AI小娜荐语：
做梦也没想到，华语乐团以这种方式复兴，当越来越多的AI孙燕姿，还有AI周杰伦，AI王心凌、AI林志炫等热门AI歌手火遍全网时，就意味着人工智能时代的到来，每个人都可以成为“现代达芬奇”。
一夜之间，「AI孙燕姿」火遍全网。
B站上，AI孙燕姿翻唱的林俊杰「她说」、周董「爱在西元前」、赵雷「成都」等等，让一众网友深陷无法自拔。
「冷门歌手」孙燕姿新晋成为2023年度热门歌手，掀起许多人的追星狂欢。
网友表示，「听了一晚上AI孙燕姿，出不去了......」
这些翻唱歌曲，是由Eternity丨L、罗斯特_x等UP主通过开源项目自制后并上传。
（作者似乎特意在「半岛铁盒」中加入了一秒空白，凑成5分20秒）
除了AI孙燕姿，还有AI周杰伦，AI王心凌、AI林志炫...
可能许多人做梦也没有想到，2023年华语乐坛竟以这种形式复兴了。
01
「AI孙燕姿」在线营业
前段时间，一位TikTok网友用AI创作了一首「Heart on My Sleeve」很快蹿红网络，引来1000多万人围观。
听完这首歌的网友纷纷表示，太让我惊讶了，简直太疯狂！
这首歌正是用两位美国流行音乐人Drake和The Weeknd的声音创作而成。先通歌手声音训练AI，然后再用AI来创作。
在国内，B站上AI翻唱的华语乐坛歌曲也渐渐成为许多人关注的焦点，孙燕姿、王心凌、周杰伦等明星纷纷「复出」。
而最火的莫过于孙燕姿，凭借「天后音色」的称号，直接成为AI新宠儿。
02
SoVitsSvc：唱歌声音转换
项目地址：https://github.com/svc-develop-team/so-vits-svc
歌声转换模型使用SoftVC内容编码器来提取源音频语音特征，然后将向量直接送入VITS，而不是转换为基于文本的中间格式。因此，音高和音调都可以被保留下来。
此外，项目开发者还通过采用NSF HiFiGAN作为声码器（vocoder），从而解决了声音中断的问题。
- 特征输入改为Content Vec · 采样率统一使用44100Hz
- 由于参数的改变，以及模型结构的精简，推理所需的GPU显存明显减少。
- 增加选项1：vc模式的自动音高预测，这意味着在转换语音时不需要手动输入音高键，男声和女声的音高可以自动转换。但是，这种模式在转换歌曲时，会造成音高偏移。
- 增加选项2：通过k-means聚类方案减少音色泄漏，使音色与目标音色更相似。
- 增加选项3：增加NSF-HIFIGAN增强器，对一些训练集少的模型有一定的音质增强效果，但对训练好的模型有负面影响，所以默认关闭。
预训练模型文件
将checkpoint_best_legacy_500.pt放在hubert目录下。
将G_0.pth和D_0.pth放在logs/44k目录下。
预处理
0. 音频切片
利用audio-slicer-GUI或audio-slicer-CLI工具，将原始音频切片至5秒-15秒。
长一点也没问题，但太长（比如30秒）可能会在训练甚至预处理时导致「torch.cuda.OutOfMemoryError」，俗称爆显存。
切片后，删除过长和过短的音频。
1. 重采样至44100Hz和单声道
- python resample.py
2. 自动将数据集分成训练集和验证集，并生成配置文件
- python preprocess_flist_config.py
3. 生成hubert和f0
- python preprocess_hubert_f0.py
完成上述步骤后，dataset目录将包含预处理的数据，dataset_raw文件夹可以被删除。
现在，你可以修改生成的config.json中的一些参数——
keep_ckpts：在训练中保留最后的keep_ckpts模型。设置为0将保留所有模型，默认是3。
all_in_mem：将所有数据集加载到RAM中。当某些平台的磁盘IO太低，而系统内存比你的数据集大得多时，可以启用。
训练
- python train.py -c configs/config.json -m 44k
推理
模型在需要使用「inference_main.py」。
举个例子：
python inference_main.py -m "logs/44k/G_30400.pth" -c "configs/config.json"
虽然原始项目组现已停止维护，但有不少网友都进行了fork并且也做了一些更新。
比如下面这个图形化界面：
项目地址：https://github.com/voicepaw/so-vits-svc-fork
03
AI「复活」
AI翻唱之外，许多网友此前曾做了类似的项目，比如「AI-Talk」让马斯克和乔布斯进行了穿越时空的对话。
视频中，AI不但模拟了他们的声音，还在一定程度上模拟了其对话思路，使得交流过程十分流畅。
AI让我们与逝者的对话成为可能。此前，B站UP主用AI还复活了老奶奶。
对于老奶奶的声音制作，直接把过去已有的音频上传，素材基本来自于过去的电话录音、录像视频或者微信语音。
并用音频编辑软件AU进行调整，调整的方向主要在降噪、人声增强等等。
然后将更加清晰的音频样本切割成若干秒的短句，方便进行标注。最后将处理好的音频打包放入语音合成系统中去。
利用语音合成系统，就可以尝试输入文本转语音了。
04
网友见证科技狠活
AI孙燕姿的歌，已经唱到许多网友的心坎。
最近沉迷AI「翻唱」，上至AI侃爷唱罚酒，下至苏小玎唱真相是真。但说句正经的，确实还是AI届顶流孙燕姿的翻唱最好听。
这几天沉迷B站的AI孙燕姿，刚刚听了一首《一场游戏一场梦》，太好听了，唱到心坎里
不少网友听过AI翻唱的歌曲后，感受到AI歌手的可怕之处：
科技的力量真是让人细思极恐。
深深感受到了什么叫做科技的力量......
这就是AI生命，数字飞升！
还有网友对逝去歌手的怀念。
甘公网安备62052302000048号
系统定位：
Sora 文本转视频系统（Sora Studio）