为VA-11 HALL-A制作完全日语语音Mod

我非常喜欢VA-11 HALL-A 赛博朋克酒保行动 这款游戏。作为半个galgame玩家，我更习惯阅读有语音的视觉小说，也一直在想象能在VA-11 HALL-A里听到Jill、Dana以及每一个角色的声音。而在前段时间我了解到了GPT-SoVITS，一个开源的语音模型训练和TTS项目，却是效果最好的项目之一。接下来我又检查VA-11 HALL-A游戏文件，并使用工具解包，最终确定，为VA-11 HALL-A制作完全语音模组可行：

1. 可以使用GPT-SoVITS制作多个模型用于配音；

2. VA-11 HALL-A的所有对话脚本直接暴露在游戏根目录，便于TTS推理，并支持音频触发事件，例如：

   [SOUND:pageturn][XS:jilltalk,1][C:43][C:C][STOPLIP:]首先，我想为之前的行为致歉。

3. 使用UndertaleModTool可以方便地导入新的音频资产，甚至直接解包出游戏所有代码，可以增加语音打断、音量调节等逻辑。

然后我就开始进行第一步，也是最漫长而折磨的一步：为总共31个角色找「声优」。想象每个角色的声音，回忆我了解的声优或者角色，反复对比是否合适，然后准备数据集。如果声音来自动画，就需要录音、剪辑，然后降噪、去背景音乐；如果声音来自galgame，则可以方便地直接解包获取音频文件，因此我最后使用了大量来自galgame的角色语音（实则夹带私货）。数据集的准备是最煎熬的，模型训练反而用不了多久，不过由于我的电脑显存太少，我还是租了服务器跑的。等到准备好全部31个模型，已经过去整整一个月时间了。

接下来的任务就轻而易举了，先建立角色和声音模型的对应关系，然后通过一个脚本就可以完成这些流程：

• 读取游戏对话脚本并清洗，得到角色和台词文本
• 按顺序调用对应模型进行推理，得到音频文件
• 将SOUND标签写回脚本文件

得到的结果大概是这样的：

[SOUND:voice_jilltalk_pro1_0001][XS:jilltalk,1][C:13]Jill：[C:C]晚上好。[STOPLIP:]
[SOUND:voice_dantalk_pro1_0001][SHOW:185,sprite_dana][XS:danaface,worry][XS:dantalk,1][C:15]Dana：[C:C]好吧，至少我的员工中还有人来上班。[STOPLIP:]
[SOUND:voice_jilltalk_pro1_0002][XS:jilltalk,1][C:13]Jill：[C:C]嗯？Gil呢？[STOPLIP:]
[SOUND:voice_dantalk_pro1_0002][XS:dantalk,1][C:15]Dana：[C:C]他嘟囔了几句害虫啊漏洞啊之类的话，然#后就请了几天的假。[STOPLIP:]
[SOUND:voice_jilltalk_pro1_0003][XS:jilltalk,1][C:13]Jill：[C:C]也就是说一切照旧了。[STOPLIP:]
[SOUND:voice_dantalk_pro1_0003][XS:dantalk,1][C:15]Dana：[C:C]并……不是。[STOPLIP:]
[SOUND:voice_jilltalk_pro1_0004][XS:jilltalk,1][C:13]Jill：[C:C]怎么了？[STOPLIP:]
[SOUND:voice_dantalk_pro1_0004][XS:dantalk,1][C:15]Dana：[C:C]我是指咱们两个，不包括Gil。这个周末#的生意会稍微有些不同。[STOPLIP:]

全部执行完后，可以再进行响度标准化，然后使用UndertaleModTool导入所有音频文件，并用新的脚本文件替换原本的，就大功告成了。

这个项目还是有很多不完美的地方，比如选模型时有些角色我没能做到完美贴合，推理的语音也有些缺少感情，不够让人信服。不过我还是感叹不已，技术的发展让我的想法得以实现。VA-11 HALL-A已经是十年前的游戏了，在2026年的今天，一些赛博朋克色彩的想法已然实现；不论你喜爱或是抗拒，AI、机器人、各路技术，科技的发展会推着你往前走。此时此刻，用最新的AI技术，给一款十年前描写酒、机器人和爱的游戏带去一丝新的生机，又何尝不是一种浪漫。