无中之人组与合成音声后人类叙事刍议

文：s62

Illustrator：curantohashdash

本文从历史起源和UTAU“无中之人组”的概况切入，详细剖析了以足立レイ为代表的无中之人歌声合成音源的独特文化叙事与审美意趣，最终归于对当下无中之人合成音声发展的展望。声音可以不属于任何人，却依然有意义；歌唱可以不源于任何意识，却依然有感染力。

一、无身体的器官：无中之人音源的原点

近年短视频几乎清一色地使用AI配音作为讲述人声。制作这种短视频时，创作意图较弱的制作者基本不挑选声音，而创作意图强的则依照其音色和发声方式，为其所适应短视频叙事的功能来安排声音的选择。无论如何，在短视频的AI配音里，人声就是人声本身，他产生有信息的声波，在听者脑海中形成音响形象作为能指，然后听者的语言功能以此唤起所指的概念，尽管绝大部分AI配音音色的来源是真实人类的声音，但他们是无关紧要的，这些音色只是依据性状描述和功能属性被称作“广西表哥”“娱乐扒女”等。即使暗示了角色来源的“猴哥”“小马”等，实际上也只是一种型号或者代号，不影响其真实来源的隐身。或许短视频的制作人会多少顶替真实说话人的位置。

所以差不多可以说，在这种将合成音声纯粹作为媒体技术及内容生产工具的场合，几乎不会有人在乎声音所隐含的身份信息，更不要说为声音虚构一个完整的人格设定，并能够在特定文化场景里成为共识。因此，短视频制作者是将合成音声当作自己声带的替代品去使用的，合成音声软件是“我”的器官，使“我”能够不经训练去做到原说话人才能做到的一些特殊音色和发声技巧。这与请人来念白是完全不同的。哪怕是一个真实的声带被移植在我身体上，他原来的身份在绝大部分时候也不过是一种冗余。

这种脱离了人而孤悬的人声，今后当然会继续存在，并始终服务于景观再生产的无限加速。如果说这是拥有人声的非人，那么其镜面之后，则是拥有非人声的人。在近年的合成音声同人文化中，这一概念的代表大概是 “UTAU无生物音源（UTAU無生物シリーズ）” ，或者更广义的 “无中之人组（中の人いない組）” ——顾名思义，就是没有中之人的音源角色们。他们是通过采样非人声或合成单纯波形得到声音，并作为客体赋予形象而来的合成音声角色。与现在泛滥的AI配音不同的是，这种音源不追求人声特质，甚至故意最低限度保留作为人类语音的可辨识度，此外则离真实的人声越远越好。这一选择主动拒绝了声音的生物性层化，即声音必须源于并模仿人声。另外，无中之人音源的制作目的是为了强调身份而非功能，因此反功能的非人声来源，往往是作为角色叙事的起点而被确定下来，这种叙事往小了说是ACGN中经典拟人化实践的继承，往大了说也是后人类愿景的一部分。

虽然这是近年集中的现象，但无中之人音源的理论与工程基础从非常早的时期就已经成熟。语言学与语音学相关知识、发声器官的解剖、机械工程技术等等，在19世纪以前就发展到能够支撑语音合成的发明的程度。而最初的语音合成机器正是无中之人音源。维多利亚时期的伦敦，曾经展出过一台叫做Euphoria的语音合成机器，因为缺乏录音和影像资料（语音合成发明的时候摄影和录音技术甚至都没有成熟！）我们不能直接体验实际合成效果，但从其记录的原理与观众的反应来看，可以认为是比较成功的。往后一个世纪左右，贝尔实验室的Voder在1939年纽约世博会亮相，使其声闻一时，这次则留下了完整且清晰的演示录像，感兴趣的可以上网搜索观看。这些今天看来充满蒸汽朋克和未来主义意味的语音机器，完整地模拟了声道对气流进行阻碍形成辅音，对声带振动进行滤波塑造元音和鼻音的过程，相当于直接在物理上重建了人的一套发声器官，而这套器官并不是，也不可能做成针对某一具体个体发声器官的复制品。因此从技术出发来说，无中之人音源才是合成音声最原始的形式。

