← 用AI搞学术
2026.11.02
Show notes
节目简介
边听边看:本期知识地图 · 看懂概念,找到相关节目
本期讲如何用 AI 做人的声音:怎么找模型、参考音频该怎么截、做出来的声音AI 味怎么降、断句和抢话怎么修、语气太平怎么办。如果你想给自己做一个"分身"声音,或者想给视频修由AI 配的音,或只是好奇一期播客能被自动化到什么程度,欢迎收听。
━━━━━━━━━━━━━━━━━━━━━━
⏳ 时间轴
第一幕:上一期那段没用上的配音
00:00 开场:社科生、理科生,加上一位新嘉宾"小菜"——AI 练习生
00:39 上一期播客讲如何让AI 剪视频时,AI做出来的声音别扭,最后没用上
01:14 但念头留下了:顺着这条路再往前走一步
第二幕:怎么让 AI 学会我们俩说话
01:32 用千问3 的语音模型;不会选模型,就让 Agent 去 HuggingFace / GitHub 找,选模型、下载、合成全在本地完成
03:06 选参考音频的讲究:同一人连续说话、别截半句、避开两人接话处
第三幕:造一个不存在的声音
04:02 嘉宾小菜登场(AI声音)
04:18 模仿只要一段参考音频,新角色没有 → 得先凭空"生"一段出来
05:05 千问的"声音设计"加提示词随机生成,AI 味很重,像动漫角色
05:33 让AI上网搜"怎么降 AI 味",聊了几轮 → 判断是底色不行,换成 MOSS;之后反复生成试听,像游戏里疯狂十连抽
06:13 但最后还是得自己听:音高、声纹余弦值只能帮忙筛,替不了"舒不舒服"的判断
第四幕:稿子和断句才是真麻烦
07:53 第一版里小菜一听就不像人
08:22 不断去除 AI 味:根因是只给了文字,在哪停、停多久全靠模型猜
第五幕:修音、揭晓
08:53 解决 AI 味重的方法
09:14 口癖怎么办
09:39 音色偏厚、像在录音棚,怎么办;语气像念稿,怎么办
10:22 最小行动:自己录一段丢给本地 Agent 去克隆,或用千问3 的语音模型
10:47 这一期三个声音全是 AI 合成,一句真人录音都没有
━━━━━━━━━━━━━━━━━━━━━━
💬 本期金句
· 「最后还是得自己听。我中途给你量了音高,也算过声纹的余弦值,但这些只能帮忙筛选,不能替我判断听着舒不舒服。」
· 「用 AI 做出的最终声音,就是从一堆提示词和随机池里厮杀出来的。」
· 「整个过程就像是在游戏里进行疯狂的十连抽。」
━━━━━━━━━━━━━━━━━━━━━━
🔧 本期提到的工具 / 概念
· 千问3 的语音模型(Qwen3-TTS)—— 阿里通义千问开源的语音合成模型。这期两个主播的声音由它克隆;它也支持"声音设计",用一段文字描述就能造一个全新音色
· MOSS(MOSS-TTSD)*—— 开源的中英双语对话语音合成模型,擅长多说话人、长音频,名字和《流浪地球》里那个 AI 撞了。小菜的底色声音出自它
· GPT-6.1 Sol—— 这期用来"听"的模型:把生成的音频发过去,让它指出几分几秒该停、哪里该换语气
· HuggingFace—— 开源模型库。图像模型和语音模型都能在这儿找
· GitHub —— 项目代码和说明书。Agent 大多在这儿查工具怎么用
· Agent / Codex —— 跑在本地的执行者,负责找模型、下载安装、批量生成、按意见重做
· 声音设计(Voice Design) —— 不需要参考音频,用一句话描述你要什么样的嗓子,让模型造一个出来
· 声纹余弦值—— 用来比两个声音像不像的数值。这期用它筛过候选音色,但结论是:数字只能筛,不能替人判断好不好听
━━━━━━━━━━━━━━━━━━━━━━
🎧 往期节目推荐
1. 上一期|小白如何用 AI 辅助剪辑视频?实战分享
https://www.xiaoyuzhoufm.com/episode/6addfd25c96c8942ec11fc28?s=eyJ1IjogIjY3NzIxNmViZjM2OWFhZjc5YTRmYjJiNyJ9
2. 第 44 期|DeepSeek Harness 说一切皆插件,它到底想干什么?
https://www.xiaoyuzhoufm.com/episode/6a81909136641f136d890195
3. 第 43 期|WorkBuddy 使用心得:别让一个窗口干所有事
https://www.xiaoyuzhoufm.com/episode/6a6dddafab3a91c24a0e26de
4. 第 47 期|用 AI 做 80 页 PPT:从不能用,到微调就能用
https://www.xiaoyuzhoufm.com/episode/6a9d2221f03e74ee6b05d5ea
5. 第 46 期|为什么近期 AI Flash 模型层出不穷,集体开始卷性价比?
