本文背景
前段时间，直播头部公司三只羊还未走出「月饼门」，又陷入「录音门」。
一段疑似三只羊高管的录音内容被曝光，内容低俗，涉及到多位高管、主播，后来警方调查，音频内容不实，为 AI 伪造。好多人还真是无法相信，如今的AI能够到达如此以假乱真的地步。
还有短视频平台上出现了大量“雷军AI配音”的恶搞视频。
在这些视频中，“雷军”宣布捐款给某大学、用小米SU7撞人、远程控制小米手机进行爆炸等。到现在平台上相关话题浏览量已经过亿。
在雷军的微博评论区中也是炸锅了，各种各样评论
到底是用的什么制作的？
觉得这款工具厉害是因为它在我了解的所有语音工具中，处理长文本的能力是最强的，绝对的无可匹敌。
它可以一次性处理5000个字符，或者更多的文本。 而且还能通过3秒以内的声音样本，进行快速声音克隆，雷军语录，就是用这款工具合成的。
效果特别逼真，最重要的是，它不仅功能强大，还具备高度的自然语言处理效果。能够精确的模拟情绪，并生成高质量的音频效果
部署安装
方法一：官网安装
简介官方地址：https://github.com/SWivid/F5-TTS
官网的介绍是需要科学的网络环境，才能够安装相关依赖，
具体的部署教程在下方也有
方法二：整合包直接安装
如果大家觉得麻烦，可以使用整合包，好处不需要在服务器上面部署环境，直接打开就可以使用
打开软件： 
稍等片刻
浏览器就会自动进入主体界面
其中里面的Batched TTS就是输入文案的界面。
使用教程
在这里上传自己的音频或者你想模仿的音频。 
然后在Reference Text输入这段音频的文字，也可以不用输入，为了更精确还是输入的好，反正不需要太长
因为上次雷军事件，有律师说这个违法，所以我这里不示范雷军的音频了，我直接找了一个小姐姐的音频导入。
点击Synthesize开始生成，之需要等几分钟生成完毕
等待下面加载中
完成 
其中这款软件还有对话和声音变色的功能
对话可以通过输入两个不同的音色，整合成一个音频，而不需要你自己手动剪辑整合。 
声音变色就是让声音有不同的情绪，可以高兴、悲伤、生气等等，当然每个情绪都需要上传对应不同的音频，高兴就上传高兴的音频，悲伤就上传悲伤的，以此类推。
总结
有个小技巧大家在用的时候需要注意一下，F5支持中英文，但是不支持数字，这个点就非常的尴尬，所以你需要把数字处理一下变成中文。比如，369，变成“三六九”。F5就能正常识别了。
至于文案方面，方法太多了，最常用的还是借鉴其它的文案，目前新增了第三版重写指令，能够无字数差别重写，深度减少AI味