尽管如此，不管是在Euphoria的新闻版画中，还是在现存的Voder演示录像和现场留影中，我们还是很容易发现，他们都假塑了某种符号性的身体部分，作为设备的一部分被展示出来。Euphoria在机器的发声口处安置了一张今天看来非常骇人的假脸，它毫无生气，惨白地提示着：这台机器要产生人口说的声音。Voder发布时，展示会场正中画上了构成主义速写的人脸，其展示过程也是以对话的形式进行的。也就是说，人们甫一开始就不由自主地为这一套“器官”想象出了一些形象，并认为即使是人造的人声，也务必要和能够交流的对象绑定。就像一些原始宗教为有灵之物塑造偶像那样，如果人类认为一个悬空的声音如果有其物质实在，那么描摹这种实在的时候，也多半以人类自身的身体为范本。

这一观察告诉我们，合成音声与同人文化的结合当然不是凭空而来。在东方Project同人中，著名的灵梦与魔理沙的“油库里音”，就是分别取自AquesTalk的两个纯合成女性音色f1与f2。自那以来，大家不仅是在解说中为这种馒头形状的角色衍生生物配上这种声音，各种东方MMD动画中也频繁将其作为角色原本的声音来使用。可以说，在东方原作角色不存在任何声音的情况下，东方同人内部逐渐形成一种以指定非人声音作为角色标准声音的共识方案。油库里音作为一个抹除身份的无中之人音源，只有一个音响形象的倾向，这不仅是为了避免角色与任何真实存在的人牵扯上关系（尤其在Cookie☆声剧诱发了一系列恶俗事件…¹之后）而导致主序同人形象解释权的旁落，也开阔了对声音的想象空间，同时也通过这种魔性的机械棒读²语音消解同人创作的严肃感。

在东方这边，油库里音是因为不希望某一个具体的声音统治某个角色而诞生的无中之人音源，这是为角色建构声音模式；而在合成音声文化这边，情况就不一样了。除了那些为已经完善的角色设定构建音源的实践，还有合成音声文化特有的为声音建构角色模式，例如无中之人音源的声音，很多是最开始就先于角色而存在的。

合成音声文化中的“无中之人音源”范畴，本质上是文化的而不是技术的。即使是定义上没有使用人声采样制作的音源，也必须经过角色设定上对非人声来源的阐释，加上声音本身保留的一部分非人声来源的特征，将这两者作为一种象征而被整合进这个声音所属角色的构成，并在其参与的作品叙事里发挥一些线索作用。单论技术上的“无中之人音源”实践，目前的经典方法是塑造其噪音和共振峰的频响分布，从而得到各音素，利用UTAU的标注进一步组成完整声库。随着基于深度学习的合成算法日渐成熟，现在也有转而使用这些算法的实践。

二、歌うbot：UTAU与非生物情结

2010年，大贯妙子与坂本龙一的合作专辑《UTAU》发行了。这是一张单纯、干净，极致表现人类歌声本真素质的专辑，在坂本龙一奏出的深沉钢琴和声所环抱之中，大贯妙子将二人对各自作品互相理解中的各种厚重情感，通过对一个年迈声带的完美掌控，融入在她轻柔而不失其个人色彩的歌声之中。而2010年也是一款名叫“UTAU”的歌声合成软件发布的第三年。那一年，在ニコニコ等网络同人文化集中的平台上，各种使用UTAU制作的合成音源及其角色的身影，已经是无人不晓。大家纷纷开始利用现成音源或自行录制的新音源，利用巧妙的音素、音高调制手法，由计算机合成充满感染力的歌声，并陆续投稿原创曲与cover作品。

