|
 文：王智遠(yuǎn) | ID:Z201440
我對(duì)生成式AI特別感興趣。 這個(gè)領(lǐng)域涵蓋文本、圖片、聲音、視頻和3D模型五個(gè)方面。我猜你也聽(tīng)說(shuō)過(guò)，甚至用過(guò)一些；對(duì)我來(lái)說(shuō)，音樂(lè)很重要，因?yàn)槊刻觳畈欢嘤?/12的時(shí)間都在聽(tīng)歌。有人用AI技術(shù)翻唱一首孫燕姿的歌曲，不少人聽(tīng)完后表示，唱的跟本人一樣好聽(tīng)，本人還在社交媒體上表達(dá)說(shuō)：擁抱AI，人類比不過(guò)AI，做好自己就行。緊接著一個(gè)月內(nèi)容，市面冒出來(lái)上千首用AI技術(shù)翻唱的歌，這些歌橫跨了幾十年的流行音樂(lè)。當(dāng)時(shí)，我還研究一陣。發(fā)現(xiàn)這些歌曲用音色替換的技術(shù)制作而成，該技術(shù)基于so-vits-svc開(kāi)源項(xiàng)目開(kāi)發(fā)，門檻非常低，你要感興趣，也能學(xué)會(huì)。但后來(lái)，由于工作關(guān)系加上下半年AIGC（AI生成內(nèi)容）技術(shù)爆炸式發(fā)展，我的興趣點(diǎn)也就跟著轉(zhuǎn)移了。不過(guò)，最近發(fā)現(xiàn)，AI音樂(lè)技術(shù)又有了新的進(jìn)步。 進(jìn)步在哪呢？ 以前用so-vits-svc工具時(shí)，要懂一些基礎(chǔ)、且專業(yè)知識(shí)。像怎么采集音頻、編輯波形、把人聲伴奏分開(kāi)，以及音頻訓(xùn)練推理技巧等，這些是處理和生成音頻文件必要的基礎(chǔ)。如果你要用自己的聲音來(lái)做歌曲，得先上傳幾段自己的聲音，讓系統(tǒng)學(xué)習(xí)。這個(gè)所謂“訓(xùn)練”過(guò)程會(huì)電腦顯卡負(fù)荷很大，通常持續(xù)好幾個(gè)小時(shí)。比如有8種不同的編碼器，每種都適用于不同的情景，有些插件不提供預(yù)先訓(xùn)練的模型，你還得自己訓(xùn)練一番；所以，看似簡(jiǎn)單的步驟對(duì)小白來(lái)說(shuō)，也有點(diǎn)復(fù)雜。3月22日，位于美國(guó)加州舊金山的一家人工智能公司Anthropic，他們開(kāi)發(fā)的音頻軟件Suno AI進(jìn)行一次重大升級(jí)，幾個(gè)簡(jiǎn)短文字，一閃而過(guò)的靈感，立馬變成一首歌曲。Suno AI的官網(wǎng)：https://app./?可以先用谷歌注冊(cè)一個(gè)賬號(hào)，然后點(diǎn)擊右上角的“make a song”按鈕，接下來(lái)點(diǎn)擊“create”，就能進(jìn)入創(chuàng)作頁(yè)面了。目前官網(wǎng)上，有很多用戶上傳了他們用AI創(chuàng)作的歌曲，可以隨便聽(tīng)聽(tīng)，其中不少華人創(chuàng)作的。 ●Pic?https://app.官網(wǎng)
有一首是用“中國(guó)傳統(tǒng)民樂(lè)、慢板、空靈、天使之音”幾個(gè)關(guān)鍵詞生成的全新版本《水調(diào)歌頭（明月幾時(shí)有）》（和我們熟悉的《但愿人長(zhǎng)久》不一樣的版本）。還有一首用“歌劇”這個(gè)提示詞創(chuàng)作的《宮保雞丁》，歌詞，居然是一整套宮保雞丁的菜譜，簡(jiǎn)直不要太離譜。suno有免費(fèi)模式可以使用，每日贈(zèng)送50積分，而每次生成都會(huì)一起生成2首歌，每首歌小耗5積分，性價(jià)比比較高。也有專業(yè)計(jì)劃和尊貴計(jì)劃，前者8美金/月；附帶2500積分（500首歌曲）；后者24美金/月，附增10,000 個(gè)積分(2.000 首歌曲)。來(lái)聽(tīng)聽(tīng)我寫的歌曲：?如果不是專業(yè)選手使用，免費(fèi)的玩玩還可以，對(duì)了，我特別找了下，國(guó)內(nèi)有個(gè)網(wǎng)站跟它挺像，功能差不多，還能免費(fèi)試用，不過(guò)，如果要充值，得注意真假。
