Leaf Yeah!(@leaf_sanren):٩(•̤̀ᵕ•̤́๑)ᵒᵏᵎᵎᵎᵎ 我克隆了网红【峰哥亡命天涯】的声音和记忆，让 AI 用他的方式跟我实时对话。第一次听到"峰哥"的声音从电脑里怼我，愣了几秒。。像跟直播连麦一样。这个项目我叫它 Talk to Me，从 V1 到 V3.6 迭代了好几轮。它干的事：你说话，AI 用克隆出来的声音回你，记得你们聊过什么，还带着那个人的性格和说话方式。怎么做到的——四个开源项目 + 云 GPU 拼出来的： • 本地笔记蒸馏 → 352 条笔记压成人格和说话风格 • LiveKit → 实时语音通话的底层框架 • VoxCPM → 云 GPU 上跑中文音色克隆 • OpenViking → 长期记忆，聊过的内容能找回来没用大厂现成方案，STT→LLM→TTS 每一环都自己拆过换过踩过坑。比如... Cartesia 中文克隆翻车、GPU 迁移重配 SSH、粒子 UI 丑到没法看……全链路延迟从 8-20秒/句压到 1 秒内。其实一开始只是想跟自己对话——蒸馏自己的知识库，克隆自己的声音---- 我太寂寞了，想着自己和自己对话呢🤫 后来觉得不够有意思，就换成了网红的音色和人格，体验一下就完全不一样了。这也让我意识到：不只是"我的分身"，而是谁都可以有一个能实时对话的 AI 版本。代码还很粗糙，坑还很多。但如果大家觉得有意思，后面可以拆解技术细节做个系列。附一条自测 demo 👇

2026.06.23 08:50

٩(•̤̀ᵕ•̤́๑)ᵒᵏᵎᵎᵎᵎ 我克隆了网红【峰哥亡命天涯】的声音和记忆，让 AI 用他的方式跟我实时对话。第一次听到"峰哥"的声音从电脑里怼我，愣了几秒。。像跟直播连麦一样。这个项目我叫它 Talk to Me，从 V1 到 V3.6 迭代了好几轮。它干的事：你说话，AI 用克隆出来的声音回你，记得你们聊过什么，还带着那个人的性格和说话方式。怎么做到的——四个开源项目 + 云 GPU 拼出来的： • 本地笔记蒸馏 → 352 条笔记压成人格和说话风格 • LiveKit → 实时语音通话的底层框架 • VoxCPM → 云 GPU 上跑中文音色克隆 • OpenViking → 长期记忆，聊过的内容能找回来没用大厂现成方案，STT→LLM→TTS 每一环都自己拆过换过踩过坑。比如... Cartesia 中文克隆翻车、GPU 迁移重配 SSH、粒子 UI 丑到没法看……全链路延迟从 8-20秒/句压到 1 秒内。其实一开始只是想跟自己对话——蒸馏自己的知识库，克隆自己的声音---- 我太寂寞了，想着自己和自己对话呢🤫 后来觉得不够有意思，就换成了网红的音色和人格，体验一下就完全不一样了。这也让我意识到：不只是"我的分身"，而是谁都可以有一个能实时对话的 AI 版本。代码还很粗糙，坑还很多。但如果大家觉得有意思，后面可以拆解技术细节做个系列。附一条自测 demo 👇