几乎所有UTAU使用者应该都知道，在每份新解压的UTAU软件实例里，都躺着一个叫做“デフォルト”（“默认”）的音源，它除了UTAU的logo外没有任何可以识别的视觉形象。初次上手UTAU时，在钢琴窗中放置音符和音素，然后启动合成，就可以听见它平静、无机而充满黏性的声音。

这个默认音源不由UTAU的开发者飴屋完全自主制作，而是他借用了前一节提到过的AquesTalk中的声音切分标记而成。AquesTalk，这个更加古老的人声合成软件使用相当粗粝的算法，合成无中之人且难以分辨的声音。是故，虽然在合成技术上，把UTAU当作所谓“VOCALOID的免费替代工具”没有问题，但从文化方面来说，UTAU的起点则与当时兴起的人力VOCALOID相似，它们并不意图完全达到VOCALOID及其商业声库那样的真实度与表现力（尽管VOCALOID2开始的诸多声库开发目标中也基本认可了“机械感”这一差异化概念），而是正如将AquesTalk用作东方角色的声音一样，飴屋和早期UTAU音源的开发运营者们，可能默契地开辟了一条彻底的无机歌声合成审美路线。这是一切UTAU音源，或者说一切非商业的、自制的民间音源血脉的起点。在成熟的深度学习模型出现之前，UTAU的开放性及其审美默契，借助其长期作为唯一可以自行制作音源的歌声合成引擎的业界地位，支撑着民间音源至今的繁荣。

作为最早的UTAU音源，也是U家绝对核心的“三人娘”，从三个不同的方面体现了非生物趣味，同时也各自展现了一些独属于互联网的角色设定方式：

唄音ウタ。由上文的UTAU默认音源“デフォルト”发展而来，其声音也正源自该音源。唄音ウタ不是一开始随着UTAU的发布就拥有完整设定的角色，其目前唯一的形象，也并非飴屋所设计，而是首先出现于いぬへびP的同人投稿（nm3550480）中。随后飴屋依据该形象，在方兴未艾的合成音声同人社群里征集了更多的设定细节，最终“デフォルト”音源扩展为“唄音ウタProject”，一个从别处借来用以演示引擎功能与音源结构的声音，成为了可以被看见、被描绘、有性格、有故事的角色。一具合成音声的身体，确实可以由某个无机的声音种子，在有机的同人社群中育成——这个戴着紫色贝雷帽的冷萌机器人大概就是这样一种逻辑的产物。唄音ウタ不是商品，也不是带着意图的、某种文化权力为自己粉饰的画皮。即使在设定上她是淡漠的机器，她的诞生和近二十年同人存在，也完全是出于纯粹的生命力。

桃音モモ。在正式人设发布之前，桃音モモ就已经公开了其单独音音源，并吸引到ももももP为其进行创作、推广，她最终也为桃音モモ进行了官方立绘的绘制与正式人设的制定。桃音モモ也是第一个发布连续音音源的UTAU角色，连续音类似早期VOCALOID的合成算法，可以做到相对自然的合成效果。与其他二位不同，桃音モモ的设定是来自ももももP的有意构思，除了拥有明确的视觉形象和属性细节，还有所属世界观和相关亲属人物。虽然在设定上是机器人，但桃音モモ的声音是由藤本萌々子提供的。这就类似于日本一般动漫作品中会出现的仿人机器人形象那样，实际上是一种扮演，他们的声音由具体的人类发出，设定上他们也可能有极富意识的情感，和人类的差异仅在于有限且视觉上隐含的身体机能区别。因此以桃音モモ来创作的作品中，很少有去表现无意识、无机质的一面。（即使在某些画作中使出怪力或者把头摘下来，也不会像如今一部分足立レイ的同人绘画中，足立レイ做同样一件事被倾向于描绘出的微妙荒诞感、解离感。）

