※ 引述《Mayfly (Baccano)》之銘言： : 老實說我最近也偶爾會在B站上聽一些AI代唱 : 就是讓ACG人物的AI語音唱某些樂曲，比方說草神唱大悲咒什麼的 : 對岸最近有個梗，什麼薩菲羅斯男人中的男人 : 就是用AI編曲演唱歌頌薩菲羅斯什麼的 : 還有個遊戲直播主，他之前發了個影片鑑賞那些用他的聲音為免洗遊戲打的廣告 : 只能說，當初大概也很少人預測到，最先被AI打成手工業者的，竟然是創意產業和流行設計 : 或許也是側面表現了現代人類的精神生活有多空泛吧…… 準確來說是替代了部分創意、流行的生產步驟，AI只是降低製造的門檻。 不然像... 薩菲羅斯男人中的男人、歐金金是奶茶... 不管誰來都不會覺得這玩意是AI想出來的 ============================================================= 配音領域的話，對岸常用的3個開源項目 Bert-VITS2、GPT-SoVITS、Fish-speech 至於唱歌方面的我沒太研究，不過據我所知唱歌AI目前還是比較粗糙的 Bert-VITS2 去年就有了，開源版預訓練模型無法用來推理 必須使用者自己收集素材，然後自己煉丹。 GPT-SoVITS 還是要自己去煉丹，原始項目沒法直接推理， 不過他的LLM參數量太小，常常出現幻覺。 Fish-speech 原理跟第上面的差不多， 不過重製了聲碼器，然後把LLM的參數量堆到1B， 初步解決比較常見的多音字發音問題。 比較雞賊的是，這玩意有做小樣本推理功能， 只要提供一個參考音頻，就能還原個7788， 不過要達到最佳效果還是要自己重煉聲碼器。 我這幾個月都拿這些聽書，體驗下來.... 目前在自己有煉丹能力的情況下，音色跟韻律可以做到非常出色的還原。 但配音還需要情感演繹之類的功能，這點目前的TTS技術， 不管是商用項目還是開源項目，都遠遠達不到預期。 想要達到感情也很匹配的程度，需要大量人工進行微調， 如果是這樣的話，成本還是請真人配音比較便宜。 目前這技術，可以拿來整活、做二創、自己練著玩之外， 現階段要拿來直接給遊戲、動畫、配音，目前差距還很大。 除非你用人工干預一句一句精調。 記得yt上有個日本搞得很鬧的AI 安倍就是用BV2生成的 -- ※ 發信站: 批踢踢實業坊(web-ptt.org.tw), 來自: 42.71.165.25 (臺灣) ※ 文章網址: https://web-ptt.org.tw/C_Chat/M.1717309919.A.DCD

推 pufferfish72: 我覺得用AI做音樂比做配音簡單多ㄌ 06/02 14:36

→ pufferfish72: 畢竟音樂本身的和弦都很簡單 甚至大部分都是用 06/02 14:36

→ pufferfish72: 機器在微調ㄉ 06/02 14:36

→ pufferfish72: 所以AI隨便都可以出一首妳聽不出差別的音樂 06/02 14:36

→ pufferfish72: 但聲優很難 去聽YT就知道AI和真人聲還是差太多ㄌ 06/02 14:36

推 Markell: 到底要多有錢才會想包養 06/02 14:36

推 KyoukaiShiki: 唱歌的話Suno AI吧 06/02 14:44

推 nacoojohn: 邦邦也把香澄跟友希那的聲音拿來做AI唱歌了 06/02 14:47