回响

念念不忘,必有回响

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。

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。

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

还没有读过 ta 说过的话

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。

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。

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。

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。