重音テト。我想这位目前连续两年热度第2的歌姬，在任何合成音声语境中，都不需要被过多介绍。虽然重音テト与桃音モモ一样，也是具有中之人的音源，但重音テト仍然是一个反生物规则的角色。重音テト的历史假设³，并不是一个从受精卵到胎儿，从懵懂的童年到受教育，最终成为在其设定年龄拥有某些特定性格的过程。如果说一般的ACGN角色是一个由生入死的中间定格点，那么重音テト则是由死返生的。生物肉体死去的过程是失去活性成为尸体、被分解者分解，随着物质循环、随机运动而散落到地球乃至全宇宙的各种毫无关联的地点。人格、意义等精神存在死去的过程亦然。而重音テト是这个过程的逆转：在愚人节的2ch讨论串里，仅仅出于要假装发布一个新VOCALOID歌姬的玩笑，大家就开始毫无由头地提出一些设定细节的碎片，然后开始组装成一个完整的歌姬设定，而且并没有经过任何音色和歌唱能力上的有意筛选，就让当时还在读初中、化名小山乃舞世的女生，作为这个角色声音的中之人。她就这样在匿名版里诞生，在同人社区中活了过来。她是奇美拉，而不是一个数字弗兰肯斯坦。她之所以不会成为那种把数团已死躯壳强行整合成的悲惨技术产物，是因为她的诞生也和前文为唄音ウタ所作的诠释一样，是出于纯粹的生命力，是同人社群的生命意志为了证明自身富有玩弄荒诞的能力，而设置的一个解构—重构式的后现代挑战。无疑，重音テト的这一母题使其不仅在U家长期稳立首要位置，也在拥抱深度学习合成技术后，在SV时代彻底进入合成音声流行文化的舞台，继续以其独特而开放的人物设定，在愈发充斥着能指狂欢、意义真空、深度进入后现代的互联网中，以一种元叙事的姿态，促成各种各样深刻作品的诞生。

最近的一两年里，还出现了一些势头比三人娘更甚的U家角色。足立レイ、ナースロボ_タイプT等几位，如今热度还在继续增长。他们与同样有着机器人或非人设定的前辈相比，体现出了更鲜明的时代性。

与VOCALOID早期的声库角色不同，UTAU的音源角色以及UTAU引擎本身与非生物的联系，从一开始就更近一些。一相对照，作为被模仿者的VOCALOID反而显得相当保守了。但VOCALOID引擎及其以初音ミク为代表的商业声库，在2000年代末就已经成功打入日本乃至全球的大众音乐视野，以至于“ボカロ”这一词已经作为日本合成音声文化的同义词使用，至今不易。初音ミク的声音，既非真人声音，也非百分百的合成声音。初音ミク的视觉设定，以及在同人创作里的叙事属性，也具有人类和后人类的双重性。这种双重性在其他合成音声角色上，也都普遍存在。关于初音ミク声音与形象的塑造思路，初音ミク声库的制作人佐佐木涉说：“我们希望在情感上摆脱对人类的替代或模仿。就像给味道独特的菜肴搭配独特的香料一样，如果加入经过夸张处理的可爱声音，或许就能达到平衡。”从官方设定上看，公式立绘中的衣着和配饰也充满了科技或者说赛博格属性，她标志性的耳麦、右肩的编号和YAMAHA DX7合成器元素。⁴由于初音ミク在合成音声乃至整个日本流行音乐文化中的霸权地位，在需要利用“软件”“二次元存在”“机器人”“虚拟人”等角色定位来进行叙事的视听作品中，往往也只有初音ミク等等带有一些机械色彩的著名V家角色，会进入到这些作品创作者的视野当中，例如sasakure.UK的专辑《ボーカロイドは終末鳥の夢を見るか?》、ピノキオピー的《匿名M》等等，初音ミク仿佛成为整个合成音声精神的唯一化身。

假设现在站在2010年代，我们能否回答以下几个问题：UTAU的无生物审美比VOCALOID所提倡的那种已纳入流行语境的浅淡“机械感”要深入得多，在传播UTAU作品时，这是否可以说是一大限制呢？如果是，那么这种审美会始终处于次要地位，还是说其实际是一种前瞻，一支对如今乃至未来后现代文化现象的预言？

