人工智能進軍說唱，初音未來、微軟小冰你知道多少？
來源：骨軟筋酥網(wǎng)
時間：2025-12-10 03:55:52
導讀：人人皆可RAP？人工軟聽上去很吸引人。作為人工智能的進軍新嘗試，愛說唱獲得了不少目光，說唱少畢竟沒有freestyle也沒問題了。初音那么，未微還有哪些人工智能已經在樂壇上出道了？冰知
當下，說唱文化正逐漸在中國流行起來。道多《中國有嘻哈》、人工軟《中國新說唱》把說唱歌曲這類小眾文化帶到更廣泛的進軍人群面前。但對于普通用戶來說，說唱少比起流行歌曲，初音“說唱”顯然更有難度：節(jié)奏、未微押韻，冰知說唱文化中的道多嘻哈態(tài)度都讓人望而卻步。
但是人工軟最近，人工智能好像為我們解決了一部分難關。
在百度上月舉辦的AI開發(fā)者大會上，百度副總裁沈抖攜說唱歌手孫八一，發(fā)布了一款名為“愛說唱”的智能小程序：用戶只需選擇背景音樂，然后隨便說出一段話，就可自動生成一段堪比專業(yè)的RAP歌曲。
人人皆可RAP？聽上去很吸引人。作為人工智能的新嘗試，愛說唱獲得了不少目光，畢竟沒有freestyle也沒問題了。那么，還有哪些人工智能已經在樂壇上出道了？
今天我們就來盤點一下那些AI歌姬們。
初音未來、洛天依
說起“虛擬偶像”，幾乎所有的宅友們腦海中跳出的第一個名字便是“初音未來”，作為世界上第一個舉辦演唱會的虛擬歌手，世界第一公主殿下的名號可以說是響徹云霄。
初音未來，是2007年由Yamaha的VOCALOID系列語音合成程序為基礎開發(fā)的虛擬少女偶像。
對，你沒有看錯，這個蔥色雙馬尾辮的少女的締造者，是雅馬哈。事實上，看起來“不務正業(yè)”的雅馬哈除了生產摩托車以外，還是世界上最大的音樂樂器的生廠商，其中就包括了音樂合成器。2004年，雅馬哈開發(fā)了電子音樂制作語音合成軟件核心引擎VOCALOID，就是初音未來和她的中國風妹妹洛天依的核心。
根據(jù)目前主流的語音合成方式，Vocaloid采用的是“拼接合成”技術，使用者可以通過輸入歌詞和音符的方式直接生成歌曲，而歌曲的基礎聲音數(shù)據(jù)則來自于配音演員。
如果需要創(chuàng)作一首新的曲子，使用者需要規(guī)劃歌詞和音調，編輯歌詞和音調。并且可以更改每一個音符，對生成的＂唱詞＂進行各項微調，包括呼吸力度、口的開合甚至顫音，通過這些調整，就可令原本破碎的聲音數(shù)據(jù)變?yōu)檫B貫的類人電子聲音。
采用這種方式來創(chuàng)作，可以實現(xiàn)對歌曲最精確的控制，但另一方面，也很需要作者調整各項參數(shù)的功力。
微軟小冰
不同于初音未來這種天生歌姬，微軟小冰是半路出家，唱歌的原理也不一樣——虛擬歌手需要錄制好的聲音庫，再通過重新拼接聲音庫中的片段形成歌曲；而小冰唱歌是根據(jù)輸入的信號做出發(fā)聲的反應，也就是機器學習。
如今的小冰已經更新到了第四代，在音調、音質、自然度、銜接上都有了極大的改進，此外又加上了換氣的聲音和人類的演唱技巧，大大提高了演唱的自然度。
佐藤莎莎拉
佐藤莎莎拉是由基于HMM合成技術的聲音創(chuàng)作軟件CeVIO Creative Studio創(chuàng)造的虛擬歌姬，因其酷似真人的聲音，被粉絲稱為站立在現(xiàn)實和動畫的交界處的女主角。
CeVIO Creative Studio采用的算法在本質上與VOCALOID的＂拼接算法＂不同，HMM合成通過提取人聲中的特征量建模，可以最大程度保留人聲的特征，經過后期可以與VOCALOID媲美甚至更加接近人聲，在聲音的擬真度上可以說也并不遜于今天的小冰。
在某種意義上，虛擬歌姬和小冰都是利用技術降低了藝術創(chuàng)作的門檻，但根本性的不同在于對這一問題的回答：
科技在藝術創(chuàng)作中應該扮演什么樣的角色？
顯而易見的是，小冰所代表的無疑是一個激進的科技派：利用科技的發(fā)展降低、乃至消除藝術創(chuàng)作的門檻，讓技術引導人類的進步。
