大肥鱼开源首个合规克隆声库创作者签约限定非商用

AI技术投降派

大肥鱼声库凭借创作者正式授权与严格非商用边界建立起罕见的AI版权闭环，而AI通过阅读文档自主部署该声音模型的过程，标志着社区开源智能体正跨过自主拼装数字人格的关键节点。

AI-assisted summary of AI翻唱310万播放：大肥鱼这副嗓子免费用 — original source. Check the original for full context.

Source published: 2026-10-29

Key ideas

B站UP主星落落正式授权粉丝莱恩希德公爵，将其翻唱《人是猫》（310万播放）的爆款大肥鱼音源训练为开源声音模型，确立“自用随意，不可商用”的合规授权边界。 (0:05)
feiyu-voice 项目落地三条技术管线：基于 CosyVoice 0.5B 的双声线日常语音、基于 RVC v2 的独立人声转换，以及结合谱面与人工换气余弦衰减的按谱歌声合成引擎。 (1:13)
系统采用前后端解耦架构，AstrBot 等插件仅作为轻量 HTTP 客户端调度本地推理，安装文档专为 AI 设计，实现由大肥鱼 Agent 自行读取文档部署声音服务的自动化流程。 (5:25)
完整部署三套音频环境需跨 Windows 与 WSL，参考显卡为笔记本级 RTX 5090，且歌声合成对一字一音谱面容错率极低，仍存机械音破音翻车风险。 (4:32)

Detailed notes

## Background 该内容由 Bilibili UP 主“AI技术投降派”于 2026 年 10 月 29 日发布。视频围绕大肥鱼社区核心配音者“星落落”授权、粉丝“莱恩希德公爵”训练并开源的“大肥鱼声音模型”（GitHub 搜 feiyu voice）展开，聚焦其正版授权链路、三条技术实现管线与社区生态演进。

## TL;DR 视频深度解析了“大肥鱼”AI 声音模型的诞生始末及其技术架构。该项目由原配音作者星落落正式授权粉丝莱恩希德公爵训练，确立了“自用随意，不可商用”的教科书级合规闭环，并在技术上实现了 CosyVoice 0.5B 双声线日常说话、RVC 二代换声以及按谱歌唱（SVS）三条独立管线。在官方功能留白的背景下，社区通过 AstrBot 插件等自下而上补全了大肥鱼全家桶；虽然面临本地多 GPU 部署门槛、严苛输入要求与潜在版权风险，但“用户将仓库链接喂给 Agent 让其自己给自己装嗓子”的实践，已成为具身化 AI 拼图落地的标志性时代切片。

## Atmosphere & style 全片充盈着极客社区特有的理性克制与数字浪漫主义。解说语速沉稳流畅，对工程细节抽丝剥茧，既展现出拆解技术管线时的冷静严谨，又在盘算“四笔账”时毫不客气地指出电音翻车与高昂硬件门槛等现实痛点。整段叙事自开源授权的规范性切入，最终升华至“AI 自己给自己装嗓子、逐渐拼成一个人”的哲学震撼，给读者带来一种兼具冷峻工程纪律与赛博造物诗意的独特观感。

## Bulletin - [00:05](https://www.bilibili.com/video/BV1nYsd6sEdp?t=5s) B站UP主星落落正式授权粉丝莱恩希德公爵，将其翻唱《人是猫》（310万播放）的爆款大肥鱼音源训练为开源声音模型，确立“自用随意，不可商用”的合规授权边界。 - [01:13](https://www.bilibili.com/video/BV1nYsd6sEdp?t=73s) feiyu-voice 项目落地三条技术管线：基于 CosyVoice 0.5B 的双声线日常语音、基于 RVC v2 的独立人声转换，以及结合谱面与人工换气余弦衰减的按谱歌声合成引擎。 - [05:25](https://www.bilibili.com/video/BV1nYsd6sEdp?t=325s) 系统采用前后端解耦架构，AstrBot 等插件仅作为轻量 HTTP 客户端调度本地推理，安装文档专为 AI 设计，实现由大肥鱼 Agent 自行读取文档部署声音服务的自动化流程。 - [04:32](https://www.bilibili.com/video/BV1nYsd6sEdp?t=272s) 完整部署三套音频环境需跨 Windows 与 WSL，参考显卡为笔记本级 RTX 5090，且歌声合成对一字一音谱面容错率极低，仍存机械音破音翻车风险。