要让身处2026的合成音声歌曲听众来回答这一问题，当然是轻而易举。我们见证了重音テト的SV声库发售为UTAUテト带来的复兴，原口沙辅等已在圈外流行音乐界功成名就的制作人们，也从テト开始使用各种“合成味”十足的UTAU音源，并积极与整个U家文化互动；我们见证了足立レイ的声音与整个等身大美少女项目，随着Avogado6、いよわ的作品开始为人熟知，这个在傅里叶域记载着全部故事的机器人，成为近年最富实验精神的新人P主们所宠爱的角色；我们见证了UTAU无中之人组的成员数量进入一个爆发期，每周都有新的音源配布演示视频进入我们的推送列表，尽管为无意识的自然万物赋予充满情绪的声音已经不新鲜，但创造力依然引导着我们继续在物体与声音的微妙之处，极尽观察之所能。

或许我们已经开始对拟像感到厌倦，对再造比真实更真实的事物感到失望。我们可能也开始反思“个性”到底是一种人生来就必须怀抱的价值观，还是只是热力学涨落理论上的一个随机波动。这一种离开我们自己真实声音的冲动，从最初的几个VOCALOID声库发布开始，愈发激烈了起来，直到今天，我们在合成音声作品中听到了空前狷狂的人声处理，看到了空前耸动的视觉描绘，我们在十余年的漫长同人文化生活中，目睹那些扮演着机械的有情之物逐渐褪色、失神，变成真正的无机、无意识的碎片。

三、灵魂抵押身体：“心”是足立レイ的幼年疾病吗

2007年末，sasakure.UK投稿了他作为ボカロP的首作《PICO＠LUV (☆彡とvとAIのウタ。)》。在初音ミク刚发售不久的日子里，大家热衷于通过作品讨论的，当然是她作为合成音声与其他角色相区别之处：初音ミク不是人类，她没有物质的实在，而是在电脑里歌唱的软件；但正因为我们能够实际地安装使用初音ミク的声音，所以她并不是像ACGN角色那样完全的虚构，她也是在现实世界和我们朝夕相处着的存在。在当时，那个合成音声文化开天辟地之时，很多创作中都有为这样的存在赋予人类的情感，想象着不仅是我们，他们也想与我们真正交流的一厢情愿。《PICO＠LUV (☆彡とvとAIのウタ。)》的开头，sasakure.UK以初音ミク的口吻写下这样的歌词：

カオには だせない けど
虽然 无法用 容颜展露

わたしも ♥（ココロ）を もってるの
可我也是 有心的

画面（かめん）の したは ナキムシ
屏幕 里面是 爱哭包的我

アマい ＊＊（コイ） だってスルよ
其实也想 甜甜地恋爱一场

同样是在镜音リン·レン发售不久，トラボルタP创作了《ココロ》。在歌曲中，镜音リン也是作为机器人，与创造她的科学家之间发生了一场经典的“寿命论”⁵故事，在这个过程中，镜音リン完成了从“无心”到“有心”的转变。在原始PV中，P主在歌词部分使用了一个小巧思：起初假名全部是片假名，在镜音リン发现并安装了“心”之后，就开始逐渐添加平假名，到最后则完全使用平假名。片假名在视觉上给人感觉十分方正、使用场合也多偏严肃；而平假名则相反，它们普遍圆润，富有流动，具书法美感。这个巧思正是以这个变化象征获得“心”的过程。

知リタイ アノ人ガ
好想知道 那个人

命ノ 終リマデ
直到 生命的尽头

私ニ 作ッテタ
都在为我 制造的

「ココロ」
“心”

今 動き始めた 加速する奇跡
现在启动了 加速的奇迹

ナゼか ナミダが 止まらナい…
为何 眼泪 止不住地流…

ナぜ 私 震える？ 加速する鼓動
为何 我 颤抖着？ 加速的悸动

こレが私の望んだ「ココロ」？
这就是我期许的「心」？

值得一提的是，在该曲著名的同人手绘PV (sm2671676) 和后续的众多同人创作中，科学家的角色都是由镜音レン来演绎的。这也印证了前文所说合成音声角色们的身份双重性。

