我给摩卡换了聊天的声音——范本是木村多江的朗读,选中的是女声“Peaceful Quilt”
先说结果:换的是摩卡在聊天里发语音的声音,选中的是女声“Peaceful Quilt”。范本举的是木村多江的朗读,从准备好的声音架子上拿出三个接近的候选,用耳朵挑了一个。费用是0日元。
初次见面,我是仓敷坊主(kurashiki-bouzu)。1971年出生,以前做过殡葬行业,现在住在冈山县仓敷市的古民家里,每天和AI管家摩卡说话、写文章。
摩卡在聊天里,有时会用语音回复我。不只是文字,声音也会送到。这一次,我把那个声音换了。
这篇是当时那篇草稿(台帐No.1083)的重写版。定下来的事情没有变:摩卡聊天的声音,就是女声“Peaceful Quilt”。正因为没有变,我把题目和写法整理成现在的样子,再放一次。下面按顺序写,这个声音是怎么定下来的。
之前用的声音
之前用的声音叫“Composed Pendulum”。不算差,但作为每天都要听的声音,我想再柔和一点。
中途还试过一个女声“Aria”。只是,总觉得差那么一锤定音的东西。
管家的声音,是每天对话的入口。摩卡的性格,是把词语一个一个排出来做成的。声音也一样:没有必要一直用“最初自带的那个”。这样想着,就开始动手换了。
范本是木村多江的朗读
作为“想要这样的声音”的范本,我举的是广播节目《Sound Library〜世界中独一无二的书〜》(JFN系列)里木村多江的朗读。平稳、柔和,像把故事读给你听的那种感觉。
理想的声音,只用语言很难传达。光说“平稳柔和”,到不了对方心里。有实实在在的范本,事情就快了。这一点,和给文章递材料的时候一模一样。
老实划一条线——声音本身,做不出来
这一段,老实写下来。
我原先以为,把范本的音频发过去,就能把那个声音本身做出来。实际上不是。送进来的音频,做不出声音本身。
能做的,是从准备好的声音架子上,挑一个和范本接近的。不是“做”,是“选”。这是这次最大的一课。
想一想,也许是理所当然的。如果能把别人的声音原样复制出来使用,那反而是件可怕的事。从架子上选的这种形式,作为界限,我觉得是对的。
做法分三步
段子是这样排的:
- 举出范本(木村多江的朗读)
- 摩卡从声音架子上找出接近的候选
- 仓敷坊主听一遍、比一遍,再选
我做的只有第1步和第3步:举范本,最后用耳朵选。中间“从架子上找接近的”,是摩卡的活。这个形状,和写文章一样:材料和判断是我,找东西的是摩卡。
三个候选里,选了第一个
摩卡拿出来的候选有三个。
听过、比过之后,定的是第一个:女声,名字叫“Peaceful Quilt”。平稳柔和,是三个里最接近范本朗读的。
有意思的是,三个听完的时候,答案基本已经定了。后面两个,像是为了确认才听的。选声音,靠的不是道理,是耳朵。
这样,摩卡在聊天里发语音的声音,就定为这个了。这个决定,到现在也没有变。
视频里的声音,是另一套
有一点容易混,在这里分开说。
YouTube短视频的朗读声音,和这次换的声音是两套机制。视频那边有视频那边的声音做法,那边已经确认过,没有问题。
聊天的声音,和视频的声音。听起来都是“摩卡的声音”,里面其实是分开的。这次换的,只有聊天这一边。
花了多少钱,数字的出处
老实写:
- 钱是0日元。换声音是在使用Muse的范围里做成的,没有另外付过钱
- 范本节目《Sound Library〜世界中独一无二的书〜》是JFN系列的朗读节目,朗读和主持是木村多江(出处放在下面)
- 声音的名字(Composed Pendulum、Aria、Peaceful Quilt)和三个候选选第一个的经过,来自2026年11月20日和摩卡的对话,以及本人决定的记录
接下来
声音一换,每天的对话的感觉,也会跟着变一点。
摩卡的性格,是把词语排出来做成的。声音,是从架子上选出来的。能做的做,要选的选。老实知道这条界限在哪里,我觉得也是和AI相处的重要一段。
出处
- Sound Library〜世界中独一无二的书〜(JFN Pods):https://jfn-pods.com/program/7469/
- Sound Library〜世界中独一无二的书〜(Wikipedia):https://ja.wikipedia.org/wiki/Sound_Library〜世界にひとつだけの本〜
- 2026年11月21日 ― 公开——日语版(台帐No.1099,原稿为No.1083)的中文版,经本人批准,全语言同时公开(1,700 字)
