跳到案例正文
渐成记·拟声态返回房间

拟声态

声音从哪里进,最终到哪里去。

Windows 声音工作台 · Alpha

桌面与 Android 链路 · 验证中

拟声态实时变声工作台
实时变声主流程与设备路由2026-09-02 · 停止态 · 未加载模型

连接声音采集、
处理、路由与播放。

拟声态把从麦克风到目标应用的各个环节放进同一个工作台,支持逐层追查问题。

这里是实际应用的停止态,波形与音色卡展示默认状态;音质与延迟仍需运行测量。

这项工作,
我负责什么

我的工作

持续推进实时变声与跨设备使用目标,把桌面操作、移动端约束和实际听感纳入同一套验收要求。

AI 的参与

承担音频管线、模型适配、跨端实现、排错与测试工具开发。使用的算法、模型权重与虚拟音频驱动归属各自的第三方来源。

按处理职责
逐层定位问题。

背景噪声、转换结果、音色修整和输出峰值分别对应不同处理环节。将职责拆开,逐项判断需要修改的位置。

点选一个环节,查看它在原图中的职责

拟声态音频处理链控制
处理链与输出保护2026-09-02 · 原始控制区裁切 · 引擎未启动

先分清职责

四个处理环节,
分别配置参数。

四个环节在界面上分开,让参数有清楚的归属。这里的标注是原图阅读辅助;音频开关与处理功能需在原应用中操作。

模型转换失败时,
检查输出并安全静音。

RVC 与克隆转换的失败路径,将空输出和疑似原声泄漏单独检查,并采取安全静音。验收同时核对生成结果与失败时的输出行为。

依据为管线源码与包含模拟后端的测试,静音保护结论限于上述路径;普通变调另有直通降级。截图记录界面开关状态,这些检查在截图时是否运行仍缺验证记录。

分别选择输入、
应用输出与监听。

输入设备负责采集,虚拟输出交给目标应用,监听用于自己听见处理结果。三项职责分别配置与检查,确认声音的实际去向。

拟声态设备设置
Windows 设备枚举与路由Windows 真实设备枚举 · 监听关闭
输入设备
采集原始声音。图中为通用 Windows 声音映射器。
虚拟输出
交给其他应用使用。图中选择了第三方 VB-Cable。
监听设备
自己听到处理结果。此时监听关闭,回采结果尚待核验。

“已保存”是原界面静态文案。这张图核对 Windows 设备枚举与页面形态,设置持久化和 Android 设置需独立验证。

记录净化参数的
调节与恢复。

在桌面应用的处理链页面,调节净化强度,再恢复原值。短片保留实际界面操作,音轨保持为空。

2026-09-07 · 约 7 秒 · 无音轨

音频引擎未启动,降噪效果尚待运行验证;右栏 −12 / −7 dB 等数值来自静态示意。这段实录与 9 月 2 日截图分别记录各自的快照状态。

真实 MainWindow · 隔离资料 · 手动播放打开原视频 ↗

按四个层次
分别验收声音链路。

单元测试检查逻辑,离线样本检查管线,真实设备检查运行链路,目标声音检查转换结果与听感。每层单独记录条件、结果和待验项。

单元与边界
异常、空输出、保护分支是否按预期处理。
模拟后端的验证范围为逻辑,声音自然度另需听评。
离线音频管线
采样率、数据形状、处理顺序是否一致。
真实声卡下的稳定性需要独立运行验证。
真实设备链路
能否采集、输出、回采;设备与版本是否匹配。
健康检查结论限于记录中的设备,多机型与长期通话仍待验证。
目标声音与听感
模型、说话人、输出内容与听感是否正确。
公开材料尚缺可播放的变声前后音质对照。

按模型配置准备手机验收。

较早的电脑伴侣方案由桌面处理声音,再传到手机;后续继续推进 Android 本地推理,并建立独立真机验收入口。验收前需核对采样率和说话人选择,使其与目标模型及音色配置一致。