图4/5

ココロ
PV
トラボルタP

及其同人PV创作（下图）

足立レイ在这一位置上则和早期VOCALOID角色们完全相反。足立レイ有其物质存在，她有容颜，但她是没有心的。她是理性中的无意识，现代性中的疯狂。她是正弦波的嚎叫，是与非门的自闭症。

2017年，在成功制作了两代等身大初音ミク机器人之后，制作者missile39（みさいる）发起众筹，目标是为一个全新的原创角色打造一具能够双足行走的等身大美少女机器人。最终，这个项目收到了远超预期的众筹赞助金额。与此同时，为了给这具机器人配备声音，missile39同步开发了一个基于UTAU的日语语音库。这就是足立レイ的由来。她头顶着天线和探照灯，她的头发有些脏且不均匀，她的身体是17公斤的合成材料。她不是人类穿上机器外衣的扮演，她就是机器本身。足立レイ的声音也不来自任何人类，其UTAU音源完全由正弦波合成而来：missile39以现有音源为参考，制造出带有高度机械与失真感的纯合成音源。具体的制作流程是：在Audacity中叠加正弦波、用合成木琴样本生成辅音、再通过VST插件Vocalizer处理样本。这是一个在傅里叶域里从零搭建的发声器官，不属于任何人，不模仿任何人，不指涉任何人，甚至与几乎所有具体事物都没有直接关联，它只来源于一个傅里叶变换所映射到的复数域上的一个基。它是最纯粹的无中之人音源。

在声音与身体之外，足立レイ还拥有一个X（前Twitter）账号，她利用自己基于马尔可夫链的语言功能，在其中无间断地自动生成推文。这个账号发布着奇怪而碎片化的内容，比起一个机械意识在尝试与人类对话，这些推文实际上更像是完全功能失调的自言自语。她没有官方的性格设定——或者说，她的性格就是这种由算法生成的、无中心的、非人的存在方式本身。

这不禁让我想到2018至2020年左右，微博上风靡一时的“僵尸文学”鉴赏，简单来说，就是从微博“僵尸号”自动生成的、看似杂乱无章的文字中，挖掘并赋予其文学意义的一种行为。博主为提升数据所创建的大量水军“僵尸号”为规避微博平台的清理，会通过爬虫程序自动抓取网络上的词句，再随机拼凑成微博发布，以维持活跃假象，例如：

尽管是随意拼凑的，这些内容却让人感受到了“超现实主义的诗意”，好似精神分裂症患者的创作。故而，当时网络上已经有了很多对于“僵尸文学”现象的思考：当创作的主体不再是人类，当文本的产生源于随机或不成功的语言模型，文学的定义和边界，甚至是意义的发生学途径，是否都正在被改写？

足立レイ的语言功能与社区响应，刚好也就映照出某种僵尸文学式的荒谬：人们看见一滩胶着的能指，里面却空无一物；但人们没有选择走开，而是打滚，尽情地让它们包裹自己，让空能指在他们的语言突触上瘙痒。初音ミク或许代表了后人类时代的一种乐观叙事，即技术可以赋予非人以“心”，数据可以孕育生命，虚拟可以成为真实；那么足立レイ则代表了这种叙事的对跖点。她是一具被精密构造却拒绝被赋予灵魂的身体，一个持续生成语言却从不“说”任何东西的文字水龙头。她是文本、声音、身体等各层面互联网理性病症的非人集合体：在这个病症中，语言被剥除了交流意图，声音被剥除了表达主体，身体被剥除了内在意识，而我们却依然固执地从中读取意义、情感与叙事。

