女朋友生日快到的时候,我想送她一份特别点的礼物。
她很爱看小说,但工作以后,真正能坐下来翻书的时间越来越少。每天早上挤地铁,她耳机一戴,就开始听有声书。从古言重生听到悬疑刑侦,有时候晚上洗澡都不摘耳机。我看她那样,突然冒出一个念头:要不我给她录一本书吧。
录她最喜欢的《小王子》。
这个念头刚冒出来时,我还挺得意。觉得这礼物又省钱,又独一份,听起来还挺浪漫。结果真正开始录,我才知道自己想得太简单。
那天下午,我把手机架在书桌前,清了清嗓子,翻开书,认真念:“当我还只有六岁的时候……”
刚开始还像模像样。念到第二页,嗓子就有点紧。念到第三页,嘴巴开始发干。我一边念,一边忍不住吞口水,吞完又觉得那声太明显,只好停下来重录。
更烦的是,家里根本没有我想象中那么安静。楼下有人按喇叭,隔壁不知道在拖什么东西,电脑风扇突然嗡地转起来。最离谱的是,我好不容易念顺了一段,回听时才发现自己把“一朵玫瑰花”念成了“一朵玫瑰发”。
我盯着进度条看了半天,自己都笑了。
一个下午过去,我只录了四章。嗓子哑得像刚吵完架,桌上放着两杯水,一杯已经凉透了。那一刻我突然明白,为什么有声书主播能靠这个吃饭。以前听书总觉得“念字嘛,有什么难的”,真轮到自己,才知道一段听着顺耳的声音,背后有多费劲。
晚上我躺在床上,越想越不甘心。生日没剩几天了,我肯定录不完。于是我开始在手机上搜“文字转语音”“怎么快速做有声书”之类的东西。
搜着搜着,就看到了声音克隆。
有个工具说,只要录二十句话,就能生成一个像自己的AI声音。我盯着那个介绍看了挺久。说实话,第一反应不是兴奋,是有点别扭。把自己的声音交出去,总觉得像把身份证照片发给陌生人一样,心里没底。
但人一着急,就容易说服自己。
我想,反正只是做个生日礼物,用完删掉就行。再说了,它也不可能真的变成我。
第二天下午,我还是下载了那个软件。
录样本的时候,系统给了我二十句话。都是些很普通、甚至有点没头没尾的句子。
“天空很蓝,云朵像棉花糖。” “我想去海边看一次落日。” “今天的风吹起来很舒服。”
我把卧室门关上,窗帘拉严,连空调都关了。屋子里一下子闷起来,夏末那种潮热贴在皮肤上,怎么坐都不舒服。我拿着手机,一句一句念。系统要求每句话都要清楚、稳定,不能有杂音。
念到后面,我已经有点烦了。不是生气,就是那种被迫端着说话的疲惫。每个字都小心翼翼,生怕它提示“不合格,请重录”。
大概录到一半的时候,窗外突然传来两声鸟叫。
很清脆,离得很近,像停在窗沿上叫的。
我停了一下,看着手机屏幕。按理说,这条应该重录。可我那会儿后背已经出汗了,脖子上也黏糊糊的,整个人只想快点结束。我犹豫了几秒,最后还是点了下一句。
算了,我想。反正也就两声鸟叫,应该没事。
提交以后,系统显示需要等十分钟。
那十分钟其实挺奇怪的。我去厨房倒了杯水,又回到卧室,在椅子上坐下。手机放在桌上,屏幕暗了又亮。我明明知道这只是一个工具,却总觉得自己刚刚把某个东西交了出去,正在等它被加工成另一个样子。
生成完成的提示弹出来时,我愣了一下才点开。
耳机里响起第一句话的时候,我整个人都僵住了。
那确实是我的声音。
不是“有点像”,也不是“听着像熟人”,而是那种很具体的像。像到我一下子想到自己平时给女朋友发语音时的样子。句尾会稍微往下落,某些字带一点气声,语速不快不慢,甚至连我刻意装得温柔一点的腔调都在。
我当时第一反应是:这也太厉害了。
第二反应是:有点吓人。
它在读《小王子》的第一章,读得很顺,没有卡壳,也没有念错字。比我自己录的版本干净太多。没有吞口水,没有咳嗽,没有翻页声,也没有窗外的车声。
可我越听越不舒服。
因为它太平了。
不是机械,不是僵硬,而是一种很干净、很稳定的平。它像一个永远不会累、不会烦、不会突然被一句话打动的人,用我的声音,把那些句子一行一行念出来。
我试着输入了一句:“我们分手吧。”
它很快生成了音频。
我点开,它用一种近乎温和的语气说:“我们分手吧。”
听完我愣了两秒,然后笑了。但笑完又觉得更不舒服。那句话要是真从我嘴里说出来,不可能是那个样子。可能会停顿,可能会压着嗓子,可能会说得很轻,也可能说到一半就后悔。可它没有。它只是把字读出来了。
我把其中一小段发给女朋友,没告诉她是AI,只说:“我试着录了一段,你听听。”
她过了一会儿回我:“是你吗?”