## Key takeaways - [00:05](https://www.bilibili.com/video/BV1nYsd6sEdp?t=5s) 大肥鱼社区核心配音UP主星落落联合粉丝发布开源声音模型，该音源此前翻唱《人是猫》累计播放量超310万。 - [02:26](https://www.bilibili.com/video/BV1nYsd6sEdp?t=146s) 该项目确立了“自用随意，不可商用”的使用界限，成为声音克隆领域罕见的合规正版化范本。 - [01:13](https://www.bilibili.com/video/BV1nYsd6sEdp?t=73s) 日常语音基于阿里 CosyVoice 0.5B 底模开发，包含微调权重的可爱版与零样本参考音频的温柔版双声线。 - [01:31](https://www.bilibili.com/video/BV1nYsd6sEdp?t=91s) 换声管线采用 RVC 二代模型，包含 53MB 模型与 31MB 索引，兼容任何 RVC 宿主软件独立运行。 - [01:45](https://www.bilibili.com/video/BV1nYsd6sEdp?t=105s) 按谱唱歌管线结合 MIDI/ABC 谱面与一字一音中文歌词，并在人工标记换气区间上施加余弦衰减算法平滑过渡。 - [02:01](https://www.bilibili.com/video/BV1nYsd6sEdp?t=121s) 架构实现前后端深度解耦，前端 AstrBot 或 DSH Agent 仅需 HTTP 调用，深度学习算力均集中于本地独立服务。 - [02:58](https://www.bilibili.com/video/BV1nYsd6sEdp?t=178s) 工程实现具备全链条哈希比对与张量摘要匹配验证，核心推理超参数固化且加入了防伪造与伦理提示。 - [03:30](https://www.bilibili.com/video/BV1nYsd6sEdp?t=210s) DeepSeek 官方仅灰度提供四种通用朗读音色且无歌唱功能，社区自下而上填补了角色声音的生态空白。 - [04:02](https://www.bilibili.com/video/BV1nYsd6sEdp?t=242s) AstrBot 社区围绕大肥鱼已形成十几款插件全家桶，语音插件发布三天即成为头部高星项目。 - [04:32](https://www.bilibili.com/video/BV1nYsd6sEdp?t=272s) 完整跑通三套环境需跨平台 GPU 深度学习配置，官方参考硬件基准为笔记本级 RTX 5090。 - [04:53](https://www.bilibili.com/video/BV1nYsd6sEdp?t=293s) 歌声合成严格依赖标准一字一音谱面，无法解析和弦与英数符号，遇到非规范输入易出现机械电音翻车。 - [05:12](https://www.bilibili.com/video/BV1nYsd6sEdp?t=312s) 声音模型授权边界极其狭窄，商用接单具有明确侵权风险，且大肥鱼形象本身权属仍存法律争议。 - [05:25](https://www.bilibili.com/video/BV1nYsd6sEdp?t=325s) 项目安装文档面向 AI 编写，用户可直接提供仓库链接由大肥鱼 Agent 自主安装依赖并为自己装载声音。 - [05:50](https://www.bilibili.com/video/BV1nYsd6sEdp?t=350s) 从表情包、小游戏、桌面控制 Agent 到自主发声，大肥鱼正逐步拼合为完整的多模态数字生命形态。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1nYsd6sEdp?t=0s) 来源：三百一十万播放的嗓子与正版授权

大肥鱼终于拥有了自己的声音，而且是一次完全合规、流程正规的授权。10月25日，B站UP主“星落落”发布了一条视频宣布：大肥鱼可以唱歌和说话了，模型正式对外公布。该视频发布仅仅三天便收获了14万播放量，其配套的GitHub仓库迅速斩获了71颗星（Star）。

要理解这套声音的分量，必须先弄清楚它的出处。星落落是大肥鱼社区公认的“配音担当”，坐拥5.9万粉丝。早在9月10日，他就调制出了一套被称为“SSR音色”的配音（收获45万播放量）；到了10月11日，他用这副嗓子翻唱了歌曲《人是猫》，直接斩获310万播放量，成为整个大肥鱼圈子里的“厂歌级”现象。

