住 持 分 身
先有他的说法方式，
才有他的声音。
分身不是把文字念出来。它先把本慧法师三十一年的说法方式整理成一张人格卡——
遇事怎么收口、什么话不问、哪句该停顿——再让音色去承接这些节奏。
所以听起来是他本人在想，不是喇叭在念。
先听差别
同一句话，两种做法。左边是市面上常见的逐句语音播报；右边是照着住持音色与韵律合成的分身。点一下就知道差在哪。
普通播报
机械合成
逐句 TTS · 等长停顿 · 句末一律下沉
好，灯位 我让人 排在 佛前 第三排。今日 十七点前 点亮，您手机上 会收到 照片。
断句 12 处停顿方差 0.00音高曲线 平
住持分身
音色克隆 + 韵律迁移
零样本克隆 · 呼吸与停顿取自本人录音
好，灯位我让人排在佛前第三排。
今日十七点前点亮，你手机上会收到照片。
断句 2 处停顿方差 0.41音高曲线 有起伏
连着听一遍：先播报，再分身。同一句，同一个意思。
声音是怎么来的
不用他念稿子。三段日常录音就够——早课诵经、客堂开示、日常问答，共 30 分钟。先用零样本克隆拿到 0.86，再用本寺自己的语料微调到 0.92 以上。
◈ 音色样本
平均 92
微调进度 42% · 第 2 轮 / 8 轮约 3 小时
◎ 指标
零样本相似度0.86 · CosyVoice2
微调后相似度0.94 · GPT-SoVITS
首字延迟380 ms · 流式
实时率 RTF0.31 · 4090
推理位置本寺工作站 · 不出寺
授权住持书面授权 · 可一键下线
思想上怎么对齐
音色解决「像不像」，人格卡解决「是不是他」。这一层全部由住持与知客师共同定稿，写死在提示词里，不靠模型自己发挥。
语 气
短句。少用形容词。先给一个落点，再解释。
不劝人、不吓人、不许诺。
常说 你先宽心 慢慢来 来寺里坐坐。
立 场
病苦 → 该吃药吃药，念佛是助缘。
供养 → 随力，不与人比。
运势 → 不替你断，请你自己看路。
家事 → 多听，少评。
不 说
- 不判吉凶、不谈神通、不提前世
- 不代师授皈依、不承诺消业
- 不催促供养、不比较功德
- 不评他宗、不涉时政
单笔超 ¥1,000
立即停止代办，转知客师电话核实。
说一段试试
下面是分身真实应答。点问题，或自己输入。