我做夢也沒想到，華語樂壇竟以這種形式復興了_風聞

本文原創於微信公眾號：差評  作者：差評君

華語樂壇，難道要重生了？！

最近差評君我在刷B站視頻的時候，突然發現出現在我推薦頁上的老歌手們又多了起來。

這類視頻大多是以唱歌為主，有周杰倫的，有孫燕姿的，林俊杰的，甚至還有丁真郭德綱什麼的。

只不過在這些視頻的標題裏，都會帶有一個“AI”標籤。

這類視頻不僅非常多，關鍵是它們的播放量都還不差。

AI鄧麗君的一首《反方向的鐘》，喜獲50萬+播放。

AI周杰倫的一首“日系新歌”《單相思》，也是獲得了80萬+的播放量。

而且曾經6年不發新專的杰倫，因為這個AI替身，在這一兩個月裏發的“新歌”的量，估摸着已經超過前十年發的量的總和了。。。

至於曾經的“冷門歌手孫燕姿”，更是靠着AI替身，以一首《下雨天》，榮獲超83萬的播放量。

而且，這個AI孫燕姿，各種各樣的風格曲目都有，從流行到搖滾，就沒有AI孫燕姿掌控不了的曲風。

哪曾想到，原本已經脱離歌壇很久的孫燕姿，到了2023年，自己居然靠着AI替身，再次火了一把。一下子從曾經那個“冷門歌手”，變成了“2023最火爆華語歌手”。

可能也是看着現在華語歌壇有點拉，就連相聲界的郭老師，都來湊熱鬧了，直接來了一首《 a lot 》。

把相聲的基本功，“説、學、逗、唱”中的“説唱”演繹的淋漓盡致。

匪幫説唱配上于謙和郭德綱老師的“匪幫梗”，整個視頻立馬就有了一種“德雲社廠牌”的氣質，還有網友在評論裏戲稱郭老師為“ GodGang ”。。。

整個形勢，就好像要回到20几几年那會的華語樂壇大爆發時代。

如果説，現在的新四大天王，把華語樂壇整成了華語哥譚。

那這個 AI 替身，可是真的把華語樂壇曾經的一絲輝煌給重現了。

所以這類 AI 視頻到底是個啥東西？為什麼在這兩個月的時間裏突然就爆發了？

差評君我仔細研究了一下，最後得出結論，讓AI華語樂壇出現爆發式生長的，離不開這麼一個開源項目：

So-vits-svc。

So-vits-svc源於21年的另一個叫做Vits的開源項目。

Vits是一種語音合成方法。

簡單來説，就是可以對人的聲學特徵進行模擬，然後就可以直接用文本生成你模擬好的語音。

這個Vits雖然開源的早，但它沒火起來只有一個原因，就是對普通用户來説，太難用了。

由於是文本生成語音，首先就得對需要訓練的語音進行文本標記，特別不巧的是，訓練Vits的模型又需要大量的語料才能獲得比較好的效果，這個數量大概在數千至上萬條5-10秒左右的音頻。

