谁能想到，2023年香港乐坛最火的一首歌，是80岁歌手尹光和AI唱的。
这首《Dear Myself》荣获“叱咤 2023年香港乐坛我最喜欢的歌曲”投票榜第1位，由歌手尹光和他的AI分身共创。很多网友都感动于那句“我声线亦折旧，我把这个使命过继给AI”。
值得一提的是，80岁的尹光还成为了首个注册AI声音专利的乐坛歌手。
彼时，我们制作声音克隆视频，还需要单独建立一个AI声库，采集大量的人类声音标本制作数据库，后期还得通过人工调试来模拟人声。
另外，还有一种办法是基于Bert VITS等开源项目，借助大量算力支持，直接文本转语音来还原音色。这对于设备、技术要求都比较高，网上可以找到许多教程，像“手把手教大家用GPT- SoVITS（声音克隆开源项目）”，或是部署“OpenVoice和SVC”。
但现在，部分AI工具只需要10秒乃至更少的声音样本，就能完美复刻音色。
2月26日，QQ音乐上线了声音克隆功能，1分钟录制原声，即可生成个人专属音色演唱歌曲，为AI声音赛道添了一把火。
我们见识过AI合成视频、动态图片的技术，而现在合成语音也变得轻而易举。对于创作者来说，AI声音克隆究竟进化到了何种程度？还有哪些热门的AI语音合成工具？如何快速复刻出真实声音？
那么AI克隆人声要怎么做？
“头号AI玩家”体验下来，对于很多创作者来说，如果是进行剧情重制、制作游戏二创视频，或是代替个人原声进行解说，目前AI工具中的音色克隆功能其实完全够用。
借AI声音合成的热度，“头号AI玩家”也生成了一版视频：
视频画面采用了OpenAI最新发布的Sora生成视频，配音工具则用的是近期流行的ElevenLabs和剪映的AI音色克隆功能，依次复刻了海绵宝宝、OpenAI CEO 奥特曼（Sam Altman）、梅西以及懒羊羊的声音。
以AI音频工具ElevenLabs为例，官方表示只要上传1分钟的声音素材，就能够把任意一段音频，快速生成为中文、葡萄牙语、日语等在内的29种语言，还保留声源的音色特征和情感色彩。
具体包括以下几个步骤：
如果要使用自定义的声音，我们可以点击“Add Voice”按钮，上传已经录制好的音频。
以视频中奥特曼（Sam Altman）和梅西的声音样本为例，实际操作中我们只上传了10秒的清晰音频。上传完声音素材后，就可以等待ElevenLabs进行“克隆”了。
下面可选进一步编辑，点击“说话者Speaker”重新选择声音，或者在“Voice Setting”中对声音细节进行调整。
如果觉得这个声音和原声源并不像，可以点击“Similarity”进行调整，数值越高就越像源声音。而“Style”可以调整语音风格，包括生成的语速、停顿和语气。
实测下来，“Clarity+Similarity”数值在60%到75%之间，“Style”风格调整成75%至80%之间，“Stablility”调成55%-60%，音频的稳定性效果最好，声音也不会莫名其妙被改变，或者出现生成音频语速过快的情况。
另外，除了调整具体参数之外，还可以给文本添加标点符合来调整语速。比如视频中的梅西片段，我们就在“prefer”后面加了省略号，生成语速会自动减慢，一定程度上会改变表达的语气。
但实话实说，Elevenlabs的中文效果其实并没有非常出彩。如果中文音频素材只有5至10秒，生成的中文效果就更拉垮。我们上传第一版懒羊羊素材时，ElevenLabs的效果就带有明显的译制腔。
国内目前也推出了效果比较好的语音转换工具，免费可用。MiniMax上线应用“海螺问问”，其中的语音通话功能就可以克隆个人声音。
只需下载应用端，真人朗读一段儿歌就可以实现音色转换。
但相比ElevenLabs可以直接上传干音素材，国内的声音克隆工具大多采用朗读收录的方式进行复刻，暂时都不支持音频文件，一定程度上也避免了声音的滥用。
“头号AI玩家”此前发布的Sora相关视频，里面的视频配音就用到了AI朗读功能。
还有一些专业向的声音工具，比如大饼AI、出门问问旗下的魔音工坊等，都支持一键改变创作者的音色，让音视频的创作有了延展发挥的空间。
「头号AI玩家交流群」进群方式：添加微信“banggebangmei”并备注姓名+职业/公司+进群，欢迎玩家们来群里交流，一起探索见证AI的进化。