变声（Voice Changer）是指通过硬件或软件技术，对原始人声或音频信号进行处理，改变其音调、音色、语速、共振峰等声学特征，从而模拟出不同性别、年龄、物种甚至虚构角色的声音效果。在信息技术领域，变声技术经历了从模拟电路到数字信号处理、再到深度学习驱动的实时合成演变，广泛应用于游戏语音、直播娱乐、影视配音、隐私保护及辅助沟通等场景。该词条涵盖技术原理、典型应用、主流工具及相关的文化现象与争议。
1 技术原理
变声技术的核心在于对声学特征参数的操控。原始语音信号由声带振动产生基音频率，经声道（喉、咽、口、鼻）的共振调制后输出。改变这些参数即可实现声音转换。
1.1 基于信号处理的变声方法
此类方法直接操作音频信号的时域或频域表示，不依赖大数据训练，计算开销较低。
1.1.1 音高移位
通过将音频信号的基音频率整体上移或下移，实现声音变高（如儿童声）或变低（如低沉大叔声）。常见算法包括相位声码器（Phase Vocoder）和基于归一化互相关的PSOLA（同步重叠相加）。音高移位不改变声道特征，仅改变音调高低，因此容易产生“机械感”或“卡通味”。
1.1.2 共振峰调整
共振峰是声道共振产生的频谱峰值，决定了声音的“个性”（如性别感）。通过频域滤波或LPC（线性预测编码）分析，将共振峰频率整体偏移——上移使声音更细幼（类似女声或童声），下移则更厚实（类似男声或低音炮）。通常与音高移位协同使用，以达到自然人声转换效果。
1.1.3 时域拉伸与压缩
改变语速而不影响音高（或同时改变）。通过波形重叠相加（OLA）或相位声码器实现。用于制造“慢速洛丽塔”、“快速咆哮”等效果，常见于语音恶搞或辅助听力场景。
1.2 基于机器学习的变声方法
深度学习模型可从大量语音数据中学习说话人的声学映射关系，实现更自然、更高相似度的变声，甚至跨语种、跨音色转换。
1.2.1 循环神经网络与波形生成
利用循环神经网络（RNN）或其变体（如LSTM、GRU）建模语音时序依赖。模型将源说话人的梅尔频谱转化为目标说话人的频谱，再通过声码器（如WaveNet、HiFi-GAN）生成波形。这类方法需离线训练，但推理速度受限于模型复杂度。
1.2.2 对抗生成网络与语音转换
生成对抗网络（GAN）中，生成器负责将源语音转换为目标语音，判别器则判断输出是否与目标说话人真实语音相似。典型模型如StarGAN-VC、VCGAN。训练完成后可实现任意到任意的语音转换，甚至“一人分饰多角”。缺点是可能引入不稳定音质或“电音感”。
1.2.3 实时推理与轻量化模型
为满足直播、游戏语音等低延迟需求，研究者通过模型剪枝、量化、知识蒸馏等手段将深度学习模型压缩至几十MB级别，并利用GPU或NPU加速。代表如RVC（Retrieval-based Voice Conversion）系列，支持在消费级显卡上实现实时变声。
1.3 硬件变声设备
早期的变声主要依靠专用硬件，至今仍在中高端音频设备中保留。
1.3.1 模拟效果器电路
使用运算放大器、电容、电感等元件构建模拟滤波器，通过旋钮调节音调、谐波和混响。典型如电话变声器、KTV效果器。优点是零延迟、无算法失真，但功能单一，且无法存储预设。
1.3.2 数字信号处理器板卡
内嵌DSP芯片（如SigmaDSP、TMS320系列）的硬件模块，可运行固件化的变声算法。支持多段均衡、压限、变调、混响等效果，通过MIDI或USB接口控制。常见于专业直播声卡（如GoXLR、雅马哈AG系列）和独立变声器。
2 应用领域
2.1 娱乐与社交
变声技术为数字娱乐提供了丰富的创意表达手段。
2.1.1 游戏语音聊天
玩家在《Among Us》《绝地求生》等游戏中通过变声伪装身份，制造“萌妹指挥”或“恶龙咆哮”等戏剧效果。部分游戏内置变声滤镜，支持一键切换性别音色。
2.1.2 直播与虚拟主播
虚拟主播（VTuber）使用实时变声技术配合面部捕捉，以2D/3D动画形象与观众互动。软件如VC Client、Voidol可实现高还原度声线切换，使主播一人反串多角。
2.1.3 音频创作与恶搞
广播剧、有声书、搞笑视频中，变声常用于塑造外星人、机器人、动物等非现实角色。移动端的“变声器App”支持短视频配音，用户可将自己变成《西游记》中的孙悟空或《冰雪奇缘》中的艾莎。
2.2 隐私与安全
2.2.1 电话匿名伪装
在需要隐藏真实身份的沟通场景（如产品测试、采访敏感对象）中，变声器可实时改变通话声音，防止被识别。部分客服系统的“隐私通话”功能也内嵌简单变调。
2.2.2 警务与证人保护
警方在监听或询问过程中，对证人声音进行变调处理，以防语音特征泄露。该技术通常与音频水印结合，确保录音在法律程序中的可追溯性。
