bb1243
我最原本的想法实际上就是想根据 stella 的声音炼个中文版的“stella”出来，不过目前做的实验结果并不太好，主要声音样本是英文的，练完念英语或者拉丁语系的话，还凑乎，念 CJK 这种，比如中文、日语什么的，听起来吞音太严重了，所以后面才直接找了现在这个免费的御姐音。
实际上收费的御姐音也有听起来比较有感觉的，不过需要收费的，费用我倒是可以承担的起（也就百十来块钱吧，无所谓），主要还是想先看看这个资源受众到底有多少，而且 TTS 这块不是瓶颈，更多的还是在台本本身以及音效方面怎么做混响上。
我昨天晚上去研究了 shibby 那个汉化的音频，我感觉那个的思路也是可以的，就是把中文的声音叠加到原音频上，最终的效果有点类似于英文念一句，中文翻译一句，其实听感也是可以的，不过暂时我不知道那个音频是人工做的混音还是脚本混的，感觉像是人工混的，因为每句话的间隔是动态的，如果是人工混的，这个工作量就有点巨大了。
当前这个英文音频的 ASR 翻译完的台本，大概一个音频里面有 150 到 250 句话，每句话单独翻译、TTS、再校对时间轴，估计一句话需要大概 3 ～ 5 分钟的样子，一个音频就是 6 ～ 10 小时工作量的样子。