先说几个核心判断。就在最近，MyShell开源了一款语音克隆工具——OpenVoice，瞬间在圈子里炸开了锅。这玩意儿来头不小，是由MIT、清华大学，再加上MyShell三方联手搞出来的。它那套方法，听起来简单得不像话，但效果却出奇地好：几乎可以瞬间克隆你的声音，而且吃掉的计算资源少得可怜。 更有意思的是，它不仅能把你的声音克隆出来，连语调、情感、节奏、停顿这些小细节，它都能给你拿捏得死死的。换句话说，你想要什么风格的声音，它就能给你生成什么风格，完全不用你费心去调参数，也不需要烧显卡。 有博主在HuggingFace上亲自测了一下，效果还挺像那么回事。而且最让人意外的是，它不需要你像录教材一样念大段大段的文本，随便说上几秒钟，它就能把你的声音克隆下来，然后直接拿来读你给它的任何文字。这可比以前那些动辄需要几十分钟高质量录音的工具省心太多了。

那它是怎么做到的呢？背后其实是两个AI模型在配合：一个叫文本转语音（TTS）模型，另一个叫“音调转换器”模型。TTS模型负责把控“风格参数和语言”——它拿英语（分美式和英式两种）、中文和日语的数据训练，一共跑了3万个句子。而音调转换器就更夸张了，它看了来自2万多位不同演讲者的30万段音频样本，这才练出了声线调节的火候。

实际操作中，两个模型联手：把用户录音的音调，和TTS模型内置的“基础发声者”一组合，就能完美复制你的声音，还能随心所欲地改变音色和情感。最厉害的地方在于，它的计算资源的消耗降得很低，连Meta家的Voicebox都拿它没辙。 聊聊背后的公司——MyShell。这家公司2023年才成立，总部在加拿大卡尔加里，种子轮拿了560万美元（INCE Capital领投，Folius Ventures、Hashkey Capital等跟投），目前用户已经破了40万。它家的Web应用挺有意思，提供了各种基于文本的AI角色和机器人，有些专门设置了不同的“性格”，还有动态GIF制作工具，以及用户自己创建的文本RPG游戏。 有意思的是，虽然OpenVoice完全开源了，但MyShell自己的生意经打得也很响：靠Web应用收月度订阅费、向第三方机器人创建者收费、甚至卖AI训练数据。这种模式虽然不新鲜，但在开源社区里能打出这样一个组合拳，说明MyShell确实在长远布局——既赚了口碑，又留住了后路。