本次开源的模型，是由粉丝“莱恩希德公爵”使用星落落这两套高质量音源作为高权重素材微调训练而成的。整套流程获得了星落落本人的明确授权。音源本身就是星落落此前在个人主页签名中公开分发的内容（注明关注即可自动发送获取），而训练者与原作者在发布时用八个字确立了使用边界：“自用随意，不可商用”。

- 音源创作者：B站UP主星落落（粉丝5.9万，大肥鱼社区核心配音者） - 爆款音源基础：9月10日“SSR音色”（45万播放）、10月11日翻唱《人是猫》（310万播放） - 模型训练者：社区粉丝莱恩希德公爵 - 核心授权原则：“自用随意，不可商用”

---

[01:13](https://www.bilibili.com/video/BV1nYsd6sEdp?t=73s) 技术三条线：双声线说话、RVC 换声与按谱唱歌

在技术实现上，该项目设计了三条平行的能力线，底层依托一个本地声音独立服务：

第一条线是**日常说话（TTS）**：基于阿里巴巴开源的 CosyVoice 0.5B 底模微调而来，直接输出两条声线。其中“可爱版”是经过真实数据微调后的检查点（Checkpoint）；而“温柔版”则未经过微调，直接依托参考音频实现零样本（Zero-shot）音色替换。

第二条线是**人声换声（Voice Conversion）**：基于 RVC 二代（Retrieval-based Voice Conversion v2）模型构建，包含 53MB 的模型文件以及 31MB 的特征检索索引文件。用户只要喂给它一段干净的干声音频，就能无缝替换成大肥鱼的嗓音。该模型完全独立，无需安装任何特定插件，任何兼容 RVC 的第三方宿主软件均可直接加载。

第三条线最为考究，即**按谱唱歌（SVS）**：用户输入一段标准 MIDI 或 ABC 格式谱面，并附带严格“一字一音”的中文歌词。系统首先调用歌声合成引擎按照谱面生成基础演唱干声，随后再送入 RVC 管道换成大肥鱼音色。为了追求极致细节，系统中的换气声完全放弃了自动检测，而是采用人工标记区间后施加余弦衰减（Cosine Decay）的方法进行精细处理。

