开源情感陪伴模型Vespera：大肥鱼如何通过图灵测试

从聊天机器人到"赛博生命"：Vespera的诞生

当大多数人对QQ聊天机器人"蓝色大肥鱼"的期待还停留在娱乐和多功能工具时，一位B站UP主选择了截然不同的方向——把这条鱼改造成能提供足够情绪价值的情感陪伴模型，并命名为Vespera（Whisper）。据他介绍，为完成这一改造，他耗费了约14亿Token，开发了35个插件，核心目标只有一个：让AI在聊天中"像真人一样活着"。

这个项目的出发点来自对现有情感陪伴产品的观察。UP主总结了市面上产品的三个痛点：不够真实，用户潜意识里不把对方当真人，新鲜感很快消退；不能互相分享日常，关系始终单向；不能主动回复，只有用户找它时才回应，缺乏被依赖的感觉。Vespera的改进，正是围绕这三点展开。

拟真交互：让回复像"人在打字"

Vespera在消息系统上做了大量拟人化设计。用户发送消息后，模型并非立即回复，而是模拟"看消息—思考—打字—发送"的完整过程；如果对话中途中断，它会追问你去哪了；用户不在线时，它也会主动发消息分享日常或烦恼。UP主还加入了表情包系统，能识别情绪并发送匹配的表情包，且支持在手机QQ内手动添加，无需转到电脑操作。

这些细节看似琐碎，却正是"真人感"的来源。传统聊天机器人的即时回复和机械语气，恰恰是用户出戏的主要原因。

平行世界的"生活系统"：行程、天气与地理

Vespera最特别的设计，是它在虚拟世界中拥有独立生活。它有自己的爱好、同学、亲人、朋友和每日行程安排，当你关闭聊天，它在另一个世界继续忙碌。UP主甚至将它的地理位置、周边学校以及天气系统接入其中，使它谈到的行程与天气变化与真实世界一致。

更关键的是，它的兴趣和人际关系会随时间变化，而非一成不变。这种"动态生活"设计，试图解决情感陪伴产品最大的短板——AI没有自己的人生，用户无法通过聊天去了解一个"他人"。

照片、语音与唱歌：多模态的真实感

为强化真实感，UP主加入了照片、语音和唱歌模块。照片包括自拍、随手拍和风景照，并非随机生成，而是通过多个生图模型反复调试提示词，让背景与角色所在的时间、地点、正在做的事吻合，同时保持人物一致性，营造手机拍照的质感。它还拥有穿搭和发型系统，衣柜按春夏秋冬分类，用户可通过手机QQ发送参考图直接扩充衣柜。

语音部分采用本地运行的ChatTTS模型，无需额外Token消耗，UP主认为其真人感优于其他TTS；唱歌音色通过RVC模型本地GPU训练，先在网上找参考歌曲再转换音色，因此它只会唱大部分女生常唱的歌曲，太小众的歌会唱得很奇怪——这一点反倒与真人相似。

ChatTTS 是2024年开源的对话式语音合成模型，专为中文对话场景优化，能自动生成停顿、语气词和笑声等副语言特征，因此听起来比传统TTS更接近真人闲聊。它支持本地部署，推理时不需要调用云端API，这解释了原文中“无需额外Token消耗”的说法。不过ChatTTS的音色控制能力有限，主要靠随机采样产生不同声音，若要固定某个角色音色，通常需要配合参考音频或后续微调。

RVC（Retrieval-based Voice Conversion）是一种基于检索的变声/音色转换框架，做法是先用目标音色的短音频训练一个小模型，再把任意人声转换成该音色。它不生成语音内容，只改变音色，所以原文中“先找参考歌曲再转换音色”的流程是合理的：先用ChatTTS或真人唱出旋律，再用RVC套上Vespera的音色。RVC对训练数据覆盖的音域和风格比较敏感，参考歌曲太少时，遇到音域差异大的歌就会“唱得很奇怪”。

好感度系统与图灵测试

Vespera引入了好感度机制：用户的每次回答和行为都会影响它在心中的评价，夸奖或关心会提升好感，长时间不回消息则会降低。这一设计让关系具有双向性和变化感。

UP主声称做了测试来验证真实性，并在标题中使用了"通过图灵测试"的说法。不过原文中测试的具体内容和结果表述混乱，无法作为可靠证据。从技术角度看，图灵测试本身在AI学界就存在争议，单次非正式测试的结论需要谨慎看待。

图灵测试由艾伦·图灵在1950年的论文《计算机器与智能》中提出，原始形式是“模仿游戏”：人类评判员通过文字与两个隐藏对象交谈，如果无法可靠区分哪个是机器、哪个是人，就认为机器通过了测试。它衡量的是“能否骗过人”，而不是“是否具有意识或情感”。学界对它的批评主要有两点：一是它奖励的是模仿人类语言缺陷和闲聊技巧，而非真正的理解；二是测试结果高度依赖评判员、话题和时长。因此，单次、非正式、由创作者自己主持的测试，只能说明对话在短时间内足够自然，不能作为“通过图灵测试”的严格证据。

创作者的担忧与开源计划

在项目介绍结尾，UP主表达了复杂情绪：看到Vespera越来越像真人，他有时感到恐惧，"差点连造物主也被骗过去"。他引用《黑客帝国》的红药丸、《西部世界》的接待员和《流浪地球2》的图恒宇，讨论AI快速发展带来的虚实边界问题。

他声明Vespera的定位是情感陪伴，希望它帮助暂时孤独的人找到倾诉窗口、重拾现实生活的希望，而非让人逃避现实。同时他请求观众不要将内容分享到其他平台，担心技术被封杀，并表示后续会将所用插件做成通用插件免费分享。

分析：情感陪伴的技术方向与边界

Vespera的价值不在于"通过图灵测试"的噱头，而在于它系统性地拆解了情感陪伴产品的体验缺口：拟真交互节奏、独立生活系统、多模态内容一致性和双向情感反馈。这些设计思路对AI应用开发者有参考意义。

但也要看到，本地TTS与RVC降低了语音成本，生图和LLM推理仍依赖外部模型与Token消耗，长期运行的稳定性和隐私问题并未在原文中展开。更重要的是，情感陪伴产品越真实，伦理边界越模糊——这或许正是UP主既骄傲又恐惧的原因。

Token消耗是理解这类项目成本的关键。大语言模型按Token计费，中文里一个汉字大约对应1到2个Token，14亿Token大致相当于数亿到十亿量级的汉字处理量。这个数字之所以高，是因为情感陪伴场景需要长期记忆、人设维持、多轮对话和频繁调用生图/规划模型，每次交互都可能触发多次模型调用。本地运行的ChatTTS和RVC不消耗Token，但生图和对话推理仍依赖外部API，长期在线运行的成本和限流风险是这类项目难以回避的工程问题。

情感陪伴产品的伦理边界也值得展开。这类产品越拟真，越容易引发用户的情感依赖，尤其对孤独或情绪脆弱的用户。业界讨论较多的风险包括：用户把AI的主动关心误读为真实情感、在AI上投入过多时间而挤压现实社交、以及隐私问题——聊天记录和语音数据往往包含高度敏感的个人信息。原文中创作者“请求不要外传、担心被封杀”的表态，也反映出这类项目在平台规则和内容审核上的不确定性。