着要笑,我是真觉得好笑:一把年纪的人,躲在屋里对着手机一本正经地录"广告词",这场面想想就逗。录完回放一遍,不到一分半钟,没念错,也没漏句,心里先得了一分。
克隆这一步,没花一分钱。用的是开源的模型,装在机器上慢慢算。没有显卡帮忙,一句十来个字的话,要算上十来分钟。我就泡了杯茶,坐着等。先试了两句。第一句生成出来,我点开一听,愣了一下:"来代码矩阵,一行命令,全部搞定!"是我的嗓子,我的口音,连断句的习惯都像。我把这句话来回听了三遍。怎么说呢,片子做出来那会儿也高兴,可那是"活儿干完了"的高兴;这一回不一样,听着自己的声音在片子里说话,心里有点说不出的滋味——这个网站,好像总算跟我这个人对上号了。
后来的事就顺了。同一条片子,配三种声音:AI 的嗓子一版,纯音乐一版,我的原声一版。我又一拍脑袋:干脆把三版拼在一起,九十秒,外国嗓开场,纯音乐过门,我的原声压轴,送到 B 站上去,让更多人看看。文案是它拟的,我一个字一个字看过,该删的删——它跑腿可以,拿主意得是我。网站首页那边,也已经安排上了,过些天去看,三条片子会在首页轮着播。
写到这里,茶也凉了。今天这一天,没干什么惊天动地的事,就是给我鼓捣的这个小网站,添了一条九十秒的片子。可我心里这份高兴,是实实在在的。到了我这个年纪,最怕的不是学不会新东西,是对新东西没了兴致。今天这一整天,我的兴致就没落下来过。新工具来了,就学;新玩法见了,就试;这条路走不通,换一条就是了——反正也不赶时间。网站还在慢慢长,教程还在慢慢写,而我的声音,从今天起,也留在这条片子里了。
就记到这里。哪天你刷到这条片子,听到最后一段那个带着点口音的嗓子——那就是我。
zttz.eu.org,欢迎来看看。