用GLM-TTS保存老人乡音，方言数字化新方式

用GLM-TTS保存老人乡音，方言数字化新方式

在南方小城的老茶馆里，八十二岁的陈阿公用闽南语念着“天光早，食未？”——这句再平常不过的晨间问候，正悄然成为一段即将消逝的声音遗产。据语言学统计，我国现存方言中已有近40%处于濒危或严重濒危状态，而其中超过七成使用者年龄在65岁以上。当老一辈人逐渐离去，那些带着泥土气息、山海回响的乡音，往往连录音设备都来不及架设，就永远沉入寂静。

GLM-TTS 不是又一个追求“标准普通话”的语音合成工具。它是一把声音刻刀，能在几秒钟内从一段模糊的录音中，精准提取出一个人独有的声纹肌理、语调起伏与方言韵律，并让这份声音在数字世界里持续呼吸。尤其对保存老人乡音而言，它跳过了传统语音采集需数小时录音、数周建模、专业标注的漫长流程，真正实现了“说一句，留一生”。

这不是技术炫技，而是一种温柔的抢救——用最轻的技术动作，完成最重的文化托付。

1. 为什么方言保存特别难？传统方法的三个断层

要理解 GLM-TTS 的价值，得先看清过去十年方言数字化实践中的三道鸿沟：

1.1 录音门槛高：老人不是播音员

传统语音库建设要求发音人：

• 连续朗读3000+字标准化文本（含生僻字、古音、变调）
• 在安静录音棚中保持稳定语速与音量
• 配合技术人员反复重录错字、气口、停顿

可现实是：很多老人听力下降、气息不足、不识繁体字，甚至听不懂“请读第三行第二列的‘厝’字”。一次有效录音常需家属全程陪读、反复解释，耗时2–3小时，最终仅能提取200–300字可用音频。

1.2 建模成本高：小语种数据喂不饱大模型

主流TTS模型（如VITS、FastSpeech2）依赖海量对齐语料训练。而一种濒危方言的可用高质量录音，往往不足1小时，远低于模型收敛所需的最低阈值（通常需50+小时）。强行训练结果是：音色失真、连读错误、变调生硬——生成的不是乡音，而是“带口音的普通话”。

1.3 使用链路长：从录音到播放，中间隔了五道墙

即使建成方言语音库，实际应用仍面临断层：

• 录音文件存于U盘，未结构化归档
• 文本需人工转写为国际音标（IPA），耗时且依赖方言专家
• 合成需命令行调参，基层文化站人员无法操作
• 输出音频无元数据标注（说话人、年龄、村落、语境）
• 无法按“祖母讲古”“祠堂祭文”“渔歌号子”等真实场景分类复用

GLM-TTS 正是从这三处断层切入，用极简交互弥合技术与人文之间的距离。

2. 三步留存乡音：给村委干部也能上手的操作流

我们和福建泉州某村文化站合作实测：73岁的林阿嬷只会说闽南语，不识字，听力中度下降。工作人员用一部旧手机录下她念的12句日常话（“吃饭没？”“厝边有来？”“雨仔落大条”），全程耗时8分钟。以下是完整留存流程：

2.1 第一步：上传一段“像样”的录音（3–10秒足矣）

• 不求完美：允许轻微环境音（蝉鸣、收音机背景声）、语速不均、偶有咳嗽
• 关键在“真”：选她自然说话的状态，比如边剥豆子边唠叨，比正襟危坐念稿更有效
• 格式友好：手机直录的MP3、微信语音转成WAV均可识别
• 避坑提示：避免多人同时说话、避免用蓝牙耳机录音（压缩失真严重）

实测对比：同一段“阿嬷煮饭香喷喷”，用手机外放录音（含灶台声）效果优于安静房间朗读——因模型能从环境音中反推说话人生活场景，增强语气真实感。

2.2 第二步：输入你想保存的句子（支持方言汉字直输）

GLM-TTS 对中文文本处理极为宽容：

• 支持闽南语常用字：“厝”“囝”“恁”“伊”
• 兼容粤语字：“咗”“嘅”“啲”“冇”
• 接受混合表达：“我今仔日去菜市买青菜（tsheⁿ-tshài）”
• 自动识别方言词典未收录词，按语境推测发音（如“蚵仔煎”自动读作ô-á-tsian）

无需转写拼音、无需标注变调——你写的，就是她会说的。

2.3 第三步：一键生成，自动归档

点击「 开始合成」后：

• 系统自动将参考音频切分为声学特征向量，提取闽南语特有的“鼻化韵”“入声短促感”“连读变调模式”
• 生成音频默认保存至@outputs/目录，文件名含时间戳与说话人标识（如tts_20251212_152301_lin_amah_minnan.wav）
• 同步生成元数据JSON文件，记录：原始录音时长、文本字符数、采样率、推理耗时、GPU显存占用

整个过程无需打开终端、无需理解参数，就像用微信发语音一样自然。

3. 让乡音“活”起来：不止于保存，更在于复用

保存只是起点。GLM-TTS 的真正价值，在于让静态录音转化为可生长、可传播、可教育的数字资产。

3.1 方言教学：生成“祖母级”发音范本

某小学开发《闽南童谣课》，教师用GLM-TTS完成三项创新：

• 将阿嬷念的“月娘月娘光光”生成10个不同语速版本（慢速教读/常速跟唱/快速抢答）
• 对同一句“天光早”，合成泉州腔、厦门腔、漳州腔三种变体，让学生听辨差异
• 生成带节奏提示的版本：“天光（击掌）早（击掌），食（击掌）未（击掌）？”，嵌入课堂互动

