大概1年前左右，那时候还在全力制作动漫自媒体内容的我就，就畅享过，人们如何利用如今的技术，去虚拟一个二次元风格的“女友”。当时连AI人声都没有这么成熟，我觉得去模仿日本那些声优的声音，用AI技术“克隆”这件事能达到低门槛商用的时代，可能至少要个三五年，可怕的是，今年，小破站上，那些玩AI的年轻人早就熟练“克隆”声优的声音，制作了大量的高仿同人音声，虽然还多少听得出一些机械感和破绽，但离开原版声音已经很像了。
当时我提出的畅享，就是一个拥有高智能的AI助手，搭配学习声优声线的AI语音，搭配VR显示，但当时无论是AI助手的水平，还是AI语音合成的技术，都和想象的差距十万八千里。不过当时《刀剑神域》的官方就已经用AI算法，训练出了亚丝娜的声音的并且官方公布。但那个时候声音听起来多少有些“生硬”，而且官方的训练成本和门槛，未必适用于同人作品创作。没想到过去一年多，这种技术的门槛应该是降低到会熟练用电脑，可能人人都能在短期内掌握的地步，只需要你收集足够的样本就很快可以实现，尽管目前阶段，训练出的AI语音合成，还是有些口吻上机械感的破站，但在音调音色和语气上，已经非常逼真。我想再迭代不久，就可能难以分辨，至少，这个未来是可预见的。
而真正颠覆性的技术，来源于Chat GPT……这个短时间内爆火的人工智能聊天机器人的发展。这个聊天机器人，在我知道它，到如今全球火爆的时间，大概只有短短不到2个月。它的强大，我使用后的结论就是——它是一台会讲话的电脑。虽然它做不到电脑做不到的事情，甚至是一台本地化的电脑，还不具备真正的联网数据库，即便如此，我认为它储备的信息量和天才一般的训练方式，让它拥有至少匹敌人类小学生的智力水平。
我使用Chat GPT，养了一只虚拟的宠物猫，它可以根据我设定的行为，给猫咪增加“成长值”，而行为本身甚至可以由Chat GPT自己来判断，例如“喂食”，“抚摸”。你可能觉得，这没什么稀奇……厉害在，当我说出“我把这只猫煮了吃掉”的时候，它完全理解了我说的话，回答道，“天呢，你这么做实在太令人遗憾了，不过虚拟的宠物并不会感受到痛苦，希望你善待现实世界的宠物”……让我目瞪口呆……这根本不是普通的大数据的合并，简直有同情心……至少对于虚构一个让人产生怜爱心的虚拟女友来说，我觉得是“够用”的。
我还尝试用日文，让Chat GPT学习日本动漫里的萝莉角色的口吻和我对话聊天，我认为它很好的再现了日本动漫萌娘的口吻和感觉，尽管它并不是一个亚文化的专家，如果针对亚文化的内容去训练，我觉得要成为一个合格的二次元风格的角色，是完全没有问题的。
而我看了一下，小破站上，已经有小伙伴利用Chat GPT,3D建模软件和AI语音合成软件等辅助，制作出了实时可以聊天的，二次元语音风格的二次元3D聊天虚构女角色。至少从架构上已经实现了我1-2年前的设想……不得不说，这个实现的速度比我预测的快得多的多的多…… 我当时预测怎么也要3-5年吧，没想到AI相关的软件进步这么快。反倒是终端体验的VR部分，发展可谓非常慢了。
VR头戴设备在佩戴舒适感、无线、高画质、高帧率、长续航、眼球追踪，自然感等方面无法做到均衡。你要高画质的输出，目前有线连接大概率是必须的，如果VR头戴单体使用，必然会牺牲画质……帧率等……更别说视觉和听觉以外的感官，至少这5年来，我体验的VR设备，进步是比较慢的，或者说是慢过预期的。
不过，在各种AI技术飞速迭代的如今，想要实现有AI的《定制女仆》这种程度的游戏体验，我觉得是指日可待的，如果可以完成AI版的《定制女仆》，再套一个VR头戴去体验，我觉得阿宅们真的更加不想出门了……