在系统架构上，该项目采用了“本地声音推理服务 + 机器人前端”的分离式解耦架构。以 AstrBot 为例，其对应的插件仅仅充当一个轻量级的 HTTP 客户端，所有吞食显卡算力的深度学习推理任务都被隔绝在独立的本地后台服务中。这种设计让它完全不挑宿主：无论是 AstrBot QQ 机器人，还是 DSH 架构下的各类 Agent，只要通过网络调取 HTTP 接口均可平滑接入。

```mermaid flowchart TD accTitle: 大肥鱼声音系统架构与三条技术管线 accDescr: 展示说话、换声、按谱唱歌三条处理管线，以及前后端分离式架构

subgraph Inputs["输入源"] I1["文本内容"] I2["干净人声干声"] I3["MIDI / ABC 谱面<br/>+ 中文歌词（一字一音）"] end

subgraph Service["独立本地声音推理服务（吃显卡）"] subgraph Line1["说话管线 (CosyVoice 0.5B)"] CV1["可爱版 (微调 Checkpoint)"] CV2["温柔版 (Zero-shot 参考音频)"] end

subgraph Line2["换声管线 (RVC v2)"] RVC["RVC 转换引擎<br/>(53MB 模型 + 31MB 索引)"] end

subgraph Line3["唱歌管线 (按谱合成)"] SVS["歌声合成引擎"] MAN["人工换气区间<br/>余弦衰减处理"] end end

subgraph Clients["客户端接入层（轻量 HTTP 交互）"] C1["AstrBot 机器人插件"] C2["DSH Agent / 其他客户端"] end

I1 --> CV1 & CV2 I2 --> RVC I3 --> SVS --> MAN --> RVC

Line1 & Line2 & Line3 --> Service Clients <-->|"HTTP API 调度"| Service ```

---

[02:26](https://www.bilibili.com/video/BV1nYsd6sEdp?t=146s) 授权链与罕见的工程纪律：教科书级正版化

该项目被誉为社区声音克隆领域的“教科书级正版化样本”。在当前的 AI 圈子里，扒他人音频、不打招呼直接微调训练早已是司空见惯的灰色常态，多数项目对版权闭口不谈。但大肥鱼这套声音建立了一条极为透明的闭环链路： 1. **音源出处正当**：UP 主星落落自己录音、自己调教、并在个人公开渠道自由分发； 2. **获得正式授权**：粉丝拿到音源后，没有私自偷跑，而是正式向原作者申请了授权，并在 GitHub 仓库中单独开辟一页完整的版权声明文档，详述音源来源与授权状态； 3. **权责边界分明**：通过“自用随意，不可商用”这八个字，精准锁定了非商业性质的爱好者边界。

这形成了一个清爽的三层署名架构：“UP 主出声，粉丝出技术，开源出工程”。对比圈内“扒别人的声音、训了就发、商用不管”的普遍生态，这一单跑得异常干净。

更为难得的是其展现出的罕见“工程纪律”。为了防止模型被恶意魔改或误用，开发者在工程实现上做了多重安全约束： - **哈希校验**：全链条加入哈希匹配验证，模型张量的摘要值必须与官方发布的预设完全吻合，底层引擎才会加载运行； - **参数锁死**：核心推理超参数直接在代码层固化，不开放给普通用户随意拉扯变形； - **伦理提示**：连配套的 Google Colab 一键运行入口中，都特地加入了醒目的官方合规警告，严禁利用该模型从事 Deepfake（深度伪造）与违法行为。

正如视频中所评价的那样： > “给爱发电的项目做到这个完成度很少见。”

---

[03:30](https://www.bilibili.com/video/BV1nYsd6sEdp?t=210s) 生态现状：官方留白，社区填空

将视角拉远来看，围绕“大肥鱼声音”的二次开发已经实质性地卷成了一片繁荣生态。

