之前试过 Google 的 NotebookLM AI 笔记本（能这么叫吗？）能从上传的 PDF 文档中整理出内容、生成提问，甚至于生成谈话播客内容的音频。可惜，我之前的尝试的时候，只能生成英语对话。于是我就想到，能不能用 ChatGPT 来试试看生成播客的文字稿呢？而内容，我则选择了 Wikipdia 上的条目。
我先尝试了日本 Falcom 这个条目。当然，在此之前，我告诉 ChatGPT 的指示是：
此外，我也询问了 ChatGPT ，这样使用并衍生出新的别的形式的作品，是否符合 Wikipedia 的规范。得到 ChatGPT 的回答是：
昨天玩了一下ChatTTS这款新出的AI语音合成软件，其特点是：能够表达出自然的停顿、语气词、笑声等等。在上周得知这款软件后，我就开始形成了一个想法：那些在人们的语言中本来或许被认为是「负面要素」或「噪讯」的东西，或许在现在，却能够成为一个人的个人特征。
我想到的有：
思考停顿词。比如：「嗯……啊……这个……那个……OK」等等词汇，有些人确实努力一边思考一边交谈，就会产生这样的习惯性停顿词。
口吃。这个也是一种停顿或者短促重复的现象。
方言。这个就更值得一说了，它不仅反映了地域，还能反映出生活年代的特征。比如上海话里有「尖团音」，但据说这是一种比较老派的上海口音。我记得之前看到一档G僧东的节目，或许是《好叫好伐》，里面就提到一位年轻人叫出租车时，在电话里用带有「尖团音」的上海话与司机交谈。等到司机把车开到他面前时，却觉得眼前的小伙子与之前联络的不是同一个人：刚才接电话的明明应该是一位老先生呀？
此外，还有非母语表达错误。在学习第二语言时，总会多多少少会有一些因为学得不够扎实，或没有形成一种语言习惯。故而一旦用到了那几个外语的词汇、语法现象，人就会无意识地将声音放轻、模糊，因为没有自信。或是干脆说错了。据说汉语的母语者在说日语时，比较容易在日语的形容词与名词之间加上「の」（的）。在日语里，其实形容词与名词之间是不需要「的」。例如「美しい花」。而汉语学习者因为习惯了「美丽的花」，就容易错误地说成「美しいの花」。
以上这4点，是我想到的4个个人说话的特征。并且我想它们应该并非随机出现的，而是有一定规律的。比如思考停顿词和口吃，我想应该是总会卡在那几个发音上或者思考命题上——也就是说，有其脑部结构的生理原因。而方言与非母语表达错误，也应该是与个人学习母语经历，及个人的外语学习经历有关，也非随机出现的。
这样一来，即便ChatTTS能够产生出一些模仿人类语气词、叹息等的语言，但或许在短时间内（3～5年？）它应该还不能模仿到具体某个普通人的这些个人语言特征——因为没有足够多的训练、学习数据。这便让我想到了一天世界播客在前几期（懒得找具体是哪一期了，请见谅。大约是2024年4月或5月的某一期）谈到口语文化时提到的一个观念：一个人的声音是一个人不可剥夺的特征（残酷暴力手段除外）。
你有没有作过这样的脑内补完式的尝试？在大脑里回忆起不同人的声音，想象着用他们的声线说出同一句话，你会在脑海内听见不同的声音。
比如你想着你母亲对你说：“早上好”，及你的同学对你说“早上好”，虽然都只是由你一个人在脑内补完的，但却似乎能“听”到他们两人以各自不同的声音说话，并且他们实际上并没有说过这些话。
这样看来，我们回忆（或者说在脑中设想）的内容不仅仅是语言本身，还可以带上不同的语音。甚至于，你可以模拟出没有特定的人物对象，只有一些特征的声音，比如你想象一下“一个粗哑嗓门的男人”对你说“早上好”，那么你一定也能“听见”这个声音的吧？
于是我来YY一下：如果科学技术发展到一定水平，能把这种脑内补完而听到的“语音”采集下来，那么一个人——只要他的脑内补完功能足够强大且足够稳定——他就可以代替一群声优的工作，甚至他可以一个人输出多个人对话时的语音！
会有这么神奇的事吗？大家还是脑内补完一下吧。
