本地跑了个双人对话播客，零成本，全程AI克隆声音。 效果？听不出来是AI。

🔧 用了什么 AuK TTS（腾讯开源，1.5B参数，MIT协议） + 一张8GB显卡（RTX 5060） + 两段5秒参考音频 一个做主持人（知性女声），一个做嘉宾（评论男声） 22段对话，3分41秒完整播客

📊 AB测试：一步法 vs 两步法 一步法：克隆+情绪合在一起说 → RMS=0.03，31%静音，声音发虚 两步法：先克隆原文，再编辑情绪 → RMS=0.06，22%静音，声音饱满 结论：两步法完胜，多花一倍时间但质量差一个档次

⚡ GPU加速24倍 CPU跑两步法：1390秒（23分钟）一句 GPU cpu_offload：57秒一句 原理：Qwen编码器11.2GB塞不进8GB显存 → 用cpu_offload，推理时搬到GPU，跑完搬回CPU → 加速比24倍，播客22段30分钟搞定

🎙️ 实测踩坑（必看）
❶ 数字必须转中文："9.7分"→"九点七分"，否则读成英文
❷ 混合词要预处理："8GB"→"八G内存"，不然读成"eight G B"
❸ 短句gen_seconds要给够，min 8秒，否则男声会重复说两遍
❹ 归一化到RMS 0.15，不然音量忽大忽小
❺ 段间crossfade 0.15秒，避免爆音

💡 完整管线
参考音频(5秒) → AuK两步法(克隆→情绪) → RMS归一化 → 逐句保存 → crossfade合并 → 成品wav 脚本已固化，换个播客脚本就能复用

收藏这条，下次做播客直接照抄管线

🔖 关注我追更「本地AI内容生产」系列，下一个测AI有声书还是AI广播剧？

#AI搞学习howto #播客 #榨干设备howto #有声书录制 #我这行的AI路