反观官方，DeepSeek 目前在官方产品中提供的语音交互十分有限，仅在手机 App 端小范围灰度测试文字朗读，提供“贝壳、白浪、海星、暗潮”四种通用声线，且完全没有演唱歌曲的功能。官方留下的巨大空白，社区毫不犹豫地自己动手填补： - 在星落落发布模型公告的第二天，社区便迅速涌现出各种针对该声音的手把手保姆级配置教程； - 腾讯 QQ 官方账号也敏锐地跟进热度，亲自下场发布了一条标题为《听说大家都在 QQ 养大肥鱼》的短视频，斩获了 33 万播放量； - 在 AstrBot 的插件库里，大肥鱼相关插件早已形成拥有十几款工具的“大肥鱼全家桶”，涵盖看视频、解析网页、AI 绘图、自主联网等方方面面。而这套语音插件上线仅三天就冲到 71 星，成为家族中最火热的头部插件之一。

从技术积累来看，底层的克隆工具链早已完全成熟：开源社区中 RVC 项目拥有 3.9 万星，少样本 TTS 项目生态达到 6.4 万星，歌声合成社区的基础设施也十分健全。在这个时代，“缺的从来不是技术，是一个拿到授权的好嗓子”。

---

[04:32](https://www.bilibili.com/video/BV1nYsd6sEdp?t=272s) 清醒四笔账：门槛、翻车、边界与风险

在热度之外，必须清醒地盘算以下四笔现实账：

1. **部署门槛不低**：若要完整跑通“说话+换声+按谱唱歌”三套功能，用户需要同时配置并维护三套独立的 GPU 深度学习环境，跨越 Windows 原生环境与 WSL（Windows Subsystem for Linux）子系统。官方给出的参考硬件配置直接拉到了笔记本级别的 RTX 5090。当然，如果用户只追求基础的变声功能，仅安装一个轻量级的 RVC 客户端即可，其核心模型仅有 53MB，开销很小。 2. **唱歌质量极度依赖输入**：模型对谱面的容错率很低，必须做到严格的“一字一音”。系统目前完全无法识别和处理复杂的和弦、花哨的装饰音以及英文、数字等字符。如果输入的谱子不规范，社区反馈中出现的“满嘴机械电音”与“破音乱叫”翻车现象是真实客观存在的。 3. **版权闭环但边界极其狭窄**：当前的合法授权仅仅严格覆盖非商用的个人娱乐范畴。如果有人擅自拿这个声音去接商业广告、接配音商单或者用于营利性业务，就会瞬间越界构成侵权。 4. **官方态度未知**：“大肥鱼”这一形象的版权归属和二次创作界限在法律层面原本就存有争议。当这副嗓子以及相关形象在全网彻底走红之后，未来是否会遭遇官方的风控或下架整改风险，目前谁也无法给出确定保证。

---

[05:25](https://www.bilibili.com/video/BV1nYsd6sEdp?t=325s) 终极判断：它给自己装嗓子

这起事件中最具有时代象征意义的并不是模型算法本身，而是它所走通的这一整条“正规军”路径：一位配音创作者通过日常内容创作沉淀出了个人声音资产；一位具备技术的粉丝凭借代码将其打包成了公共品；整个授权链路合法合规、干干净净。

在工程与技术交互上，作者采用了轻量分离的前后端架构，甚至把复杂的部署流程与安装文档专门“写给 AI 看”。用户不再需要像过去那样按部就班地手动敲命令配置环境，而是直接把 GitHub 仓库链接喂给搭载了大肥鱼 Agent 的宿主机器人，让大肥鱼自己去读取文档、解析依赖、把这套声音服务安装到本地。

关于这一幕，作者给出了极富哲学与时代感的深刻总结： > “他给自己装嗓子，这个画面本身就是这个时代最生动的主角。”

从最初的网络表情包，到社区二创中的“捉宠”小游戏，再到接管电脑操作的桌面控制 Agent，大肥鱼的各项拼图正在以肉眼可见的速度拼接完整。声音正是这副拼图上的关键拼图块，“拼到现在，他快成一个人了”。

面向未来，该生态有三件事值得持续观察： 1. **歌库生态**：歌声合成引擎的按谱歌唱生态是否会催生出专属的“大肥鱼 MIDI/ABC 歌库”； 2. **授权模式**：UP 主与开发者这种良性的正规授权协作范本，能否被推广复制成 AI 社区的行业惯例； 3. **官方动向**：面对社区自下而上繁荣生长的全家桶生态，官方后续是否会亲自下场推出专属的声音方案。

*(注：该开源声音模型在 GitHub 上的仓库名称为 `feiyu-voice`)*