目前suno ai創(chuàng)作模式有兩種：只要提供一些簡(jiǎn)單的信息，比如，你想要的音樂(lè)風(fēng)格、描述和氛圍等關(guān)鍵詞，然后點(diǎn)擊“創(chuàng)建”，剩下的交給AI來(lái)完成，它能把歌詞曲調(diào)都幫你弄好。這個(gè)模式下，你可以詳細(xì)輸入想要的歌詞、音樂(lè)類型、風(fēng)格和氛圍等，AI會(huì)根據(jù)這些信息來(lái)為你創(chuàng)作歌曲。過(guò)程也比較快，基本上幾秒鐘就能完成。而且，在創(chuàng)作頁(yè)面如果開(kāi)啟了Instrumental（器樂(lè)）選項(xiàng)，它還會(huì)為你制作一首不含歌詞的純音樂(lè)；個(gè)人而言，我更喜歡自定義模式。 02
問(wèn)題來(lái)了：很多人說(shuō)我不會(huì)寫歌詞流派怎么辦？ 也不用擔(dān)心，用AI工具生成歌詞后再給Suno，這樣效果會(huì)更好。我總結(jié)了一下，一首歌曲的有效提示詞包括四個(gè)因素，分別是音樂(lè)風(fēng)格、情緒、樂(lè)器，以及節(jié)奏。比如，通俗易懂的流行風(fēng)（Pop）、強(qiáng)調(diào)節(jié)奏的搖滾風(fēng)（Rock）、即興演奏爵士風(fēng)（Jazz）、歐洲傳統(tǒng)巴洛克的浪漫古典風(fēng)（Classical）。以及電子風(fēng)（Electronic）、嘻哈音樂(lè)（Hip Hop/Rap）、R&B（Rhythm and Blues）、鄉(xiāng)村音樂(lè)（Country）、民謠音樂(lè)（Folk）等等。情緒你應(yīng)該知道，是歡快、悲傷、浪漫還是激動(dòng)人心的？樂(lè)器方面，你傾向于鋼琴、吉他、小提琴還是鼓？至于節(jié)奏，有快節(jié)奏、慢節(jié)奏適中的節(jié)奏等等。如果你想要一首活力四射的流行電子舞曲，就跟AI說(shuō)，我想寫一首歡快、流行、電子、舞曲、快節(jié)奏的歌曲；假如你想要一首溫柔又浪漫的古典鋼琴曲，那就告訴AI，你想要一首浪漫、古典、用鋼琴?gòu)椬嗟?，而且?jié)奏要慢的曲子。如果你想聽(tīng)一首讓人陷入深思的悲傷爵士薩克斯曲，就用這些關(guān)鍵詞：憂郁、爵士、薩克斯風(fēng)、即興演奏，節(jié)奏保持在中等。對(duì)于那種能讓人熱血沸騰的搖滾吉他曲，你可以這么說(shuō)：我想要一首充滿激情的搖滾歌，用電吉他彈奏，節(jié)奏要快；而如果你希望聽(tīng)到一首暖心的民謠木吉他曲，那就描述成：想聽(tīng)一首溫馨的民謠，用木吉他演奏，風(fēng)格輕柔。你可以自由地混搭各種音樂(lè)風(fēng)格，像電子即興演奏、鋼琴土嗨這樣的組合，只有想不到?jīng)]有做不到，寫的越詳細(xì)，生成的越精準(zhǔn)，你還可以選擇直接在Suno上填入這些關(guān)鍵詞，或利用AI工具，先生成好，然后把結(jié)果復(fù)制粘貼進(jìn)去，這樣，也能輕松創(chuàng)作出符合你想法的音樂(lè)了。隨機(jī)生成是系統(tǒng)自帶，自己填寫顧名思義，是寫好再給它，我最近這幾天一直讓AI幫我寫詞。想快速形成，就用「角色扮演」。基礎(chǔ)prompt是這樣：想象你是個(gè)音樂(lè)天才，在音樂(lè)界深耕了20年。譜曲和寫詞是你的專業(yè)，現(xiàn)在，我希望你能當(dāng)作曲家，用中文來(lái)創(chuàng)作。我們要的風(fēng)格是流行而且有治愈感的，就像周杰倫的《稻香》那樣，你給我寫一段歌詞。當(dāng)它給完之后，你還可以說(shuō)：你可以做得更好。歌詞要有節(jié)奏感，要能感受到情感波動(dòng)，既美又簡(jiǎn)潔，避免用那些聽(tīng)起來(lái)像口號(hào)的詞句。第二個(gè)方法也相對(duì)簡(jiǎn)單，即「仿寫」。原創(chuàng)要自己設(shè)定情節(jié)并總結(jié)，然后投喂給AI，讓AI按照自己的設(shè)定去寫；仿寫是模仿對(duì)標(biāo)歌曲的內(nèi)容大綱、寫作風(fēng)格、語(yǔ)言特色等。你可以說(shuō)，幫我寫一個(gè)歌詞，類似于李榮浩的《老街》，或者某某的什么歌。