2.3 辅助与医疗
2.3.1 喉切除患者的语音替代
因喉癌等原因切除声带后，患者可通过电子喉或食管发音，但音质单调。变声设备结合“颈带式拾音器”将振动信号转换为近自然语音，再通过参数调整恢复原有声线。
2.3.2 语言康复训练
对发音障碍儿童进行听觉反馈训练：将患者说出的句子实时变调后回放，使其感知音高和节奏偏差。变声参数可根据治疗目标动态调整，降低训练挫败感。
3 主流变声工具与平台
3.1 桌面端变声软件
3.1.1 实时变声器
- Voicemod：提供超过50种预设音色（包括“电音”、“机器人”、“地狱恶魔”），支持系统级音频输入输出，兼容主流游戏和通讯软件。集成声卡模拟器，可自由调节音调、共振峰和混响。
- Clownfish Voice Changer：轻量级免费工具，内置变声、音效播放和语音合成功能。支持麦克风监视和热键切换，适合低配置电脑。
3.1.2 后期处理插件
- Melodyne：专业音高修正软件，提供波形可视化和手动音高校正功能。常用于音乐制作中对人声进行细微变调或精细调整共振峰。
- Auto-Tune：通过实时音高量化实现“自动修音”，其极端设置可制造标志性的“电音”（T-Pain效果）。亦支持音色偏移和声码器模式。
3.2 移动端应用
3.2.1 手机变声App
- Funny Voice（Funny Voice Changer）：提供数十种搞笑效果，如“外星人”、“小黄人”、“幽灵”等。支持录音后变声、实时通话变声（部分需ROOT权限）。
- Celebrity Voice Changer：可录制语音并转换声线，声称能模拟特朗普、马斯克等公众人物音色（实际效果因人而异）。
3.2.2 内嵌变声功能的社交应用
- QQ语音：内置“变声”特效，可实时切换“萝莉”、“大叔”、“变速”等模式。
- Discord：通过插件或语音设置支持Voicemod等外部变声器，社区持续分享自定义语音包。
3.3 硬件设备
3.3.1 独立变声器
- iCON系列：专业舞台级变声效果器，支持多通道输入输出，内置混响、延迟和变调算法。常用于小型演出和直播现场。
- Boss VE-20（已停产，二手市场活跃）：吉他手和歌手使用的综合效果器，包含人声变调、和声和失真模块。
3.3.2 音频接口集成变声模块
- GoXLR Mini：内置DSP效果器的USB音频接口，可直接在硬件面板上调节音高、EQ和声场。其“Morph”功能可实现渐变变声效果。
- 雅马哈AG03MK2：带有“变声”旋钮的调音台，通过旋钮连续改变音调，用于会议或游戏场景的快速遮蔽。
4 文化影响与争议
4.1 声优文化与“伪音”修炼
4.1.1 虚拟偶像与角色扮演
在二次元社区，许多爱好者通过变声软件模仿动漫角色的标志性嗓音，并配合“中二台词”录制asmr或翻唱。虚拟YouTuber（VTuber）的普及进一步推动“声线切换”成为内容创作的核心技能，甚至出现专门教授变声技巧的线上课程。
4.1.2 “男声女优”与“女声男优”的趣味现象
部分男性声优或主播能够通过自身练习（而非软件）发出自然的女性嗓音，反之亦然。这些“天赋异禀”者常被戏称为“声优怪物”。他们在网络广播剧中以中性或反向性别的声线出演，引发观众对“伪音”的长期讨论和模仿热潮。
4.2 伦理与滥用
4.2.1 语音诈骗与身份冒用
犯罪分子使用变声器模拟熟人声音实施“AI换声”诈骗——例如冒充亲属急需转账。2019年至2023年间，此类案件在全球呈上升趋势，涉案金额从数千元到数百万元不等。反制技术包括语音生物特征活体检测和文本无关声纹验证。
4.2.2 网络暴力与恶意伪装
在语音聊天室或游戏中，部分用户利用变声器冒充异性进行“网恋骗局”或言语骚扰。平台方通常采取“实名认证+人工举报”机制，但实时变声的追踪难度较高。另有人利用变声器捏造虚假音频证据，涉及校园霸凌和职场造谣。
4.3 技术限制与未来方向
4.3.1 情感表达与自然度瓶颈
当前变声技术可精准匹配音色和语速，但在情感传递（如哭泣、愤怒、轻声细语）上仍显生硬。深度学习模型常丢失原始语音中的呼吸声、颤抖等细微特征，导致“完美但缺乏灵魂”。多模态融合（结合面部表情和文本情感标签）是正在探索的解决方案。
4.3.2 深度伪造监管与反制
AI变声与深度合成语音的结合已能生成几乎无法分辨的语音深伪。各国正在推动相关立法，如欧盟《人工智能法案》要求合成语音添加数字水印。反制技术方面，基于声纹特征的“血型检测”和基于物理模型的“不可感知噪声”注入（使变声器降级）成为研究热点。此外，部分聊天机器人开始引入“语音DNA”概念，要求每次交互携带不可篡改的身份签名。