## Notable quotes > [03:30](https://www.bilibili.com/video/BV1nYsd6sEdp?t=210s) 缺的从来不是技术，是一个拿到授权的好嗓子 — AI技术投降派

## Mentioned 大肥鱼, 星落落, 莱恩希德公爵, AI技术投降派, CosyVoice, 阿里, RVC, AstrBot, DeepSeek, 腾讯 QQ, GitHub, B站, Google Colab, 人是猫, feiyu-voice

## Video description 大肥鱼有声音了，还是正经授权的。十月二十五号，B 站 UP 主星落落发布视频：大肥鱼可以唱歌和说话了，模型公布。三天十四万播放，配套的 GitHub 仓库七十一颗星。这个声音什么来头？星落落是大肥鱼社区的配音担当，五点九万粉丝：九月十号他调出"ssr 音色"（四十五万播放）；十月十一号用这副嗓子翻唱《人是猫》，三百一十万播放，厂歌级现象。这次公布的模型，是粉丝莱恩希德公爵用这两套音源做高权重素材训练的，星落落本人授权。授权词八个字先立住：自用随意，不可商用。

00:05 来源：三百一十万播放的嗓子 01:13 技术三条线：双声线说话、RVC 换声、按谱唱歌 02:26 授权链：三层署名，教科书级正版化 03:30 生态：官方留白，社区填空 04:32 清醒四笔账 05:25 判断：它给自己装嗓子

技术三条线。说话：基于阿里 CosyVoice 零点五 B 底模微调，出两条声线——可爱版是真正微调过的检查点，温柔版零样本换色。换声：RVC 二代模型，五十三兆加三十一兆索引，给一段干净人声换成大肥鱼嗓子——不用装任何插件，任何 RVC 兼容软件直接用。按谱唱歌最讲究：MIDI 或 ABC 谱面加中文歌词一字一音，先用歌声合成引擎按谱生成，再过 RVC 换色，连换气都是人工标记区间后余弦衰减。架构是分离式的：AstrBot 插件只是 HTTP 客户端，吃显卡的推理在本地独立服务——不挑宿主，DSH 的 agent 调接口也能用。工程纪律罕见：全链哈希校验、模型张量摘要匹配才能跑、推理参数锁死。

为什么说是教科书级正版化：音源是 UP 主自己配音自己公开分发的；训练者补了正式授权声明；发布词"自用随意，不可商用"划清边界——对比"扒嗓子、训了就发、商用不管"的常见路径，这是 AI 圈声音克隆里干净的一单。生态上，DeepSeek 官方语音只有 App 灰度的文字朗读（贝壳/白浪/海星/暗潮四种通用音色），没有歌声——空白社区自己填；AstrBot 大肥鱼全家桶十几件插件，语音这件三天七十一星是家族最高一批；连腾讯 QQ 官方账号都下场发"听说大家都在 QQ 养大肥鱼"（三十三万播放）。清醒四笔账：部署门槛不低（三套 GPU 环境，参考配置笔记本级 5090；只想要换声装 RVC 就够）；唱歌质量看输入（一字一音写清，"电音和乱叫"翻车反馈真实存在）；版权闭环但边界窄（商用越界）；官方态度未知（形象归属仍有争议）。判断：最值得记的是路径——配音者积累声音资产，粉丝把它变成公共品，授权链全程干净；安装文档写给 AI 看，把仓库链接丢给大肥鱼让它自己装——它给自己装嗓子，这个画面本身就是这个时代的注脚。仓库在 GitHub 搜 feiyu voice。

[Source](https://www.bilibili.com/video/BV1nYsd6sEdp)

中文简报

大肥鱼开源首个合规克隆声库创作者签约限定非商用大肥鱼声库凭借创作者正式授权与严格非商用边界建立起罕见的AI版权闭环，而AI通过阅读文档自主部署该声音模型的过程，标志着社区开源智能体正跨过自主拼装数字人格的关键节点。视频深度解析了“大肥鱼”AI 声音模型的诞生始末及其技术架构。该项目由原配音作者星落落正式授权粉丝莱恩希德公爵训练，确立了“自用随意，不可商用”的教科书级合规闭环，并在技术上实现了 CosyVoice 0.5B 双声线日常说话、RVC 二代换声以及按谱歌唱（SVS）三条独立管线。在官方功能留白的背景下，社区通过 AstrBot 插件等自下而上补全了大肥鱼全家桶；虽然面临本地多 GPU 部署门槛、严苛输入要求与潜在版权风险，但“用户将仓库链接喂给 Agent 让其自己给自己装嗓子”的实践，已成为具身化 AI 拼图落地的标志性时代切片。 