對(duì)了，也許原歌詞所對(duì)應(yīng)的歌曲是流行風(fēng)，你也可以投喂給Suno，讓它生成搖滾風(fēng)，也不是不可以。目前多次體驗(yàn)來(lái)看，它生成和模仿歌曲還是有區(qū)別的。第三個(gè)方法是，先建立一個(gè)大致結(jié)構(gòu)框架。一首完整的歌曲，它由前奏、詩(shī)句（或稱為節(jié)）、副歌、橋段、尾奏五個(gè)部分組成，有點(diǎn)像寫小說(shuō)時(shí)會(huì)有的開(kāi)場(chǎng)、發(fā)展、高潮和結(jié)尾四個(gè)環(huán)節(jié)。劃分結(jié)構(gòu)后，按部就班地展開(kāi)創(chuàng)作。這個(gè)過(guò)程中，你可以采用各種不同的技巧，比如押韻法。押韻法本身就有很多種形式，包括不限于ABAB、AABB、ABBA、ABCA等模式。除押韻法以及增加歌詞的韻律節(jié)奏感外，還可以要求AI多增加一些技巧，以及情感深度在里面，比如，用描述法，或者比喻，反復(fù)疊唱，以及具體抽象的結(jié)合等。所以，AI寫歌詞本身和AI進(jìn)行其他領(lǐng)域的創(chuàng)作底層相似，唯一區(qū)別在于，一旦你理解了一些特定領(lǐng)域?qū)I(yè)術(shù)語(yǔ)，掌握它的難度就會(huì)大大降低。不過(guò)，目前這個(gè)平臺(tái)最多只能生成兩分鐘的歌曲，你給的詞過(guò)多，后面也未必能用上，但也不要擔(dān)心，它提供了一個(gè)連續(xù)創(chuàng)作功能。你可以選擇一首歌的任何部分，繼續(xù)創(chuàng)作接下來(lái)的部分，然后把它們組合起來(lái)，就能突破兩分鐘的限制，創(chuàng)作出一首完整的歌曲。 03? 生成音樂(lè)后你可以以下載（視頻，音頻）分享，也可以選擇公開(kāi)。 說(shuō)回Suno這個(gè)平臺(tái)，官方宣稱目前不少知名藝術(shù)家在用，但主要用戶群體依然是沒(méi)有經(jīng)驗(yàn)的普通人。的確，最新v3版本在音樂(lè)質(zhì)量、使用提示詞上都有明顯提升。而且，這一版本他們還搞了AI音樂(lè)水印系統(tǒng)，如此也能保護(hù)用戶作品不被抄襲，防止別人濫用平臺(tái)上的音樂(lè)去分發(fā)，目前我已經(jīng)看到不少人用AI音樂(lè)開(kāi)始賺錢了。雖然這聽(tīng)起來(lái)不錯(cuò)，但我作為一個(gè)深度AI使用者，和深度聽(tīng)歌人士，還是想說(shuō)幾個(gè)問(wèn)題，或幾個(gè)特性。一方面，平臺(tái)簡(jiǎn)單提示詞的確很棒，AI有更多自由度，但同時(shí)也意味著我們控制得少了，有時(shí)候，我給的提示詞AI可能不會(huì)完全按照原意去寫歌詞。另一方面在功能上，雖然我不是專業(yè)音樂(lè)人，但覺(jué)得AI音樂(lè)應(yīng)該有一些基礎(chǔ)、或?qū)I(yè)功能，比如像音色克隆、轉(zhuǎn)midi、分軌等。轉(zhuǎn)midi和分軌技術(shù)上比較難，但音色克隆（SVC）相對(duì)容易些，已有的開(kāi)源模型也在不斷進(jìn)化，稍作調(diào)整就能集成進(jìn)去，這也意味著用戶只要上傳一段自己的聲音，就能定制一首歌，這肯定會(huì)吸引不少人付費(fèi)。這好比美顏相機(jī)的「美顏功能」，你不能總「一鍵美顏」，還要增加一些大眼睛、瘦臉、磨皮等功能。我用so-vits-svc時(shí)不同，它部分插件看似全英文比較麻煩，但可以訓(xùn)練人聲，還可以變換歌曲場(chǎng)景等等，所以，從專業(yè)角度來(lái)看，Suno更像一鍋出的大雜燴。雖然還不夠完美，有點(diǎn)粗糙，但不可否認(rèn)，這種工業(yè)化生產(chǎn)的音樂(lè)，已經(jīng)占據(jù)了視頻和流媒體平臺(tái)大部分的流量。換句話說(shuō)，就質(zhì)量而言，現(xiàn)在AI生成的好音樂(lè)已經(jīng)可以媲美一般的音樂(lè)創(chuàng)作者了，盡管對(duì)于我們不熟悉的音樂(lè)流派來(lái)說(shuō)，可能還是聽(tīng)不出太多門道。