今天做的最成功的事情就是，搞定了口播智能体的声音。确切的说，是搞定了克隆声音逼真度的问题。
在众多声音克隆工具中，我没有一一去测试哪家的工具克隆中文最逼真，而是直接把问题甩给了AI，几个AI给出了答案：minimax。
那就无脑选，不去测试了，因为教程也正好是minimax的声音克隆和调用api的教程。
跟着步骤下来，很快配置好了，上传原音，克隆声音，听效果，不错就配置api到口播智能体工具中。
除了自己这个二手的1660显卡，其他的都没问题。
因为显卡差，所以我一个2分50秒的视频生成花了半小时。如果这真是自己刚需的话，要么升级显卡，要么用云电脑，没有别的选项。
minimax无敌！
声音搞定，现在就差形象了。因为我使用的是公司房产主播Y的形象，所以我采集了他以前的形象。
但发现他以前的形象用不了，因为好多侧脸拍摄，转动的幅度太大，会导致嘴巴识别不全，出来的效果就是嘴巴模糊。
我告诉主播，要重新采集形象，要拍全身进去，或者至少半身进去；要正脸；要默念12345678，等等规则。
通过配好了声音（克隆声音效果不错），我发现自己之前一直没重视的数字人口播，居然又行了。
这对于IP打造，太香了。
-
祝
好好学习天天向上~
每天都要充满希望~
