文/羊城晚报全媒体记者 黎秋玲

图/羊城晚报全媒体记者 刘志勇

2025年的全球AI语音圈，发生了一场令人咋舌的“逆袭”。

在被誉为AI“奥林匹克”的HuggingFace的TTS Arena榜单上，一款名为“悟声Vocu V3”的中国AI语音模型，在数万名全球用户的盲测投票中，登顶世界第一。排在其后的，有美国的Inworld、英国的ElevenLabs等估值百亿美元的国际独角兽，也有阿里、MiniMax等国内知名企业的同类产品。

创造这一奇迹的，是广州烁谷科技公司。这家公司的掌舵人，是出生于2002年的大男孩谢伟铎。他何以凭一己之力带领团队站上全球AI语音的顶峰？这份逆袭背后，藏着怎样一段鲜为人知的科创征程？近日，羊城晚报记者专访谢伟铎，走近这位“00后”的科创之路。

破局：给AI语音注入“人味”

在位于广州海珠区的办公场地，记者见到了谢伟铎。白色T恤搭配黑色短衬衫，黑框眼镜后面是一双清澈明亮的眼睛。谈起计算机与语音模型，他的语速会不自觉地加快，满是热忱。

“我们的核心优势，就是让AI语音有了‘人味’。”谢伟铎这样概括“悟声”的特别之处。在传统的语音合成领域，机械感曾是难以逾越的鸿沟。但“悟声Vocu”打破了这一僵局，它像是一位深谙情感的“配音演员”，能深度理解文本中的喜怒哀乐，精准演绎哭、笑、歌唱等。仅需3秒的声音样本，就能实现相似度超95%的瞬时克隆。

这种“有温度”的技术，还带来了颠覆性的成本变革。谢伟铎告诉记者，真人配音一分钟动辄数百上千元，而“悟声”将成本压缩至几毛钱，仅为真人配音的千分之一甚至万分之一。从游戏、影视的离线配音，到陪伴类AI助手的在线交互，甚至是呼叫中心的仿真应答，这项技术正以惊人的速度渗透各个应用场景。上线短短3个月，“悟声”用户量突破百万，访问量达千万级，并顺利通过了深度合成服务算法备案等。

值得一提的是，在安全与合规方面，烁谷科技通过自研水印和鉴伪模型，实现AI音频无痕溯源与高精度鉴别，守住科技安全、向善底线。

缘起：从为虚拟主播“寻声”开始

谢伟铎最初只是为了满足一个简单的愿望：给自己的虚拟主播“木几萌”找一个好听的声音。

高中时期，谢伟铎就对人工智能充满了好奇。2023年年初，在巴黎大学就读的他，利用课余时间自主训练了一个小型AI对话模型，先应用于QQ机器人，后将其接入自制的虚拟主播“木几萌”。没想到，这个AI虚拟主播在B站迅速走红，粉丝量远超同类竞品。

然而，走红背后藏着尴尬——“木几萌”的声音太僵硬了，“说话像机器人读课文”。谢伟铎翻遍了市面上所有的语音方案，始终没找到一款能匹配“木几萌”灵魂的语音产品。

“既然没有，那就自己做一个。”没有资金、没有团队，只有一台电脑和一股不服输的劲头。谢伟铎放弃了大部分娱乐时间，恶补语音合成知识。他尝试用生成式AI架构做语音合成，将声音编码成类似文本的形式，再通过算法还原。“这一新的架构的探索，比字节、阿里等大厂早了一年。”他不无自豪地说道。

2023年秋，正式版本诞生。当搭载新声音的“木几萌”开口说话时，网友们惊呼：“这声音太有人味了！”“用的是哪家的技术？”原本自用的技术意外获得市场的热烈反响，这也成为了烁谷科技的起点。2024年6月，大二学生谢伟铎做出了人生中重要的决定：休学回国，在广州正式创业。

他选择了百度前CEO陆奇团队的奇绩创坛作为天使投资人，不仅因为资金，更因为这里能提供宝贵的创业指导。“他们不仅给钱，还请李想、周鸿祎等大佬分享创业干货。”谢伟铎说。

如今，烁谷科技入驻广州首个大模型孵化空间——清智孵化器·琶洲模方。作为典型的AI OPC（一人公司）企业，烁谷科技团队仅由三四名核心成员组成，执行力极强，契合广东支持人工智能OPC创新发展的政策导向。

“基地帮我们节省了不少成本，也让技术更快落地。”谢伟铎感慨道。在琶洲模方，像他这样的年轻创业者不再是孤军奋战，而是置身于一个由专家、资本、数据构成的共生生态中。

回国创业后，谢伟铎的AI语音模型不停迭代，不仅曾登顶全球第一，如今已获数亿元估值，正稳步推进融资事宜，并走上了盈利之路。

成长：包容为成长提供沃土

回溯谢伟铎的科创成功之路，离不开那段被热爱和包容包裹的童年成长经历。

他与电脑的缘分始于3岁，“家里的台式电脑摆在客厅，无密码、无禁令，父母的态度是‘随便玩，弄坏了帮忙修’。”谢伟铎的父母都是学中医的，在教育上，他们从未拘泥于“标准答案”，给予他最大限度的自由。

这种开明为兴趣成长提供了沃土：7岁时，谢伟铎就在淘宝开网店，帮人修电脑，一次50元，自己管理收入；小学四年级时，他参加高中组手机应用开发赛，凭借自研智能家居APP斩获全国第三。一切的电脑、编程知识，全靠他自学！

12岁时，他沉迷上了《我的世界》这款游戏，用淘汰电脑搭建游戏服务器，与网友一起打游戏，中学时就靠这赚了十几万元。这个阶段学习压力稍大，他还与父母斗智斗勇，破解电脑密码、通宵摸黑玩游戏……

“当时我最怕参加家长会了。”谢伟铎的父亲对记者笑称，老师常建议他没收儿子的电子产品，直言“不然没有前途”。但其父亲认为，“男孩子需要陪伴，才能走进他的内心。”于是，父亲主动走进他的世界，还以“大表哥”的身份，帮他管理3个2000人的QQ群。父亲的理解，帮助他度过了这段有点叛逆的青春期，成为他坚持兴趣的底气。

初中后期，谢伟铎又迷上编曲，无专业指导就自己摸索，作品累计播放量已达几个亿，14岁创作的生日单曲播放量累计突破3000万。“我现在做语音，跟编曲有很大关系，都是对声音的感知和打磨。”他说。

凭借过硬的英语语言功底和积累的计算机等知识，谢伟铎通过中法友好教育项目，前往法国读高中，大学考进巴黎大学计算机系。更多的空闲时间，为他捣鼓虚拟主播、研发AI语音模型提供了条件。面对“AI天才”的赞誉，他显得异常淡然：“我的成绩不算拔尖，很多东西都是在课外学的。始终保持好奇心，想到就做。我现在的成果，本质上只是一直把兴趣往后延展的结果。”

“新”对话

羊城晚报：您觉得AI语音模型的未来是怎么样的？

谢伟铎：全球AI语音的市场规模至少都是千亿美元以上，是非常有前景的一项技术。未来希望能够做到推进人机交互的情感化的终局，达到一个和真人媲美的越过“恐怖谷”的水平。

羊城晚报：近期“悟声”AI语音模型有哪些新进展？

谢伟铎：目前正在打磨优化智能体的表现，系统正在内测新的功能，例如用文字生成音乐、音效的功能，顺利的话一周内可以上线。