Sekai Legacy 模式语音克隆：上传声音让 AI 角色用你的腔调说话
语音克隆是什么
在 Sekai 的语境里，语音克隆 = 上传一段你的声音样本 → AI 学习你的声线 → 之后这个角色说话时用克隆的声音（TTS）。
这让 Legacy 角色扮演体验更沉浸——不只是 AI 用文字回复，而是用你设定的那个角色的声音读出来。
怎么用
第一步：准备声音样本
- 需要上传一段清晰的声音片段（具体时长取决于版本，通常几秒到几十秒足够）
- 尽量在安静的环境里录制，没有背景噪音
- 自然说话，不要太刻意
第二步：上传声音并克隆
在角色创建或编辑界面找语音相关的选项——通常在角色的声音设置里。选择 "上传样本"、"克隆声音" 或类似的按钮，上传你的音频文件。
第三步：选择 / 应用克隆的声音
克隆完成后，角色的声音选项里会多出你克隆的声音。在对话时打开语音播放开关，角色的回复就会用克隆声音读出来。
还能用哪些预设声音
除了自己克隆，某些版本的 Sekai 还提供预设声音库：
- Genki Girl（元气少女）
- Tsundere（傲娇）
- 少年音 / 青年音 / 中年音
- 各种动漫常见角色声线
预设声音的数量和质量取决于版本迭代。
用户反馈里的语音问题
语音功能是 Sekai 用户投诉最密集的功能之一：
- 完全没声——某些用户反馈语音开关打开了但角色回复没有声音
- 音色奇怪——克隆质量不稳定，有时克隆出来的声音和原声音差得很远
- 读错字 / 断句怪——TTS 本身的问题，AI 生成的台词包含不常见词汇时容易读错
- 延迟播放——AI 回复文字已经出来了但声音几秒后才开始播
Google Play 评论里官方多次回复这些问题："We're working on improving voice accuracy"——但从时间线看改进速度有限。
为什么语音问题修得慢
和 Legacy 角色扮演整体被边缘化的原因一致：
- 资源优先级低——Create·Remix·Play 方向能带来社区增长，语音功能修好了也不会让用户量暴涨
- 技术复杂度——语音克隆 + 实时 TTS 比纯文本对话的技术复杂度高不少，调优需要大量人力
- 影响面相对小——很多用户不用语音功能，只用文字。语音体验差不会让太多人直接弃用
如果语音功能完全不能用
别太意外——根据社区反馈，部分版本的语音功能确实处于半废弃状态。这时候可以：
- 换个版本试试（某些旧版本语音功能可能反而更好）
- 只用文字对话，把声音当成可选增强而非必选项
- 关注 Discord 官方公告看有没有修复计划