先说个真事

朋友公司有人收到"老板"的语音消息，让转账50万。声音、语气都对，差点就转了。后来发现是AI克隆的——骗子从老板的抖音视频里扒了几十秒素材。

这就是现在声音克隆的水平：以假乱真。

60秒能干什么

用ElevenLabs举例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

from elevenlabs import clone, generate

# 上传60秒录音
voice = clone(
    name="我的声音",
    files=["sample.mp3"]
)

# 让它说任何话
audio = generate(
    text="这话我从没说过",
    voice=voice
)

就这么简单。效果好到专业人士都分辨不出。

能用来干什么

正经用途：

  • 有声书制作（成本从10万降到1千）
  • 虚拟主播（24小时不下播）
  • 游戏NPC配音（1000个NPC，1000种声音）
  • 帮失声的人"说话"

不正经用途：

  • 诈骗（前面说的那种）
  • 伪造录音
  • 未经授权用别人的声音

怎么防骗

  1. 涉及转账，打电话确认。语音消息不算数。
  2. 设暗号。家人之间约定一个只有你们知道的词。
  3. 听细节。AI声音太"完美"——没有呼吸声、没有口水音、没有犹豫。

怎么玩

免费方案： Coqui TTS（开源），需要自己部署

付费方案： ElevenLabs，$11/月起，效果最好

录音技巧：

  • 安静环境
  • 正常语速
  • 至少60秒，内容越丰富越好

配音演员会失业吗

低端活会被抢：有声书旁白、广告配音、游戏NPC。

高端活抢不走：需要情感演绎的角色、艺术创作。

新机会： 授权自己的声音收版权费、做AI配音指导。

最后

技术没有善恶，看人怎么用。

玩声音克隆记得：用自己的声音玩，别克隆别人的。

有问题留言。

相关链接：ElevenLabs | Coqui TTS