我心里一紧,回:“不像?”
她说:“像是像,但有点怪。”
我问:“哪里怪?”
她发来一条语音,声音里还带着笑:“就像你被老师叫起来朗读课文,努力装得很自然,但其实心里很想下课。”
我听完那条语音,坐在床边笑了很久。
她说得太准了。
那个声音不是不像我,而是太像我“端着说话”的时候了。它学会了我的音色,学会了我的发音习惯,甚至学会了我那天下午故意放慢的语速。可它不知道我为什么要念这本书,也不知道哪一句对她来说重要,哪一段我自己读着也会心软。
后来那份礼物,我还是做完了。
但没完全交给AI。
我把最想让她听见的段落都自己录了。比如小王子和狐狸那一章,比如“驯养”那一段,比如最后分别的时候。我录得很慢,经常念着念着停下来。有时候是嗓子哑了,有时候是自己觉得刚才那句没读好,还有一次是窗外又传来鸟叫,我停了一下,本来想重录,后来想想,没删。
剩下那些比较长的描写和过渡,我才用那个克隆声音补上。
说实话,拼在一起之后,效果居然还可以。AI负责把书往前推,我负责在那些我觉得重要的地方笨拙地出现。它很干净,我很粗糙。它没有杂音,我这里有翻书声、咳嗽声,还有椅子轻轻响了一下。
生日那天,我把音频发给她。
她听到一半就给我打电话,说:“你真的录了啊?”
我说:“录了好几天。”
她那边安静了一会儿,然后小声说:“我听到你咳嗽了。”
我有点不好意思,说:“那段忘剪了。”
她笑了:“别剪,挺好的。”
后来她又说,她还听到两声鸟叫,问我是不是故意留的。
我愣了一下,说:“嗯,故意的。”
其实那两声鸟叫,有一声是在我自己录的时候进去的,还有一声是在最开始录AI样本时留下的。我没有跟她解释得那么细,只觉得没必要。对她来说,那就是那个下午的一部分。对我来说也是。
生日过后很久,我才又打开那个声音克隆工具。
它还在那里。我的声音模型,安安静静地躺在列表里,名字还是我当时随手打的“test1”。看见那个名字我有点想笑,也有点说不上来的别扭。
我点进去,听了几段之前生成的音频。还是很像我,甚至比我记忆里更像。可我已经没有第一次听时那种新鲜感了,只觉得它像一件穿过一次但不合身的衣服,挂在那里,占着地方。
我又翻出原始样本听了一遍。
听到那两声鸟叫时,我忽然停住了。
它们还在。清清楚楚,嵌在我的一句话后面。那一瞬间,卧室的闷热、拉上的窗帘、手心里的汗、我当时那点不耐烦,全都跟着回来了。
可在克隆出来的声音里,没有鸟叫。
那里干干净净,什么都没有。
我突然有点庆幸。庆幸它学走了我的声音,却没学走那个下午。它能复制我的音色,复制我咬字的方式,复制我那种被迫端正的语气,但它不知道我当时为什么烦,也不知道我后来为什么没删掉那两声鸟叫。
我看着删除按钮,手指停了几秒。
其实留着也没什么。说不定以后还能用。可我又觉得,有些东西留在服务器里,总让我心里不踏实。那不是一段普通录音,而像是一个很像我的空壳。它不会替我生活,却能替我说话。
最后我还是按了删除。
屏幕弹出确认框,我又点了一次。
删除成功。
那一刻我没有什么特别戏剧化的感觉,就是轻轻松了一口气。像关掉了一个一直亮着的小夜灯,房间暗下来,反而踏实了。
后来我偶尔还是会给女朋友发语音。很多时候很随便,背景里有地铁报站声,有外卖小哥敲门声,有我刚睡醒时含糊不清的鼻音。她有时候嫌我说话太快,有时候嫌我只回“嗯嗯嗯”,但她还是会点开听。
我想,声音真正让人觉得亲近的地方,可能不是它像不像,也不是它多清楚。是你知道这个声音后面有个人。那个人会累,会卡壳,会说错字,会因为不好意思而笑一下,也会在某个闷热的下午,被窗外的两声鸟叫打断。
而这些东西,至少现在,还不太容易被复制。