叔叔张嘴，声音却是投资人？AI 视频配音张冠李戴：60 行 Python 自动揪出「叔叔开口变投资人」

大白话这位作者同时运营两个动画账号，角色固定是 Ethan、叔叔 Rick 和投资人 Chad。视频模型出片时人脸基本不崩，但配音经常乱套：叔叔张嘴却是投资人的声音，或者旁白突然插进来。天天更新根本看不过来，他就用约 60 行 Python 搭了个自动检查：先给每个角色录一段干净参考音，再把成片转写成分句带时间戳，逐句提取声纹向量，跟三个参考音比相似度。哪句更像别人说的就标红，静音后换上干净的 TTS 配音。顺带还能抓出模型自己瞎编的台词。

对你意味着做 AI 短剧、动画账号、批量出片的人最容易被这种「声音串台」坑，人工逐条听根本扛不住日更节奏。