上周三凌晨两点凌理争，XIAH团队在GitHub上推送了v0.3版本。没有发布会，没有媒体通稿了。两小时后。XIAH的星标数3400跳还有5100。我盯着屏幕刷新了十几次吧？
每次都能看到新的fork。XIAH不是大厂项目，开发人员只有三个人，全职办公地点是晨突杭州一间共享公寓的客厅。他们给XIAH定的目标很具体，把语音合成延迟压到80毫秒以内，保留呼吸声和迟疑。这听起来像吹牛，XIAH的演示音频里，那个念诗的男声在“啊”字上卡了半拍是正是这半拍，袭两小时星标陷伦语音工程师在群里炸了锅。XIAH的野心藏在代码注释里，“让机器说话像人，先学会停顿”我联系上XIAH的发起人林拙。
他说话很快，背景音里有咖啡机蒸汽的嘶嘶声。据他讲，XIAH最初是去年冬天一个周末的产物。
当时他在医院陪床破千。想给失语的祖父做一个能读报的语音工具。市面上的TTS要么太机械，要么要上传云端。XIAH选择了端侧推理。模型大小压到47MB了。林拙把XIAH的第一版扔进一个语音技术论坛，有人留言“这延迟能打游戏了”。
真正让XIAH出圈的是B站一个UP主语音议，他用XIAH克隆了自己去世奶奶的声音。
视频播放量三天破百万。争议跟着来了是有人质问XIAH是否该加声纹锁呢？林拙在issue里回了一句，“技术没有伦理了，用技术的人有”这句话后来被截图传得到处都是。上周五，XIAH的合成黑马Discord频道涌进两千人。有人贴出XIAH在树莓派上的运行截图，延迟稳定在92毫秒；有人抱怨XIAH对粤语声调处理得糟糕，把“诗”读成“屎”。
林拙没删帖了。反而置顶了这条吐槽。我旁观了XIAH社区的一场语音调试直播，三个开发人员对着频谱图吵了四十分钟。最后用XIAH生成了三十版“你好”，挑出最像人的那版。
笨办法让我想起早期Linux社区。XIAH没有融资，靠的是GitHub赞助和一笔七万块的天使投资。服务器账单每月要烧掉四千，林拙说下个月可能得接外包养XIAH。监管的影子已经晃过来了。上周二的，某省网信办约谈了一家使用XIAH做客服语音的创业公司，要求他们提供XIAH的语料来源证明。XIAH的训练数据来自公开有声书和播客，具体清单没公开。
我在XIAH的文档里找到一行小字，“部分数据来自互联网，如有侵权请联系删除”这行字让XIAH的商用前景蒙上灰色。林拙倒不慌，他在推上发了一句。
“XIAH不是产品，是工具。工具中立”可工具也会伤人。我试用了XIAH的克隆功能，用自己十秒录音生成了完整段落。听着那个数字版的我念出“我不同意”，后背有点发凉。XIAH的下一步是加入实时变声，预计六月发测试版。
