# 内置默认音色 · 来源与许可

`assets/default-voice/` 下三段参考音频，全部以 `.wav.gz` 压缩存放，
插件启动时解压到 `~/.dsh/gsv-local/voices/`，用来做到「装上就能说话」——
使用者不必先自己录一段 8–10 秒的参考音频。

**三段都不是真人录音。** 但三段的来源链条不一样长，请按需选择。

## 逐段来源

| 文件 | 时长 | 来源 | 性质 |
|---|---|---|---|
| `ja.wav` ★默认 | 9.68 秒 | **本机 GPT-SoVITS v5turbo 生成**：台本为日语，参考音色取自 `dfy.wav` | 演绎物（音色克隆） |
| `female.wav` | 约 6 秒 | [MOSS-VoiceGenerator](https://huggingface.co/OpenMOSS-Team/MOSS-VoiceGenerator)（Apache-2.0）按文字描述合成 | 文字生成，未参考任何人的录音 |
| `male.wav` | 约 6 秒 | 同上 | 同上 |

### 关于默认那段 `ja.wav`

它**不是**第三方包里的原始文件，而是本仓库用 GPT-SoVITS 重新生成的：

- 生成工具：[RVC-Boss/GPT-SoVITS](https://github.com/RVC-Boss/GPT-SoVITS)（MIT），
  权重 `s1v3.ckpt` / `s2Gv5turbo.pth`；
- 参考音色：`@wocwang/cortico-world-gpt-sovits-for-coopanion@0.4.0` 的 `dfy.wav` —— 该文件
  原包说明称取自 B 站视频《人是猫》(`BV1freb6iErC`) 的 AI 合成人声，非真人录音；
- 台本（本仓库新写，非原台本）：见 `ja.txt`。

**诚实定性**：`ja.wav` 本身很可能不构成受著作权保护的原创作品（AI 生成、无人类作者），
但它复现了 `dfy.wav` 的音色，因此是一件**演绎物**，不是「无版权素材」。
风险比直接分发原文件低一档，但没有消失。若你要商业分发或要求完全干净的来源，
请改用 `female` / `male`（文字生成、未参考他人录音），或自己录一段。

## 提示音文本必须成对使用

参考音频与它的台本（`*.txt`）是成对的 —— 差一个字，克隆出来的音色就会漂。
所以 `refAudio` 与 `promptText` 请一起改；只改一个，声音会明显不对劲。

## 想换成自己的声音

把 `refAudio` 指向你自己的 wav、`promptText` 填成那段录音逐字说的内容，
插件会忽略内置音色。要求：8–10 秒、单人、干净、无人声混响。