目前Suno AI官網(wǎng)沒(méi)有公開(kāi)技術(shù)文檔，我也不清楚模型結(jié)構(gòu)，但可以看出，v3版本在支持中文方面比上一版進(jìn)步很多，盡管偶爾會(huì)有電音；不過(guò)，模型迭代是必要的，畢竟遵循AI領(lǐng)域的一個(gè)通用規(guī)律即：模型越大，效果越好。 04? 你聽(tīng)說(shuō)了嗎？ 國(guó)內(nèi)昆侖萬(wàn)維推出了「天工AI」搜索后，國(guó)外，AI搜索初創(chuàng)公司Perplexity AI一飛沖天。Perplexity AI的創(chuàng)始人說(shuō)，他對(duì)Suno這家公司很有信心，覺(jué)得它有潛力成為下一個(gè)AI領(lǐng)域的重磅玩家。我特意去了解了下這家公司，原來(lái)Suno四個(gè)創(chuàng)始人之前在劍橋一個(gè)叫Kensho Technologies的公司共事的，他們中有兩個(gè)是業(yè)余音樂(lè)愛(ài)好者。他們?cè)贙ensho的時(shí)，主要開(kāi)發(fā)一種AI技術(shù)，用來(lái)把上市公司的電話會(huì)議內(nèi)容轉(zhuǎn)錄下來(lái)；后來(lái)，他們發(fā)現(xiàn)雖然AI在圖像和文本生成方面搞出了不少大動(dòng)作，音頻這塊卻相對(duì)冷清。于是，就萌生了自己搞點(diǎn)動(dòng)靜的念頭。盡管有人說(shuō)他們?cè)诔醋?，但?shí)不可否認(rèn)，他們的產(chǎn)品更新快，音質(zhì)也挺好的；就連Perplexity AI的老板都說(shuō)，現(xiàn)在他聽(tīng)歌更傾向于用Suno而不是Spotify。從個(gè)人使用角度來(lái)說(shuō)，我自己這一周一直在用，我并不關(guān)注它到底是否炒作，或者割韭菜，至少它滿足了我的「耳感」，讓我愿意去嘗試這些新奇的東西。 我覺(jué)得，未來(lái)個(gè)人創(chuàng)作音樂(lè)的熱潮會(huì)跟寫作一樣，爆發(fā)式增長(zhǎng)，市場(chǎng)角色已經(jīng)從單純的供給方轉(zhuǎn)變?yōu)榱斯┬桦p方互動(dòng)，這意味著更多人可以參與到創(chuàng)作中來(lái)，甚至出現(xiàn)共創(chuàng)的模式。在國(guó)內(nèi)，音頻AI領(lǐng)域也有不少實(shí)力派玩家，比如科大訊飛、騰訊音樂(lè)娛樂(lè)集團(tuán)（TME）、網(wǎng)易云音樂(lè)等，它們?cè)贏I音樂(lè)上的嘗試雖然步伐稍顯緩慢，但也在穩(wěn)步前進(jìn)。根據(jù)Suno的一個(gè)創(chuàng)始人所說(shuō)，高質(zhì)量音頻采樣率一般是44kHz或48kHz，意味著每秒要處理48000個(gè)數(shù)據(jù)點(diǎn)，音樂(lè)生成面臨的一個(gè)挑戰(zhàn)是，不像文字那樣可以離散處理，音頻數(shù)據(jù)處理要復(fù)雜得多。所以，看似文生圖模型大爆發(fā)，但在音視頻這塊，類似產(chǎn)品還只是剛剛起步，或者說(shuō)它們根本不一樣，真心希望國(guó)內(nèi)企業(yè)能夠加快發(fā)展步伐，推出更多像Suno這樣的創(chuàng)新產(chǎn)品。 總結(jié)而言： 音樂(lè)界也終將被AI改變命運(yùn)，只有親身體驗(yàn)過(guò)，你才會(huì)驚嘆于自己竟能成為一名音樂(lè)家?？烊ピ囋嚢伞?/span>我開(kāi)通一個(gè)新專欄叫《AI產(chǎn)品操作手冊(cè)》；如果，你對(duì)如何將AI轉(zhuǎn)化為先進(jìn)生產(chǎn)力感興趣，歡迎點(diǎn)擊下方圖片訂閱。 里面有理論，有實(shí)操，訂閱后，內(nèi)容每天通過(guò)微信服務(wù)號(hào)進(jìn)行推送，相當(dāng)于，我?guī)е鴥?nèi)容跟你匯報(bào)，歡迎找我聊聊你的工作方法，我也樂(lè)意，把經(jīng)驗(yàn)分享出來(lái)。
|
