1. 基础音源采集：获取Hasan标志性声纹

为什么重要：低质量音源会导致AI生成声音出现机械感，降低观众信任度

  1. 精选原始素材：收集至少2小时Hasan直播片段（建议使用2023年后高清音轨）
  2. 降噪处理：用Audacity消除背景杂音（保留5%环境音增强真实感）
  3. 分段标记：按情绪标签分类（愤怒/调侃/严肃等）
避坑：避免使用早期480p视频音源（2024年测试显示音质损失达37%）

2. 声学模型训练：参数优化关键点

为什么重要：默认参数会使生成语音丢失Hasan特有的胸腔共鸣效果

  1. 设置基础参数：采样率保持44.1kHz，batch size不超过8
  2. 调节音素对齐：将attention heads增至12组提升辅音清晰度
  3. 动态调整：每500步验证集loss值应稳定在0.08-0.12区间