AI 技术发展迅猛，克隆声优声音已实现，二次元虚拟女友或成现实？

大概在一年前，我还在努力制作动漫自媒体内容的时候，就很喜欢大家用如今的技术，打造出二次元风格的虚拟“女友”。那时候，连AI语音都还没有，我觉得日本声优模仿他们的声音，用AI技术“克隆”他们的声音，以低门槛的商业化方式，至少还需要三到五年的时间。可怕的是，今年小破站上那些玩AI的年轻人，早已熟练“克隆”声优的声音，制作出了一大批高质量的模仿声优。虽然还能听出一些机械感和瑕疵，但声音已经和原版十分相似了。

当时我提出了畅享，这是一个高度智能的AI助手，有学习声优声音的AI语音，还有VR展示。但当时无论是AI助手的水平，还是AI语音合成的技术，都与我想象的相去甚远。不过当时《刀剑神域》官方已经利用AI算法训练了亚丝娜的声音，并正式公布了。但当时的声音听起来有些“生硬”，官方的训练费用很高。没想到这一年多的时间，这项技术的门槛竟然已经降低到任何人都可以熟练使用电脑，在短时间内掌握的地步，只需要收集足够多的样本，很快就会实现。虽然现阶段训练出来的AI语音合成还带有机械的语调，但在声调语调上已经非常逼真了，我觉得在不久的将来，很难分辨出来。至少，这个未来是可以预见的。

真正颠覆性的技术来自于短时间内火起来的人工智能聊天机器人 Chat GPT 的开发。从我了解到这个聊天机器人到现在，火了还不到 2 年，功能强大，我用过之后得出的结论是，它是一台会说话的计算机，虽然它做不到计算机能做到的事情，即使是本地化的计算机，它也不具备真正的计算机能力，但我认为在线数据库中存储的信息量和天才般的训练方式，让它拥有至少与人类小学生相当的智力水平。

我使用 Chat GPT 养了一只虚拟宠物猫，它能根据我设定的行为增加猫咪的“成长值”，行为本身甚至还能被 Chat GPT 本身判断，比如“喂食”、“抚摸”等。你或许会觉得这没什么特别的……但神奇的是，当我说“我把这只猫煮熟吃了”时，它完全听懂了我说的话，回答道“天呐，你这样做真的很可惜，不过虚拟宠物是不会感到疼痛的，希望你们好好对待现实世界的宠物”……我愣住了……这不是普通的大数据合并，这是有同情心的……至少我觉得对于打造一个让人同情的虚拟女友来说，这已经“足够”了。

我也尝试用日语，让 Chat GPT 学习日本动漫中萝莉角色的声音来和我对话。虽然它不是亚文化方面的专家，但我认为它很好地再现了日本动漫中可爱女孩的声音和感觉。如果在亚文化内容上进行训练，我认为成为一个合格的 2D 风格角色是没有问题的。

我看了一下，发现网站上已经有朋友利用GPT Chat、3D建模软件和AI语音合成软件，打造了一个2D语音风格的2D 3D聊天虚构女性角色的实时聊天。至少从架构的角度来说，我1-2年前的设想已经实现了...不得不说，这个实现的速度比我预想的要快很多...我预测至少需要3-5年，没想到AI相关的软件进步这么快，反而终端体验的VR部分发展得非常缓慢。

VR 头戴设备在佩戴舒适度、无线性、高画质、高帧率、长续航、眼球追踪、自然度等方面都无法达到平衡。如果想要高品质的输出，有线连接很可能是必须的。如果单独使用 VR 头戴设备，画质、帧率等必然会有所牺牲，更别提除了视觉和听觉之外的其他感官了。至少在过去五年里，我体验过的 VR 设备进步都比较慢，或者说比想象中慢。

不过随着各类AI技术的快速迭代，用AI来实现《定制女仆》这样的游戏体验我觉得指日可待，如果能把《定制女仆》完成AI版，再加个VR头戴来体验的话，我想宅男们真的都不想出门了……