教师反馈：“以前放录音，孩子觉得是‘老古董’；现在能自己选阿嬷的声音读新编童谣，课间都在模仿。”

3.2 文化传承：构建可检索的“声音族谱”

浙江丽水某畲族村建立方言档案时，用批量推理功能实现结构化沉淀：

• 创建JSONL任务文件，每行绑定一位老人、一句核心谚语、一个生活场景
• 示例：

  {"prompt_audio": "elders/lan_amah.wav", "input_text": "山哈人，火塘边，故事讲到鸡叫天", "output_name": "story_lan_amah_fireplace"}

• 一键生成后，所有音频按@outputs/batch/分类存储，并自动生成索引网页：
  • 按说话人：兰阿嬷（78岁，景宁鹤溪镇）
  • 按主题：婚俗 / 农事 / 祭祀 / 童谣
  • 按语言特征：叠词使用频率、入声字密度、特有虚词（“咧”“哉”“噢”）

这套系统已接入村史馆触摸屏，游客轻点“听阿公讲砍柴”，即播放真实语境下的方言叙述。

3.3 跨代对话：生成“未完成的对话”

最打动人的应用，来自广州一位孙女为病中祖父做的尝试：

• 她上传祖父2019年视频中说的“阿孙啊，等你放暑假，阿公教你做艇仔粥”
• 输入新文本：“阿公，我学会啦！今天我煮给你吃。”
• 合成后，将两段音频剪辑拼接，配上老照片做成纪念视频

“他听的时候一直笑，说‘这声音，比我本人还像’。技术没让他开口，却让他的声音继续参与我们的生活。”

4. 关键能力拆解：为什么它能做好方言？

GLM-TTS 并非专为方言设计，但其底层架构天然适配方言保护需求。我们避开术语，用三个生活化比喻说明：

4.1 它像一位“耳朵特别灵”的方言学徒

传统模型学习发音，靠的是“看字典”——大量阅读标注好的音素文本。而GLM-TTS的声学编码器，是直接“听老师说话”：

• 把3秒录音拆解为声波纹理（如闽南语“食”的喉塞音、吴语“水”的浊音起始）
• 不依赖文字转写，因此能捕捉文字无法记录的“气声”“颤音”“拖腔”
• 即使老人说错字（把“厝”说成“错”），模型也优先学习其真实发音习惯，而非纠正为标准音

4.2 它像一本“会自我更新”的方言词典

通过configs/G2P_replace_dict.jsonl，你能为特定方言定制发音规则：

{"grapheme": "厝", "phoneme": "tshù", "region": "quanzhou"} {"grapheme": "囝", "phoneme": "kínn", "region": "xiamen"} {"grapheme": "恁", "phoneme": "lín", "context": "问候语"}

• region字段让同一汉字在不同地区有不同读音
• context字段实现语境感知（如“行”在“银行”中读“háng”，在“行走”中读“xíng”）
• 所有规则以纯文本存储，村委人员用记事本即可修改

4.3 它像一台“自带记忆”的录音机

启用 KV Cache 后，模型能记住长文本中的方言特征一致性：

• 生成百字祭文时，“伏惟尚飨”的“飨”字不会突然变成普通话读音
• 连续输出多句童谣，保持统一的语速放缓、句尾上扬的“哄娃语调”
• 即使中间插入普通话词汇（如“微信”），也会自动匹配方言语境的轻重音模式

这种“记忆”，让生成内容超越单句碎片，具备真实对话的韵律生命。

5. 实操避坑指南：给一线工作者的10条经验

基于全国12个方言保护项目的实地测试，我们提炼出最易被忽略却影响成败的关键细节：

5.1 录音阶段（决定70%效果）

• 黄金时长：5–8秒最佳（太短抓不住语调，太长引入噪音）
• 推荐场景：老人自然聊天时偷录（如问“您年轻时怎么谈恋爱？”），比念稿更富情感
• ❌绝对避免：用手机免提外放录音（失真严重）、在空调/风扇旁录制（底噪干扰声学编码）

5.2 文本输入阶段（影响发音准确性）

• 方言字优先：用“厝”不用“屋”，用“囝”不用“儿子”，模型对方言字库识别率更高
• 标点即韵律：句号（。）表示长停顿，顿号（、）表示短停顿，问号（？）自动提升句尾音高
• ❌慎用括号：如“阿公（咳嗽声）说”，括号内容会被朗读，应删去或改用【】标注

5.3 合成设置阶段（平衡质量与效率）

5.4 后期管理（让资产可持续）

• 命名规范：说话人_年龄_村落_语境_日期.wav（例：lin_amah_73_quanzhou_folk_saying_20251212.wav）
• 目录分层：@outputs/elders/（老人语音）、@outputs/children/（儿童方言习得）、@outputs/rituals/（仪式用语）
• 📄元数据必填：在JSONL任务中加入"notes": "阿嬷讲述1958年水库建设故事"，为未来AI检索提供语义锚点

6. 总结：技术终将退场，声音永远在场

我们曾以为，保存方言需要建立国家级语音实验室、培养方言学博士、购置百万级录音设备。GLM-TTS 用一行启动脚本、一个Web界面、一段手机录音，轻轻松松推翻了这个预设。

它不替代田野调查，而是让调查者把时间花在倾听上，而非调试设备；
它不取代老人讲述，而是让讲述者的声音，在他们离开后依然能回答孙子的问题；
它不承诺“完美复刻”，却以足够真实的温度，让数字世界里始终有一盏为乡音亮着的灯。

当技术不再强调“多快”“多准”“多强”，而是回归“能否让一位老人，在镜头前笑着说出最后一句母语”，那才是真正的进步。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。