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

[yushuxin]

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。

[DigitaIOcean]

（我有点怕这种技术）

[4BVL25L90W260T9U]

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]

我很想知道这些是不是套的那种 gpts-vits ，这种东西

[yushuxin]

@pol 类似的，但不是，现在技术都差不多

[yushuxin]

@ospider 谢谢建议，你说得有道理。

[Eddiegaao]

字符限制太严格了，不够玩，一次只能生成一句话

[sakujo]

有点意思 玩玩看

[pol]

@yushuxin #4 大佬。不会是自己开发的吧

[yushuxin]

@Eddiegaao 是啊，成本有点高，所以做了限制。回头我想想办法。谢谢反馈

[ChefIsAwesome]

"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。

[spiffing]

可别让诈骗团伙看到

[server]

CosyVoice ?

[RobinzzZ]

感觉离进去不远了，OP 肉身应该不在国内吧

[sunmacarenas]

通过免费体验方式，采集声纹？

[rick2c]

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]

你有备案吗？ 没有的话请规避钱还没到手，银手镯先到手

[shmilypeter]

克隆了前女友的声音。
哎~

[barantt01]

@sunmacarenas 细思极恐，但应该不至于哈哈

[zlife116]

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

[idblife]

@shmilypeter
出息

[yushuxin]

@shmilypeter 我隔着屏幕感到了你的心酸

[liqinliqin]

@yushuxin #21 我有订制需求，可以加 V 吗 andy433928

[barantt01]

想请问一下，这个服务是你自己搭的吗？租的 GPU 吗？

[meeop]

这个技术基本没啥有价值的合法的使用场景

[ixcode]

@panxi 域名和服务器都在国外的话，不需要备案

[damonzhang]

有点可怕，用这个过了微信的声音锁验证。。

[guisheng]

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。

[cat]

@damonzhang 于是楼主也拥有了你的声音……

[woorz]

@guisheng 自已可部署啊，一大把

[guisheng]

@woorz 你说的是使用付费的 sdk 套一层么

[securityCoding]

@meeop 这个市场已经非常非常卷了，比如阅读类应用

[tangping]

能克隆新闻联播中那个人物的声音吗 狗头🐶

[yushuxin]

@tangping 当然可以啊。你试试看。

[yushuxin]

@damonzhang …… 快收起你的虎狼之词，我感觉，你离踩缝纫机越来越近了 😂

[lwldcr]

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]

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]

@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]

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]

@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

[vfx666]

@yushuxin 楼主可以透露一下用了什么技术吗？

[Kolar]

就是不知道成本咋样

[Donaldo]

@spiffing #11 早就有了

[yushuxin]

@wyman222 有道理

[sublime8]

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]

这很刑，楼主却挺有成就感的

[twinsant]

Coys? F5 ? GPT-Sovits?

[SaltyMouse]

@shmilypeter 哎~

[vfx666]

@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

[liyafe1997]

@ospider 要是 op 不在中国/非中国籍呢

[panxi]

@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

[Seanfuck]

@twinsant 是 GPT-Sovits 拉

[ZsmHub]

@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]

@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]

这个太强了，给楼主点赞

[4BVL25L90W260T9U]

@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……

[zbowen66]

@spiffing #11 AI 视频诈骗早就有了。

[zhangsimon]

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

[yushuxin]

@ZsmHub 谢谢鼓励

[yushuxin]

@zhangsimon 可以一定程度模仿语气，您可以试试看。每个语气你录几秒钟就行

[nimingyonghu]

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]

@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

[zuotun]

@nimingyonghu #60 那么类似的技术到底有没有先例呢？在特色国是肯定有的而且不止一种技术一个先例。

[cowcomic]

这种东西不敢用个人制作的

[dvz]

大佬牛逼，试了一下，跟我九成相似，普通话比我还标准

[nimingyonghu]

@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]

第一次觉得一项新技术并不是很酷的事

[KimiArthur]

@yushuxin 感觉怎么保证数据安全，可信计算（用完销毁）是个大头😂

[Fruktozka]

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]

@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]

@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

[sn0wdr1am]

你想喝最苦的咖啡了？😅

[nimingyonghu]

@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。

[fyq]

@shmilypeter 好汉不提当年勇，好男不提前女友

[lance07]

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]

楼主请问可以透露一下怎么做到的吗？我做视频剪辑有用

[nasa]

我之前用过 https://dash.reecho.ai/overview

至今还在维护中....

[yushuxin]

@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]

@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]

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]

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]

@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。

[devtk]

太刑了

[skyonedot]

有意思，蛮不错的。

[yushuxin]

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

[coderwink]

大佬太强了

[yushuxin]

@coderwink 谢谢支持

[xming]

有群吗

[lht1936]

现在好像不能用了

[yszz]

好像不能用了

[zhangsimon]

楼主，你的服务我前一阵试用了，感觉很棒
不过最近是不是改算法了，感觉克隆出来的音色没有以前那么像了