Gemini语音自定义怎么玩，我从头跑了一遍

Gemini 的语音自定义这两天陆续放出来了，实时对话和普通聊天里都能用。核心玩法就是录几段你自己的声音，AI 学你的音色和语气，之后对话就全用这个声音回你。我花了两天从头跑了一遍，能跑通，就是有几个坑得提前绕开。

步骤其实很短：打开 Gemini 应用，右上角头像进设置，找到语音，进语音自定义，点创建新语音。系统会让你照着屏幕给的文本录 10 到 20 句样本，读完点生成，等十几秒到半分钟，试听，满意就保存，回去把新声音设为默认。整个流程不超过十分钟，免费版就能用。

样本读取这一下最考验耐心。我第一遍读得飞快，每句两三秒就过，生成的语音发飘，重音全不对。后来认认真真把每句话按正常节奏读完，效果立刻正常了。模型吃的就是音色底子，样本太短学不全，等于白录。安静也很关键。我在客厅录了一版，风扇底噪进去了，生成的语音句尾能听出一丝沙沙声，换到卧室重录就干净了。不需要专业麦，但得找一个没环境音的房间。

另外有个坑，改完设置后第一次对话可能还是旧声音，通常是缓存没刷过来，把 Gemini 彻底关掉再重开就好。我这边安卓上更容易出现，iOS 上没遇到。

录完的音色相似度我体感七八成，停顿习惯和语气词学得挺像，但方言口音会被拉向标准发音，想保留地域腔可能得多试几版样本。我试了几次就放弃了，反而接受了这个设定。

这功能让我想起早报里马克斯普朗克那个研究，预训练阶段的知识暴露决定能力上限，后训练只能激发不能创造。语音自定义也有点这个意思，你喂什么样本它就只在这个范围内发挥，想让它突然吐出你没录过的风格，不可能。目前看更多是“把你的声音复刻一遍”，而不是“学完后自由发挥”。

下一步我打算把语音自定义和自动化场景串起来，早上让它语音播报天气和日程，顺带研究下声纹能不能在同一设备上区分不同人。这个还没跑通，后面有结果再更新。