2026.06.29 09:11

本地跑了一遍 VoxCPM2，最让我意外的不是它会说粤语、河南话，而是“声音”正在变成一种可以编辑的东西。写一句提示词，就能指定年龄、音色、情绪和语速；再上传一段参考音频，它还能保留音色，重新控制表达方式。以前语音模型追求的是“像不像本人”，现在已经开始解决“能不能按导演要求表演”。当声音可以像图片滤镜一样被描述、复制和改写，它还算不算一个人的身份特征？视频里放了方言、情绪控制和真人声音克隆的实测效果。👇

显示更多