已有工具用于收集麦克风输出、运行诊断与设备状态。当前材料记录 Android 真机未连接,手机验收仍待执行。

依据:P0 分层测试基线、Android 伴侣文档、本地 RVC 验收入口与模型配置修订记录。本轮工作限定为材料核对,真机验收未执行。

项目记录
验证中 · E2 等级仅描述材料范围
已有产出
桌面音频工作台 / Android 链路 / 分层验收工具

下一步,让真实声音成为证据。

先用明确授权的声音样本、固定模型与设备配置,补齐输入/输出对照、持续运行和端到端测量。把可重复的听感与运行结果补上,才是从工作台走向可信产品的下一步。

展示的桌面实录中音频引擎未启动,仅覆盖界面操作;音质和端到端延迟仍待实测。开发任务仍记录 Android 真机未连接,手机验收状态为待验证;本轮未启动音频、读取私人录音或运行声音模型。

补充看声音克隆 · 引擎尚未安装

这是空白资料下的真实页面,参考音频与克隆结果均为空。高质量引擎未安装,展示范围仅为工作流入口,声音克隆仍待运行验证。

拟声态声音克隆界面
声音克隆工作流入口2026-09-02 · 空状态 · 未执行克隆
补充看文字配音 · 暂无可用音色

文字输入为空,运行时尚未安装完成,音频尚未生成。页面保留 WAV 保存与生成入口,完整配音流程仍待验收。

拟声态文字配音界面
文字配音与 WAV 导出入口2026-09-02 · 空状态 · 未生成音频
材料日期、历史测试与 AI 协作边界

截图与录像分别记录

五张截图导出于 2026-09-02,对应 1.0.0 Alpha 开发工作副本;04 仅裁取控制区,其余保留完整原图。2026-09-07 的实录来自另一工作副本,验证范围单独记录。封面提取原片第 2 秒已显示内容的真实帧,保留原始像素;视频本身保持原样。

查看五张原图的来源与校验清单 ↗(新标签页)
查看实录与封面的脱敏来源 ↗(新标签页)

历史测试的条件与待验项

9 月 2 日导出说明记录 68/68 选择性单测、8/8 快速音频 E2E、健康检查 20/21,覆盖范围限于这些检查。当时 GPU 加速未通过,RNNoise 模型缺失;真实 RVC 模型的音质、相似度与端到端延迟,以及全量发布门禁均待验收。较新的 P0 基线单独记录测试数量与结果。

48 kHz 下 256 个采样约覆盖 5.3 ms,该数值描述音频块时长;处理耗时与端到端延迟需要实际测量。历史麦克风采集与 VB-Cable 回采记录覆盖设备链路,模型音质仍待验收。

本人、AI 与外部能力

围绕实时变声与跨设备使用持续推进需求,将桌面、移动端和实际听感纳入同一个产品目标。AI 承担音频管线、模型适配、跨端实现与测试工具开发;我的贡献是推动产品走向真实使用和可验证交付,音频质量另设独立验收。

RVC、相关语音模型、Qt、音频运行库和 VB-Cable 来自第三方,模型权重与驱动的归属按来源记录。本页采用当前核查分工;手工代码比例尚缺独立依据,Git 提交记录仅说明提交归属。模型下载、更新和部分 TTS 可能联网,离线能力需按具体功能核对。

当前交付到哪里

公开素材保留桌面工作台、处理参数与设备路由;本地 P0 基线区分单元、离线音频、真实 Windows 音频及目标声纹验收。当前源码另有 Android 本地 RVC 真机验收入口,覆盖模型配置、麦克风输出及设备状态采集。

现有安装包保持候选状态,尚未晋升为已签名的正式发行版。2026-09-08 记录材料核查日期,运行测试、发布与音质验收需各自的记录。依据:docs/P0_TEST_BASELINE.md;docs/ANDROID_COMPANION_V1.md;devops/android_local_rvc_acceptance.py;对应 AI 开发任务中的模型配置修订记录。