10秒钟复刻AI付航吐槽一切，这就是现在最好的TTS声音克隆。
关注+2024-10-21作者：清晨
周六我一边看lol S14总决赛，一边看《喜剧之王单口季》，真就体会了一把什么叫心态过山车。。。拉的很拉，稳的很稳。
好在脱口秀这边，我一直很喜欢的演员付航，不负众望地拿到了总冠军。决赛这场他还是“Passion”到极点，劲儿给得太足了。
这场的段子和表演都太NB。给我看的笑中带泪，真的。
付航的表演给我的感觉就是纯粹的好笑，不需要你绞尽脑汁去思考什么“上价值”。看了就想笑，笑完还想再看，好笑本身就足够有价值。
看付航夺冠我呲着的大牙还没收回去。一转头看LPL那边，瞬间失去所有力气和手段。付航的Passion要是能借TES一点，也不至于让我看得这么无语。
0:3，直接被暴虐。被飞科按在脚底下摩擦。
太小丑了。。
知乎和微博更不用说，当晚看比赛的全在吐槽和破防，逛超话都给我看笑了。
就在那一瞬间，我脑子里冒出了一个很有趣的点子:要是能让付航，帮我狠狠吐槽TES，简直完美就是完美的联动。。。
可惜我抢不到付航线下脱口秀的票。更不认识他。。。
但是，咱有AI啊。
那，说干就干。
fmt=png&from=appmsg" data-type="png" data-w="814" data-original-="" data-index="1" src="http://pic.chinaz.com/2024/1021/2024102110075644250.jpg" _width="677px" __sec_open_place_holder__="true" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
效果大概就是这样的。
让我们☝️说中文👐!
这语气这效果，离川普就差一个手风琴了。
这把，就用F5-TTS，直接让AI付航当当我的嘴替吧。
F5这玩意牛逼就牛逼在只需要15秒，就能克隆任何声音，最关键的是，还是开源的，免费本地就可以跑。
而且使用贼简单，你也可以跟着手搓一个AI声音替你吐槽。
当然，为了大家能上手即用，我们也给大家做了整合包，配好了环境，下载好了各种需要到的模型，大家可以一键部署使用。
你对着公众号私信"F5"就自动有下载链接了。
并且相比于原版的UI，我们也给大家做了汉化，方便大家使用（其实是我自己看不懂英语。。。）
qqF6ano1dVVErQyibiaw/640?wx_FMt=png&from=appmsg" data-type="png" data-w="1080" data-original-="" data-index="2" src="http://pic.chinaz.com/2024/1021/2024102110075644261.jpg" _width="677px" __sec_open_place_holder__="true" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
然后点击 一键运行.bat，终端会自动跳出。
稍等片刻，即可看到一个链接。
VRMCAjZ5pqQpgjWHkfYs82icpPzwUKr9wibYRrDAUjrK99USLvowmmYIg/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1078" data-width="1078" data-original-="" data-index="3" src="http://pic.chinaz.com/2024/1021/2024102110075644262.jpg" _width="677px" __sec_open_place_holder__="true" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
按住Ctrl 并单击进行访问，就能进到F5的界面里面了。
点击上传参考音频，即我们想要克隆的人的音频，这里我用了付航喜剧之王里的一段12秒的音频。音频不是越长越好，一定得15秒以下才行。
然后在待生成文本里面填自己想要生成的文字内容，比如之前鲜虾包谬赞我文章的一段话。
最后选择F5-TTS模型，点击合成即可。
这样就可以得到鲜虾包以付航的口吻称赞我文章的passion了!!!
是不是巨简单，是不是有手就行。
但是跑明白了声音克隆的流程，我们还缺一段最重要的东西，就是，文本。
说实话，我自己写段子的水平可能连小学生都够呛，所以我果断选择求助了Claude老师。
我把付航在《喜剧之王》的视频转成文字稿，一股脑儿塞给了Claude。想着让它学着付航的风格写一段脱口秀试试。
然而。。。我roll了N次，Claude就是没法做到付航那个味儿。
想着可能长文本脱口秀不好写，换个风格用one-liner吧，写了一段Prompt。
给了特点、节奏、杨波曾经的case。
又试了好几次。
效果还是很难评。。。
说实话，连Claude都只能做到这种程度，我根本不想试其他的大模型的效果了，没有意义。
不过可能也是脱口秀这个形式确实复杂了一点。现在的大模型还是太直率了，写的内容坦率的讲都是生拉硬拽拼在一起，效果比僵尸都硬。
脱口秀这样文雅人的吐槽不太行，感觉还是得直接骂才有效果。
于是我又扒了篇知乎分析TES比赛的文章，写了一段比较不太能放出来给大家看的Prompt，让Claude给我整了一段。
这次火力直接拉满了。。。
还得是直接吐槽开骂啊。
然后我就直接把这篇稿子，拆分了一下，一小段一小段的，扔回到我们刚才的F5里。
就，出现了这样的效果。请大家欣赏，AI付航吐槽TES。
说实话，这个效果，有点过于直白过于狠了。。。
当然那个笑声是我后期加的，为了模仿一下脱口秀现场的效果。
F5出来的音频，音色跟付航真的一模一样，那个劲，也非常的像。还有些停顿、叹气，简直跟真人一样，虽然说表演和情绪跟付航自己比肯定是一个天一个地，但是AI能跑出这种程度，我已经很欣喜了。
就是有个小技巧大家在用的时候需要注意一下，F5支持中英文，但是不支持数字，这个点就非常的尴尬，所以你需要把数字处理一下变成中文。
比如，369，变成“三六九”。F5就能正常识别了。
大家有啥想整的活，都造起来吧。
最后，我想说。
有人说，脱口秀就是当代的“精神布洛芬”，我觉得挺贴切的。
我以前特别不喜欢看所谓的小品“喜剧”节目，尤其受不了一些创作者对剧作模式的生搬硬套。一定要上一层价值，一定要结尾包个饺子。
不来点生硬的价值，好像就不是“好喜剧”。
但这几年懂得都懂，大家的压力都大。谁希望一天忙前忙后到家，好不容易瘫在沙发上，想看个节目乐呵乐呵，还得警惕“人生的意义”突然来拷问。
累不累啊。。。看喜剧还是上成功学?
喜剧，不就是为了让人们开心吗。
所以我更欣赏付航这样的演员，也更喜欢脱口秀这样的形式。
TES虽然输得难看，但打得好笑啊。能给大家提供一个集中吐槽的机会，也不失为一种情绪价值。
其实我这次就是忍不住想整个活，博大家一乐。
比赛的结果输也好，赢也好，都是常事。反正我也不能替选手上，咱也没那个实力，那咱不如就吐槽吐槽，开心一下。
“如果高级动物必须高级。那我宁愿当猴。”
何必把自己绷得那么紧?
希望S14这次决赛的时候，看LPL，能像这次看付航一样，也像18年的IG一样，让我们喊出:
“我们是冠军”。
人生，还是得:
passion!!!