所以，Vits效果好是好，但願意折騰它的普通用户也不多。

到了2022年，一位叫“Rcell”的B站用户在Vits的基礎上，結合了soft-vc、VIsinger等一系列項目，So-vits-svc就此誕生。

和Vits不同的是，So-vits不能通過文本直接合成語音，而是需要一段原始音頻，然後利用這個原始音頻，擬合成你想要的人的音色。

不過So-vits在訓練聲學特徵時，需要的訓練數據也相對較少，最短十幾分鍾，就能訓練出一個能用的模型了。

到了今年三月，這個So-vits的項目迭代到4.0版本，更加易用，效果更好，再加上很多UP自發整理的整合包，這才讓B站的AI視頻出現了大爆發的趨勢。

那這個So-vits項目易用到了什麼程度呢？

差評君這裏給大家做一個演示。

咱們直接把差評君的嘴替，蛋不利多醬的配音拿來訓練，首先這些音頻要經過切片和預處理，方便訓練。

一切準備完畢後，就可以開始訓練需要的聲學模型啦，直接點擊文件裏面的推理，整個訓練過程就開始了

在訓練完成後，就能得到這樣的聲學模型。

有了模型就可以對音頻進行推理了，我們先準備一段咱們需要擬合的幹音，在這裏就是一段唱歌的聲音。

然後按照提示輸入數值，等待推理完成即可。

最後在/results裏的.flac文件，就是咱們通過訓練蛋蛋的模型擬合出來的聲音了。

之後我還找到了一個叫d-id的網站，這是一個可以將輸入文本或音頻轉化為嘴型動畫的網站，直接把圖片和音頻上傳，就能在短時間內生成符合音頻信息的視頻。

把音頻和視頻合成，製作就結束了，整個過程幾乎涉及不到什麼有難度的點。

給大家看看成品，雖然這個過程花費時間不多，但整體的唱歌效果也還行，除了這選的曲子有點一言難盡之外。。

其實使用別人的聲音來唱歌也不是一件稀奇的事情。

B站的鬼畜視頻大家應該都看過吧？

鬼畜視頻和這類AI視頻有個共同點，就是它們都是用別人的聲音來調教音頻從而達到唱歌的效果。

但是傳統鬼畜的方式，製作過程繁雜，最後出來的效果也和個人調音技術有很大的關係。

而這類AI視頻，製作流程不但簡單，聲音的擬合效果也只取決於你訓練的模型的好壞。

那這一對比下來，別的先不説，鬼畜區以後不得被AI視頻幹爆啊？

在一些AI視頻下面，甚至已經有些網友在評論區哭喊，調音鬼畜要被AI代替了。。。

但差評君在詢問了B站小編後，發現其實現在很多人對AI類的視頻並沒有很大的擔憂。

小編認為技術服務於創意，AI帶來的生產力提升也是一件好事，單調的AI原詞現在也就是圖個新鮮勁，不會對鬼畜區造成長遠的影響。

這類AI視頻，雖然在聲音的還原上，相比傳統鬼畜有極大優勢，但是在內容多樣性上，卻遠遠不如傳統鬼畜的方式。

咱就以最近很火的鬼畜素材 “ 泰褲辣 ” 舉例。

整段原視頻不過幾十秒，比較有梗的也就是這句“泰！褲！辣！”。

在傳統鬼畜的製作流程中，只需要把音頻截下來，然後對一些比較有梗的詞語進行重組拼貼，再進行調音。

然後對上口型的畫面，一個鬼畜視頻就完成了。

但如果想要用AI來做視頻的話，對這類素材，首先就是音頻素材量不夠，短短几十秒的音頻素材，完全不足以支撐訓練出聲學特徵。

其次就是無法還原“梗”，最有梗的這句“泰！褲！辣！”，AI****擬聲完全沒辦法保留素材的原味。

就算你能訓練出聲學模型，當你把聲音擬合到這個幹聲上時，你所有的語氣，唱調，歌詞，都會變成和原始幹聲一樣。

這就少了很多樂趣了。

我們再回過頭來看看鬼畜區的大部分視頻，很多鬼畜視頻的素材也就是一小段比較有趣的對話，比如九轉大腸，雞湯來了還有華強買瓜。

這些短短幾分鐘的素材全都不足以支撐AI訓練出聲學模型，自然也就沒人會拿這些素材去做AI鬼畜了。

能被拿來做AI訓練的，一般都是擁有很多音頻訓練集的人物，比如一些主播、配音演員還有歌手。

那這些歌手和主播就能被替代嘛？

只能説，目前可能還很難，但未來，誰也説不準。

B站就有一位翻唱區的UP，自己把自己的聲音練了一個AI模型出來。

在聽了最終的效果之後，直呼被AI版的自己爆殺。

評論區的觀眾更是發出驚歎，本來以為AI最不能取代的就是藝術類了，結果，現在最可能被取代的，就是藝術類工作。。。

不過，差評君之所以説現在還比較難取代的原因，主要是因為，目前的AI還不能做到對聲音的完全定製化。

比如歌手在唱歌的時候經常會有一些臨時的歌詞改編啊，轉調啊等等，這些AI目前還無法做到。

而且AI視頻還有一點致命的缺點，你想要用AI唱歌，你首先得擁有這首歌的幹音。。。

這個幹音要麼你自己唱，要麼有歌手自己放出來，要麼靠自己慢慢去調音，但這麼一來，這些歌不還是人唱的嘛。。。

另外，AI工具潛藏着的使用安全問題，可能也會在日後讓人們限制它的使用範圍，由於這類AI工具簡單易用，這也就意味着它降低了某些人利用這些軟件做壞事的門檻。

在軟件的命令行界面，從作者為了規範責任，寫了這麼一大串使用細則來看就知道，他們是真的怕！

你想想看，只要獲取了你數十分鐘的音頻錄音，我就能通過這個軟件來模擬出你説話的聲音。

那麼通過這種方式來進行電信詐騙的話，可信度就提升了很多，畢竟再怎麼防，也很難會想到自己的身邊熟人的聲音，居然是用AI合成的。

不過工具畢竟只是工具，有人拿它來電信詐騙，也有人會拿它來紀念親人。

而且這類的視頻也已經不少了，許多UP自己通過AI技術把已故藝術家們“復活”，比如這個使用AI技術讓相聲大師馬三立來講新相聲的視頻。

在評論區裏有不少人聽着聽着，就流淚了。

感慨科技就應該在這個方向上使用。

還有UP，因為想念自己已故的奶奶，於是通過這種方式“復活”了她。

和自己的奶奶進行了一個隔空對話。

在AI鄧麗君的唱歌視頻下面，也有很多人對這種數字生命表達了感慨。

從嘲笑，到理解到愛上，最後成為數字生命。

這種種例子，不免讓人感慨，技術不同的使用方式，帶給人的是不同的體驗。

隨着AI技術的發展，我們可以大膽暢想，在不遠的將來，或許我們也能擁有這樣的數字生命，把已故的親人保留下來，哪怕只是和他對上幾句話，那也足夠慰藉了。

圖片、資料來源：

bilibili

Github