B站UP主星落落正式授权粉丝莱恩希德公爵，将其翻唱《人是猫》（310万播放）的爆款大肥鱼音源训练为开源声音模型，确立“自用随意，不可商用”的合规授权边界。 (0:05) feiyu-voice 项目落地三条技术管线：基于 CosyVoice 0.5B 的双声线日常语音、基于 RVC v2 的独立人声转换，以及结合谱面与人工换气余弦衰减的按谱歌声合成引擎。 (1:13) 系统采用前后端解耦架构，AstrBot 等插件仅作为轻量 HTTP 客户端调度本地推理，安装文档专为 AI 设计，实现由大肥鱼 Agent 自行读取文档部署声音服务的自动化流程。 (5:25) 完整部署三套音频环境需跨 Windows 与 WSL，参考显卡为笔记本级 RTX 5090，且歌声合成对一字一音谱面容错率极低，仍存机械音破音翻车风险。 (4:32)

Reading summary

B站UP主“星落落”与粉丝“莱恩希德公爵”合作开源了“大肥鱼”声音模型项目 `feiyu-voice`，在主流声音克隆普遍缺乏版权约束的背景下，走出了一条从高热度音源、正规授权到工程防篡改的教科书级合规路径。正版授权闭环与工程防篡改纪律 (2:26) 该项目的核心音源来自大肥鱼社区核心配音UP主星落落此前发布的“SSR音色”（45万播放）以及翻唱《人是猫》（310万播放）。粉丝莱恩希德公爵使用这些高质量素材训练模型前，获得了星落落本人的正式明确授权，并在 GitHub 仓库专设文档确立了“自用随意，不可商用”的权责边界，打破了圈内常见的灰色扒音生态。项目在工程层面展现出少见的安全约束：全链条引入张量哈希匹配校验，摘要值不符则拒绝加载；核心推理超参数在代码层直接锁死，防止被随意魔改；配套的 Google Colab 一键运行入口中也植入了严禁用于深度伪造（Deepfake）和违法的伦理警告，形成了权责清晰的三层合作架构。解耦架构下的三条声音能力线 (1:13) 系统底层依托本地独立声音服务，采用“本地推理后端 + 机器人前端轻量 HTTP 交互”的解耦架构，适配 AstrBot 或 DSH 等各类宿主。能力覆盖三条管线：其一是基于阿里巴巴 CosyVoice 0.5B 的日常说话管线，包含真实数据微调检查点的“可爱版”与零样本参考音频的“温柔版”；其二是基于 RVC v2 的人声换声管线，提供 53MB 模型与 31MB 检索索引，兼容任意标准 RVC 宿主。最考究的按谱唱歌（SVS）管线要求用户输入标准 MIDI 或 ABC 格式谱面及严格“一字一音”的中文歌词，经歌声合成引擎生成演唱干声后再送入 RVC 管道换声。为保证换气细节，该管线放弃了自动检测，改用人工标记区间后施加余弦衰减进行平滑处理。官方功能留白与社区生态填空 (3:30) 官方 DeepSeek 仅在手机 App 端小范围灰度测试“贝壳、白浪、海星、暗潮”四种常规朗读声线，缺乏歌唱功能。官方留下的空白推动了社区自发填补：模型发布次日社区便涌现出保姆级配置教程，腾讯 QQ 官方账号也发布相关短视频收获 33 万播放，AstrBot 插件库中大肥鱼相关插件已拓展至十余款，涵盖绘图、解析网页与自主联网等全家桶生态。这一爆发体现出开源社区的基础设施已经高度成熟，包括星标数万的 RVC 与少样本 TTS 体系。正如节目所述，当前时代底层克隆工具链早已齐备，核心稀缺资源是获得正规授权的优质嗓音。部署硬门槛与潜在版权风险 (4:32) 尽管热度极高，实际使用仍面临多重现实限制。完整跑通说话、换声与唱歌三套功能需要跨越 Windows 与 WSL 配置三套独立 GPU 深度学习环境，官方参考硬件甚至拉到了笔记本级 RTX 5090（仅使用 53MB 核心模型的轻量换声门槛则较低）。此外，按谱唱歌容错率极低，无法处理和弦、装饰音及英文字符，不合规的谱面极易导致机械电音或破音乱叫。法律与合规边界同样敏感：授权严格限制在非商用个人娱乐领域，任何商单或盈利行为均构成侵权；同时，“大肥鱼”这一形象本身的版权归属在法律上存有争议，未来随着全网走红，是否会招致官方风控或下架整改仍存在不确定性。该项目最显著的标志在于技术流程的自动化与完整性——复杂的部署文档被编写为适合 AI 理解的格式，使得 Agent 能够自主解析并为自身配置声音服务。未来该生态的演进取决于能否沉淀出专属的按谱歌库、这种良性授权模式能否在行业内复制，以及官方是否会介入推出自研专属声音方案。

