站長已經玩 AI 繪圖半年的時間，也碰了最近非常熱門的 ChatGPT，非常明白理解到 AI 的進步速度跟好用程度，現在不去學習如何去使用它，那很快地就會被取代了！AI 語音其實不是什麼很新鮮的技術，但近期終於有人讓它變得更簡單、好使用，那就是近期登場的 Retrieval-based-Voice-Conversion…

VC Client 是一款使用 MMVC、so-vits-svc、RVC（Retrieval-based-Voice-Conversion）等人工智慧技術的即時語音變聲器客戶端軟體。此外，它還提供了用於錄製訓練音檔（適用於 MMVC）的工具，以滿足即時語音變聲器所需的訓練需求。RVC 的人聲模型訓練建議透過 Retrieval-based-Voice-Conversion-WebUI 協助訓練，

Retrieval-based-Voice-Conversion-WebUI（簡稱 RVC），提供完全基於 Web 的 GUI 介面，可以讓您輕鬆的在上頭訓練人聲成 .pth 模型檔，即讓 AI 學會一個人的聲音，是 AI 語音領域近期相當火熱的軟體（雖然在台灣還沒什麼人知道），下載及安裝使用方式還請先看我的上篇文章。這次要來嘗試的是 RVC 提供之「ckpt 處理」中「模型融合」的功能，

Retrieval-based-Voice-Conversion-WebUI（簡稱 RVC），該工具可以讓您輕鬆的在上頭訓練人聲成 .pth 模型檔，即讓 AI 學會一個人的聲音。進階使用還可以將 .pth 模型檔依照比例融合，創造完全獨一無二的聲音！此次示範人聲模型融合效果 。
文字稿：ChatGPT
模型訓練集聲源：ずんだもんCV：伊藤ゆいな & 東北イタコCV：木戸衣吹
插圖來源：https://zunko.jp/con_illust.html

▲ 時間軸空降：
00:00:00 片頭
00:00:02…

IndexTTS-2 是由 Bilibili IndexSpeech 團隊推出的新一代自回歸式（Auto-Regressive）零樣本文字轉語音（TTS）模型，主打「高情緒表現力」與「可控語音時長」兩大核心突破。相較於過去多數 TTS 模型只能自然生成語音卻難以精準控制長度，IndexTTS-2 提出一套全新的時長適配…

在 2026 年初的 CES 大展上，Lightricks 推出了震撼 AI 業界的 LTX-2 開源影音模型，正式宣告影片生成進入了「音影同步」的新紀元。不同於以往模型僅能生成無聲畫面，LTX-2 是一款強大的影音底層模型，其最大的特色在於能夠在單次生成過程中（Single Pass），同步產生動作細節、人物對話、背…

隨著生成式 AI 技術的飛速發展，影片生成領域正迎來一場革命。由 Lightricks 團隊開發的 LTX-2 模型正式發布，並在首日即獲得 ComfyUI 的原生支援，這對於廣大 AI 創作愛好者來說無疑是一大福音。LTX-2 不僅能生成高品質的視覺畫面，最令人驚豔的是它具備同步生成語音、對話、背景噪音與音樂的能力，…

隨著人工智慧技術的飛速發展，AI 生成音樂已經不再是新鮮事，但過去高品質的生成往往受限於付費的雲端訂閱服務。最近，開源界迎來了震撼性的進展 —— HeartMuLa 系列模型正式發布。這是一個擁有強大參數量的音樂大模型家族，不僅支援中、英、日、韓、西等多國語言的人聲歌詞生成，更透過其專有的 HeartCodec 技術，…

在 AI 影片生成技術跨越式突破的 2026 年，創作者對影音同步品質與生成效率的要求已推升至全新境界。MiniMax 稀宇科技推出的大型全模態模型 MiniMax H3，憑藉其原生「聲畫同步聯合生成」的強大架構，一次算完就能同時輸出畫面和立體聲，成為開源社群中極具代表性的頂級模型。然而，原生模型龐大的參數開銷與長時間…

在 AI 多模態模型持續突破的 2026 年，MiniMax H3 憑藉其原生「聲畫同步聯合生成」的強大能力，成為當前開源影音生成領域的標竿之一。它不僅能根據靜態圖片與文字生成流暢的動態影片，更能透過音訊 VAE 直接解碼出環境音效、現場背景配樂甚至人聲歌唱。然而，在實際運用 MiniMax H3 進行角色歌唱或對白表…

⚠️ 本文為 R-15 分級的文章，建議年滿 15 歲者觀看。 在 AI 生成技術飛速發展的 2026 年，開源影片生成模型（如 MiniMax H3）憑藉其強大的聲畫同步與多模態渲染能力，成為本地部署創作者的研究熱點。然而，對於許多商業雲端 API 或線上 AI 服務而言，由於審查機制與政策限制，通常會嚴格禁止敏感…