https://www.xiaoyuzhoufm.com/episode/6a92c949a0210c197dca1dde
━━━━━━━━━━━━━━━━━━━━━━
🧍♂️ 联系我们
微信听友群:加 13826477686 微信进群(加微信时辛苦备注"AI搞学术"或"小宇宙")
听众反馈:[email protected]
本期讲如何用 AI 做人的声音:怎么找模型、参考音频该怎么截、做出来的声音AI 味怎么降、断句和抢话怎么修、语气太平怎么办。如果你想给自己做一个"分身"声音,或者想给视频修由AI 配的音,或只是好奇一期播客能被自动化到什么程度,欢迎收听。
━━━━━━━━━━━━━━━━━━━━━━
⏳ 时间轴
第一幕:上一期那段没用上的配音
00:00 开场:社科生、理科生,加上一位新嘉宾"小菜"——AI 练习生
00:39 上一期播客讲如何让AI 剪视频时,AI做出来的声音别扭,最后没用上
01:14 但念头留下了:顺着这条路再往前走一步
第二幕:怎么让 AI 学会我们俩说话
01:32 用千问3 的语音模型;不会选模型,就让 Agent 去 HuggingFace / GitHub 找,选模型、下载、合成全在本地完成
03:06 选参考音频的讲究:同一人连续说话、别截半句、避开两人接话处
第三幕:造一个不存在的声音
04:02 嘉宾小菜登场(AI声音)
04:18 模仿只要一段参考音频,新角色没有 → 得先凭空"生"一段出来
05:05 千问的"声音设计"加提示词随机生成,AI 味很重,像动漫角色
05:33 让AI上网搜"怎么降 AI 味",聊了几轮 → 判断是底色不行,换成 MOSS;之后反复生成试听,像游戏里疯狂十连抽
06:13 但最后还是得自己听:音高、声纹余弦值只能帮忙筛,替不了"舒不舒服"的判断
第四幕:稿子和断句才是真麻烦
07:53 第一版里小菜一听就不像人
08:22 不断去除 AI 味:根因是只给了文字,在哪停、停多久全靠模型猜
第五幕:修音、揭晓
08:53 解决 AI 味重的方法
09:14 口癖怎么办
09:39 音色偏厚、像在录音棚,怎么办;语气像念稿,怎么办
10:22 最小行动:自己录一段丢给本地 Agent 去克隆,或用千问3 的语音模型
10:47 这一期三个声音全是 AI 合成,一句真人录音都没有
━━━━━━━━━━━━━━━━━━━━━━
💬 本期金句
· 「最后还是得自己听。我中途给你量了音高,也算过声纹的余弦值,但这些只能帮忙筛选,不能替我判断听着舒不舒服。」
· 「用 AI 做出的最终声音,就是从一堆提示词和随机池里厮杀出来的。」
· 「整个过程就像是在游戏里进行疯狂的十连抽。」
━━━━━━━━━━━━━━━━━━━━━━
🔧 本期提到的工具 / 概念
· 千问3 的语音模型(Qwen3-TTS)—— 阿里通义千问开源的语音合成模型。这期两个主播的声音由它克隆;它也支持"声音设计",用一段文字描述就能造一个全新音色
· MOSS(MOSS-TTSD)*—— 开源的中英双语对话语音合成模型,擅长多说话人、长音频,名字和《流浪地球》里那个 AI 撞了。小菜的底色声音出自它
· GPT-6.1 Sol—— 这期用来"听"的模型:把生成的音频发过去,让它指出几分几秒该停、哪里该换语气
· HuggingFace—— 开源模型库。图像模型和语音模型都能在这儿找
· GitHub —— 项目代码和说明书。Agent 大多在这儿查工具怎么用
· Agent / Codex —— 跑在本地的执行者,负责找模型、下载安装、批量生成、按意见重做
· 声音设计(Voice Design) —— 不需要参考音频,用一句话描述你要什么样的嗓子,让模型造一个出来
· 声纹余弦值—— 用来比两个声音像不像的数值。这期用它筛过候选音色,但结论是:数字只能筛,不能替人判断好不好听
━━━━━━━━━━━━━━━━━━━━━━
🎧 往期节目推荐
1. 上一期|小白如何用 AI 辅助剪辑视频?实战分享
https://www.xiaoyuzhoufm.com/episode/6addfd25c96c8942ec11fc28?s=eyJ1IjogIjY3NzIxNmViZjM2OWFhZjc5YTRmYjJiNyJ9
2. 第 44 期|DeepSeek Harness 说一切皆插件,它到底想干什么?
https://www.xiaoyuzhoufm.com/episode/6a81909136641f136d890195
3. 第 43 期|WorkBuddy 使用心得:别让一个窗口干所有事
https://www.xiaoyuzhoufm.com/episode/6a6dddafab3a91c24a0e26de
4. 第 47 期|用 AI 做 80 页 PPT:从不能用,到微调就能用
https://www.xiaoyuzhoufm.com/episode/6a9d2221f03e74ee6b05d5ea
5. 第 46 期|为什么近期 AI Flash 模型层出不穷,集体开始卷性价比?
https://www.xiaoyuzhoufm.com/episode/6a92c949a0210c197dca1dde
━━━━━━━━━━━━━━━━━━━━━━
🧍♂️ 联系我们
微信听友群:加 13826477686 微信进群(加微信时辛苦备注"AI搞学术"或"小宇宙")
听众反馈:[email protected]