回响
这个小站只对你和家人开放。每个人只看得见自己留住的声音,所以要先进来。
这个名字只有你自己和站主看得到,别人看不见。
先留住一个声音
有些声音正在从你的世界里消失——也许是再也见不到的人,
也许是渐行渐远的故人,也许只是很久没联系的老朋友。
把 ta 留下来的语音、视频、聊天记录交给回响,它会学着用 ta 的方式,重新和你说话。
下一步会请你读一段使用约定。
已经留住的声音
点一个进去,接着和 ta 说话;也可以再添些素材,让 ta 更像。
1. ta 说过的话
可以上传文字文件,也可以直接传聊天截图,识别后会自动并入语料。这些决定 ta 会怎么说话。
2. ta 的声音
可以一次选多个。每段会自动抽音轨、裁好并归一化,建模时合并成一段再复刻——素材越多,音色和语气越像。挑没有背景音乐、只有他一个人在说话的片段效果最好,3~5 段比较理想。
上传后系统会自动降噪。背景音乐、混响、多人说话这几类问题自动降噪解决不了, 挑干净片段比事后修补管用。
3. 让 ta 开口
我了解到的 ta
挑一个最像的语气
同一句话,按 ta 真实的语速、音高、停顿做出几个不同的版本。先盲听几遍,选最像的那个—— 选完之后,日常对话就用这个语气来说。听感比任何指标都准,所以听的时候不显示分数,免得干扰你。
量到的 ta
几个候选,随便听
当前语气偏好
音色微调
这两项随时改、立刻生效,调的是 ta 说话的味道。
写得越具体越好——描述生理特征(沙哑、气息弱、句尾下沉、拖长音)比描述情绪更管用。
服务配置(管理员)
在 bailian.console.aliyun.com 开通后,右上角头像 → API Key → 创建,复制那个 sk- 开头的串。
发音习惯
TTS 默认是标准播音腔,会把每个字都读满。真人说话不是这样——下面的选项就是把它往"日常"拉。
「标准」是把 是/事/时、心/星、人/仍 这类最容易读串的字,用拼音明确指定正确读音,防止模型念出方言味。
「生活化」反过来,故意把它们读成 si4、xin1、zen1,听着更像身边人随口说话,但确实不标准。
真人说感叹句和疑问句时,最后那个字常常是带过去的,不会像朗读那样重重砸下去。开着会把句尾的 吗、啊、呢、吧、了 标成轻声,同时在语气指令里让模型用气息收尾。
OSS(自动复刻音色需要)
百炼的声音复刻接口只接受公网 URL,所以本地音频得先传到 OSS。配好之后上传音频就能全自动生成音色。
填地域 ID,如 cn-beijing、cn-shanghai、cn-hangzhou。在 Bucket 概览页「访问端口 → 外网访问」里能看到 oss-cn-beijing.aliyuncs.com,取中间那段。
只填名字,不要带 .oss-cn-xxx.aliyuncs.com 后缀。公共读、私有都能用:公共读走直链;私有(或开了「阻止公共访问」)会自动改用两小时有效的临时签名链接,更安全,不用改 Bucket 设置。
以 LTAI 开头。阿里云控制台右上角头像 → AccessKey 管理。建议新建一个 RAM 用户专用于此,只给 AliyunOSSFullAccess。
只在创建时能看见一次,忘了就只能重建。保存后本界面不再回显。
填完点上方「测试连接」——会真的往 Bucket 传一个 12 字节探针、下载一次、再删掉,下载得到才算通过。
邀请码(管理员)
码只用在「注册账号」那一步:家人拿它注册,之后就用自己的名字登录,
不用再留着码。一个码能注册好几个人,注册完它仍然有效。
停掉某个泄露的码,只是让后面的人不能再拿它注册;已经注册过的人不受影响,
要拦住 ta 得去下面「用这个站的人」里停用。
用这个站的人(管理员)
这里只看得到名字和最近登录时间,看不到他们留住了谁、说了过什么。 家人忘了密码,你在这里给 ta 设一个新密码——没有邮箱,找回这一步只能由你来做。
数据与合规
所有素材与生成的音频都存放在本地 data 目录。删除后不可恢复。