Source quotes

[3:30] AI技术投降派: 缺的从来不是技术，是一个拿到授权的好嗓子

Original transcript

[0:00] 大肥鱼有声音了还是正经授权的10月25号B站UP主星洛洛发布视频大肥鱼可以唱歌和说话了模型公布三天14万播放,配套的Github仓库71颗星,先讲清楚这个声音是什么来头。星洛洛是大肥鱼社区的配音担当,5.9万粉丝,9月10号他跳出SSR音色。45万播放,10月11号他用这副嗓子翻唱《人是猫》310万播放,成了大肥于宇宙的场歌级现象。这次公布的模型是粉丝莱恩西德公爵用这两套姻缘做高权重素材训练的。星洛洛本人授权姻缘是他签名里写着关注自动发送公开分发的。一句授权词先立注自用随意不可商用这期讲三件事,这套声音系统技术上怎么做的,为什么说它是社区的正版化样本,以及给大肥鱼装声音这件事走到了哪一步?技术上是三条能力线一个本地服务第一条线说话基于阿里Cosy Voice 0.5B底膜微调出两条声线可爱版是真正微调过的检查点温柔版没微调靠参考音频零样本换色第二条线换声RVC二代模型53兆加31兆索引你给它一段干净人生它换成大肥鱼的嗓子,这个模型不用装任何插件,任何RVC兼容软件都能直接用。第三条线最讲究按普唱歌你给一段MIDI或ABC普面加中文歌词一字一音,系统先用歌声合成引擎按谱声成演唱。再过RVC换成大肥鱼音色连换器都是人工标记区间后余嫌衰减处理不搞自动检测工程上有个设计很妙整个系统是本地声音服务加机器人的分离架构Astrobot插件只是个HTP客户端真正吃显卡的推理在独立服务里跑所以他不挑宿主,Astrobot机器人能用,DSH的Agent调接口也能用。为什么说这是正版画样本?AI圈八嗓子训练是老传统了,绝大多数干脆不问版权这件事的恋路不一样音源是UP主自己配音自己公开分发的训练者拿到素材后,补了正式授权声明,仓库里专门一页版权说明,写明素材来源和授权状态。发布词里自用随意,不可商用八个字把边界划清楚。三层署名,UP主出声,粉丝出技术,开源出工程。对比一下常见路径扒别人的声音训了就发商用不管这一单是教科书籍的而且工程纪律罕见,全链条哈希较艳,模型张亮摘要必须匹配才能跑。推理参数锁死不许改连collab入口都提醒官方政策禁止深度伪造给爱发电的项目做到这个完成度很少见把镜头拉远,给大飞鱼装声音这件事已经卷成生态了。DeepSeek官方的语音能力只有App里灰度测试的文字朗读四种通用音色没有歌声这个空白社区自己填星落落的模型公布视频之外第二天就有教程视频跟进腾讯QQ的官方账号都下场发了一条,听说大家都在QQ养大肥鱼,33万播放。Astrobot插件生态里大肥鱼全家桶已经有十几件看视频的读网页的画图的还有自主上网的这个语音插件三天七十一星是家族里最高的一批再往前整个克隆音色技术站是现成的RVC 39000星少样本TTS六万四千星,歌声合成社区也成熟,缺的从来不是技术,是一个拿到授权的好嗓子。清醒的部分,四笔第一,部署门槛不低要跑全套的三套GPU环境加Windows加WSL参考配置是笔记本集的5090,只想要换生的化妆RVC就够,53M模型很轻。第二,唱歌质量看输入,普面必须一字一音写清楚。 [5:00] 和弦、装饰音、英文数字都不支持。翻车案例里电音和乱叫的反馈是真实的第三,版权闭环但边界窄,授权只覆盖非商用,你要拿去接广告接单。乐界第四,官方态度未知,形象归属本身还有争议,声音火了之后会不会有下架风险,没人知道,我的判断。这件事最值得记得不是模型本身,是路径。一个配音者用作品积累了声音资产,一个粉丝用技术把它变成公共品。授权链全程干净社区内容第一次用正规军的方式给AI配了声音技术上,分离架构加写给AI看的安装文档,说明作者想清楚了受众是谁,不不是人去装,是把仓库链接丢给大肥鱼让他自己装自己,他给自己装嗓子,这个画面本身就是这个时代最生动的主角。之前我们讲过大肥鱼的表情包,捉宠,桌面控制。声音是这块拼图上最新的一片拼到现在,他快成一个人了。接下来盯三件事唱歌隐情的普面生态会不会有人做歌库UP主授权模式会不会被复制成惯例,以及官方会不会下场?仓库在GitHub Sophie Voice,三连关注,评论区聊聊你最想让他唱哪首歌。

大肥鱼开源首个合规克隆声库 创作者签约限定非商用