他把网红峰哥做成了能打电话的 AI 分身，开源了，半小时能跑通
【闲鱼】他把网红峰哥做成了能打电话的 AI 分身，开源了，半小时能跑通
昨天刷 X 的时候看到一个东西，停下来看了很久。开发者 Leaf（@leaf_sanren）把网红峰哥做成了一个 AI 分身，不是那种文字聊天机器人，是能实时语音通话的那种。你打过去，对面用峰哥的声音、峰哥的说话方式跟你聊。这条帖子被转发后有 7500 多人看过，63 个人收藏了它。收藏量比点赞还多，说明看的人在琢磨怎么用。
Leaf 一个人做的，全开源。技术栈拆开看并不复杂：语音识别用的 Cartesia ink-whisper，带降噪，能防止环境音误触发；大模型接的 MiniMax 高速版，首字响应 361 毫秒；语音合成用 VoxCPM 开源克隆方案，给它 15 秒清晰语音素材就能复刻一个人的声音。人格部分用了一个叫"女娲 Skill"的东西，从峰哥的直播语料里蒸馏出口头禅和思维逻辑。三个开源组件拼在一起，延迟从最早的 8-20 秒压到了体感 2-3 秒。
项目本身免费，代码开源在 GitHub 上。但我去淘宝和拼多多搜了一下"声音克隆"，发现已经有人在卖相关工具和服务了。工具类产品月销 100 到 1000 多单，单价 3 到 70 块不等。闲鱼上有人挂"AI 声音克隆代做"，报价 50 到 300 一单。再往上走，专业的 1:1 声音克隆定制服务，报价 2000 到 8000 块。从几块钱的工具到几千块的定制，价格带已经拉开了。
以前做这种事情门槛很高。你要么自己训练模型，要么找专业团队，光调一个能用的语音克隆就要折腾好几天。现在的变化是什么呢——Leaf 这个项目，普通人克隆下来之后，用 Claude Code 或者 Cursor 辅助配置，填两个 API Key，半小时就能跑通。想换成别的人也行，准备 15 秒清晰语音加一段人格描述就够了。半小时从零到一个能对话的 AI 分身，这个时间成本已经低到可以试错了。
想动手的话路径很清晰：去 GitHub 搜这个项目，克隆到本地，按文档配好两个 API Key，录一段 15 秒的清晰语音当素材，写一段人格描述喂进去。不需要你会写代码，Claude Code 和 Cursor 能帮你处理配置环节。跑通之后你会拿到一个能实时语音对话的 AI 分身，先用自己的声音测试，确认效果再想下一步。
这个能力一旦跑通，能迁移的方向不少。直播间里跑一个数字人，用主播本人的声音和说话风格做互动；虚拟主播赛道，给 VTuber 做一个能接电话的 AI 版本；
私域里做 IP 互动，让粉丝能跟"本人"语音聊天；或者最直接的，去闲鱼接声音克隆的代做单，帮别人配好环境、调好效果，一单收个几十到几百。技术门槛降下来之后，卖铲子的机会往往比挖金子来得快。
最后说一个绕不开的事。声音克隆涉及肖像权和声音权，用别人的声音做商业化，没拿到授权就是法律风险。Leaf 做峰哥的分身是个技术演示，但如果你拿来接单、拿来做直播，用的是真人的声音和形象，平台随时可能限制，被克隆的人也随时可能追责。目前各平台对 AI 生成内容的规则还在收紧，这个口子能开多久不好说。动手之前，先想清楚用谁的声音、怎么拿授权。
AI编程
跟着星宝们暴风成长，终于摆脱咸鱼体质了 路过~保持活跃~送给大家一句话：一个阶段有一个阶段要完成的事情，不要给未来的自己越俎代庖。 破局要花时间改变现状，用实实在在的变化推翻他人对你的定位。
页:
[1]