一条由语音库机器人声音朗读的打赏消息还算过得去。但同一条消息用你自己的声音读出来，就是社区会讨论好几周的时刻。本指南介绍主播如何克隆自己的声音用于 TTS、你的声音数据会经历什么，以及是什么阻止观众让你说出你绝不会说的话。
先说明一点：在当前测试阶段，ControlPlay TTS 按账号单独开通；而 Own Voice，也就是你自己声音的 AI 克隆，是一项独立选项，仅通过邀请开通。语音库声音不需要它也能使用。
用你自己的声音朗读的 TTS 如何运作
- 你录制简短的声音样本。 在 ControlPlay Client 中上传你自己声音的片段：最多 25 条样本，每条最多 10 MB，支持 MP3、WAV、OGG 等常见格式。
- 系统创建一个 AI 声音模型。 样本会一次性传输给语音服务商，用于创建你的声音模型。没有训练队列；声音在创建完成后立即可用。
- 观众写下消息，你的声音说出来。 观众通过你在 Twitch Extension 中启用的操作提交消息，使用可用的 Coins。审核通过后，消息会用你的克隆声音播放。
语音按 TTS 操作单独选择，所以你可以同时提供语音库声音和你自己的声音，并设置不同的 Coins 数量。
上传你的声音安全吗？
真正重要的问题是所有权、存储和删除。这是 ControlPlay 的明确回答：
- 只能克隆你自己的声音。 你只能克隆你自己。客户端会在创建克隆前显示隐私信息。
- 样本不会被保留。 你的录音只会一次性传输，用于创建声音模型。之后生成语音时，只发送声音引用和消息文本。
- 你可以随时删除。 随时在客户端中删除你的克隆声音；它也会在语音服务商处一并删除。删除你的 ControlPlay 账号后，声音会自动移除。
克隆别人则完全是另一回事。名人或其他主播从未同意你上传他们的声音，而冒充行为受 Twitch 社区准则约束。让克隆停留在它该在的地方：你的声音、你的同意、你的频道。
是什么阻止观众滥用你的声音？
每个自定义声音背后最真实的担忧：陌生人输入一句歧视性辱骂，然后由你自己的声音说出来。ControlPlay 会在任何音频生成之前检查每一条消息：词语过滤器先拦下已知词语和常见的绕过手法，随后语义 AI 检查通读整条消息，识别仇恨、骚扰和威胁。未通过检查的消息永远不会被合成；在拦截模式下，观众的 Coins 会自动退还。
此外，你还可以控制日常粗口、自己的屏蔽词以及针对单个观众的暂停。TTS 审核指南介绍完整的系统。还有一点必须说清楚：观众永远无法访问你真正的麦克风。他们提交的是文字；说话的是你配置好的、带审核的处理流程。
你的声音进入 Discord 和游戏语音聊天
在直播输出中播放时，一条克隆声音消息就是一个普通的 TTS 时刻。而通过已配置的虚拟麦克风路由后，它可以进入 Discord、TeamSpeak 或兼容的游戏内语音聊天，让队友在对局中听到“你”对聊天区做出反应。某个语音聊天能否接收到它取决于你的音频设置，所以上线前先在私人通话里测试。
ControlPlay 特色功能： 观众写下的台词，用你自己的克隆声音说出，在播放前经过审核，并且可以路由进语音聊天。每个环节单独看都存在于别处；组合在一起，才是剪辑的来源。
录制听起来像你的样本
模型的上限取决于你提供的音频：
- 在安静的房间里录音，避免音乐、游戏声音或电流嗡嗡声。
- 自然地说话，就像你在直播中那样，不要像新闻播音员。
- 使用多条较短、句子多样的片段，而不是一段单调的长录音。
- 不要使用包含其他人声音的片段；模型应该只听到你。
如果第一次的结果听起来不对，删除该声音，用更干净的样本重新创建。
设置你的自定义 TTS 声音
- 创建 ControlPlay 账号，连接 Twitch，安装 Windows 客户端并启用 Extension。
- 先用语音库声音设置 TTS；Twitch TTS 设置指南介绍语音选择、音频路由和测试。
- 在测试阶段，Own Voice 仅通过邀请开通；请联系 ControlPlay 支持询问开通事宜。
- 收到邀请后，录制你的样本，阅读隐私信息，然后创建你的声音。
- 配置该操作的 Coins 数量、冷却时间和审核设置，然后用观众账号发送一条无害消息进行测试。
一开始把审核设置得比你以为需要的更严格。你自己的声音说错话，比任何机器人声音都更伤人。