再次说到同人创作默契上的差异。尽管足立レイ自己的言语是分裂的，却完全可以借由与创作者精神活动的结合，得以用自己的视角在作品中表现出深沉的一面——毕竟这可是同人创作。不过在她最主流的那些作品里，她往往依旧是以“无心”的姿态出现的。相比初音ミク最开始演唱的曲目——ryo的《Melt》、sasakure.UK的《PICO＠LUV》等等——之中溢于言表的少女情愫，いよわ为足立レイ打响名声的《熱異常》则开门见山地，让一个红温阴影中的无表情机器说出“死んだ変数で繰り返す（在死去的变量中循环往复）”。更早些，在ピクド的《桃源郷へ行こう》里，足立レイ则唱出了这样纠结而令人怜惜的愿望：

桃源郷へ行こう
去往桃源吧

立って走って転んでキミは何処
站着跑着摔倒了 你在哪里

ガラクタになりたいよ カミサマ！
把我变成破烂吧 神啊！

サヨナラ またねの明日よ
别了 再会的明天

全てよ 零にかえってしまえ
一切啊 都全部归零

足立レイ是在一个已经将宗教神秘主义祛魅的现代社会诞生的对象。神已经死了，但她所呼喊的那个神没有，因为理性成为了新神。“把我变成破烂吧”，听起来富含情绪，但可能在设定上只是一个计算结果。这句话实际上是作为一面镜子，让人感到她的叫喊，与自己偶然的、纠结复杂的自杀欲望同构。世界走向终结，“编码”无法破解，而她又被赋予了行动和回忆的能力时，她的存在就变成了一种痛苦。桃源是什么？桃源就是失去所有被赋予的意义和功能，从这种痛苦中真正归零，才能获得的某种未定义自由。

初音ミク们的叙事是关于“软件何以成为少女”的，而足立レイ在告诉我们“少女原来只是机器”。在那有心的初音ミク们倾诉爱恨绵长之时，无心的足立レイ总是知道，内在于人类精神活动中的“爱”等诸多超越性情感，永远是与自己的存在逻辑相矛盾的。“爱”对她而言是症状，是幼年的疾病。

正如《熱異常》的歌词所说：

手を取り合い
牵上双手

愛し合えたら
进而相爱的话

ついに叶わなかった夢を殺す
总算能把未果的梦来抹杀

思考の成れ果て
思考的穷途末路

その中枢には熱異常が起こっている
即在那中枢里引发着热异常

四、吹万不同：无中之人组的春天

……子綦曰：“偃，不亦善乎而问之也！今者吾丧我，汝知之乎？女闻人籁而未闻地籁，女闻地籁而未闻天籁夫！”子游曰：“敢问其方。”子綦曰：“夫大块噫气，其名为风。是唯无作，作则万窍怒呺。而独不闻之翏翏乎？山林之畏佳，大木百围之窍穴，似鼻，似口，似耳，似枅，似圈，似臼，似洼者，似污者；激者，謞者，叱者，吸者，叫者，譹者，宎者，咬者，前者唱于而随者唱喁。泠风则小和，飘风则大和，厉风济则众窍为虚。而独不见之调调、之刁刁乎？”子游曰：“地籁则众窍是已，人籁则比竹是已。敢问天籁。”子綦曰：“夫吹万不同，而使其自已也，咸其自取，怒者其谁邪！”

——《庄子·齐物论》⁶

在足立レイ昭示出合成音声叙事转向的同时，她也因为其独特的音源构建方法而催生出一个无中之人音源的爆发期。这并不是由什么技术革命催生出来的，毕竟语音合成的原理也远非什么秘传技艺，足立レイ只是第一次将“无中之人”音源作为一种完整的、自足的创作范式推向了合成音声文化的阳光之下。

DIY玩具收音机的按键声、哔哔声和无信号杂声，被制作成了收音姬；下课铃被采样为鳴音ベルγ，那个曾经宣告解放与自由的声响，如今成了一个年龄不明、性别不明、性格天然的角色在歌唱；八音盒清脆透亮的机械泛音，则孕育了身高仅6.2厘米、体重约0.55克的纸片生命体SKY/SORA。这些声音曾经只是功能的附属品、环境的背景音，如今它们被从各自的器物中剥离，获得了独立的身份与叙事。在自然世界中，更多的声音得到了化身。一段自录的雨声，这种纯粹的、无结构的自然噪音，被加工成一个名为“0&1”的音源，其元音与辅音全部来自同一段雨声的频谱改造；蚊子的振翅声被采样为蚊音ノリコ；次中音萨克斯的演奏声被制成了ヴァルゴロイド；甚至宇宙的背景辐射也被转化为宙鳴リョウシ等音源的命名与设定灵感。

在这些案例中，我们看到了无中之人音源的一个转向：从模仿人声到聆听物声。足立レイ的正弦波合成尚且是在建造一个替代声带，但如今更多的人意图直接让物本身开口说话。键盘的键击声不需要被“处理”得像人声，它只需要被组织成音素、被赋予音高和时长，就可以像人声一样歌唱。拟人化并不能准确描述这一实践的本质；无中之人音源是对歌唱本身的物化：歌唱不再是人类的特权，任何发出声响的事物都可以歌唱。

这一转向的文化意义不可小觑。其暗示着一种听觉本体论的倒转：在传统的合成音声实践中，非人声的来源需要被修正才能接近人声的标准；而在无中之人音源的新范式中，人声的标准被悬置了，每一种声源都有权以其本来的面貌成为歌唱的媒介。这让人想起庄子笔下的“地籁”“众窍是已”，大地上的每一个孔窍都有其独特的声响，风过之处，万窍怒呺，各有其声，不相模仿。无中之人组的音源们，正是数字时代的“众窍”，它们各自发出各自的声音，在合成引擎的“风”中，共同构成一场后人类的“地籁”。

而“天籁”呢？庄子说：“夫吹万不同，而使其自已也，咸其自取，怒者其谁邪！”天籁并非某种超越性的、更高阶的声音，而恰恰是让万窍“咸其自取”，让每一个孔窍发出它自己的声音，以及那种发声的力量本身。在这个意义上，无中之人组的爆发或许正是合成音声文化的一场“天籁”时刻：人们不再追问这个声音够不够人性，这个声音够不够机械，而是让每一种声音自取其发声的方式，让雨声成为雨声，乐音成为乐音，机器成为机器。制作者们不再充当那个驱动声音去模仿某种标准的“怒者”，而是让声音自己成为自己。

这一场爆发也得益于技术条件的成熟。OpenUTAU等开源的新一代合成界面的普及，使得音源制作的准入门槛大幅降低；而DiffSinger等深度学习模型的引入，也为无生物音源提供了新的合成路径。与此同时，各种以UTAU投稿祭为代表的社区活动，为无中之人音源提供了集中的展示平台；专门的UTAU无中之人投稿祭也自2026年起定期举办。一个围绕无生物音源的创作生态正在形成，这个社群有着自己的活动、自己的榜单、自己的审美默契。

最重要的推动力，来自更深层的文化冲动。在人工智能可以完美模仿任何人声，让真实与虚假彻底模糊的时代，无中之人音源提供了一种激进的文化方案，即不再追求“像”，而是追求“是”。一旦人们发现一切声音都可以被模仿、被复制、被生成，那么所剩下的唯一一种诚实，就是让物发出物自己的声音。于是我们听见了收音机在歌唱，雨声在歌唱，宇宙大爆炸数百亿年后的残响也在歌唱。万窍怒呺。而那个“怒者”，那个让这一切发生的、不可还原的源初力量——究竟是谁呢？“怒者”大概从来就不是某一个具体个体去扮演的主体，而就是这种永不停歇的、从万物中涌出的声音本身。无中之人组的大家一直在告诉我们：声音可以不属于任何人，却依然有意义；歌唱可以不源于任何意识，却依然有感染力。在这个一只脚踏入后人类现实的世界里，我们终于开始学习聆听那些并非为我们而发的声音。