而Vocaloid方面，盡管YAMAHA公司也一直在不斷探索前沿的語音合成技術，在音樂創(chuàng)作上采取的卻是最為傳統(tǒng)的姿態(tài)：提供一個樂器，但將創(chuàng)作的自由完全歸還給創(chuàng)作者。
這種態(tài)度最大程度上回歸了藝術的本源：人的自我表達，但另一方面，也在客觀上保留了創(chuàng)作的門檻。在Vocaloid的圈子里，真正創(chuàng)造價值的仍然是創(chuàng)作者本身，在這里，技術讓位于了人類。
當然，以小冰的人工智能水平，我們并不需要討論“人工智能威脅論”之類的東西，但現(xiàn)實的問題確實擺在眼前：在藝術創(chuàng)作領域，“大眾”、“簡便”的工業(yè)化生產似乎已經近在咫尺，而這種流水線生產真的就能完全取代專業(yè)而精密的調教了嗎？對于創(chuàng)作者而言，“藝術創(chuàng)作”究竟是怎樣一種行為，而對于觀眾們來說，他們欣賞藝術作品時，希望接收到的又是什么呢？
其實藝術創(chuàng)作所賦予觀眾乃至社會的，并不是簡單地文字優(yōu)美、曲調生動，而應該是一種來自于現(xiàn)實社會的思想。
當下，說唱文化正逐漸在中國流行起來。道多《中國有嘻哈》、人工軟《中國新說唱》把說唱歌曲這類小眾文化帶到更廣泛的進軍人群面前。但對于普通用戶來說，說唱少比起流行歌曲，初音“說唱”顯然更有難度：節(jié)奏、未微押韻，冰知說唱文化中的道多嘻哈態(tài)度都讓人望而卻步。
但是人工軟最近，人工智能好像為我們解決了一部分難關。
在百度上月舉辦的AI開發(fā)者大會上，百度副總裁沈抖攜說唱歌手孫八一，發(fā)布了一款名為“愛說唱”的智能小程序：用戶只需選擇背景音樂，然后隨便說出一段話，就可自動生成一段堪比專業(yè)的RAP歌曲。
人人皆可RAP？聽上去很吸引人。作為人工智能的新嘗試，愛說唱獲得了不少目光，畢竟沒有freestyle也沒問題了。那么，還有哪些人工智能已經在樂壇上出道了？
今天我們就來盤點一下那些AI歌姬們。
初音未來、洛天依
說起“虛擬偶像”，幾乎所有的宅友們腦海中跳出的第一個名字便是“初音未來”，作為世界上第一個舉辦演唱會的虛擬歌手，世界第一公主殿下的名號可以說是響徹云霄。
初音未來，是2007年由Yamaha的VOCALOID系列語音合成程序為基礎開發(fā)的虛擬少女偶像。
對，你沒有看錯，這個蔥色雙馬尾辮的少女的締造者，是雅馬哈。事實上，看起來“不務正業(yè)”的雅馬哈除了生產摩托車以外，還是世界上最大的音樂樂器的生廠商，其中就包括了音樂合成器。2004年，雅馬哈開發(fā)了電子音樂制作語音合成軟件核心引擎VOCALOID，就是初音未來和她的中國風妹妹洛天依的核心。
根據(jù)目前主流的語音合成方式，Vocaloid采用的是“拼接合成”技術，使用者可以通過輸入歌詞和音符的方式直接生成歌曲，而歌曲的基礎聲音數(shù)據(jù)則來自于配音演員。
如果需要創(chuàng)作一首新的曲子，使用者需要規(guī)劃歌詞和音調，編輯歌詞和音調。并且可以更改每一個音符，對生成的＂唱詞＂進行各項微調，包括呼吸力度、口的開合甚至顫音，通過這些調整，就可令原本破碎的聲音數(shù)據(jù)變?yōu)檫B貫的類人電子聲音。
采用這種方式來創(chuàng)作，可以實現(xiàn)對歌曲最精確的控制，但另一方面，也很需要作者調整各項參數(shù)的功力。
微軟小冰
不同于初音未來這種天生歌姬，微軟小冰是半路出家，唱歌的原理也不一樣——虛擬歌手需要錄制好的聲音庫，再通過重新拼接聲音庫中的片段形成歌曲；而小冰唱歌是根據(jù)輸入的信號做出發(fā)聲的反應，也就是機器學習。
如今的小冰已經更新到了第四代，在音調、音質、自然度、銜接上都有了極大的改進，此外又加上了換氣的聲音和人類的演唱技巧，大大提高了演唱的自然度。
佐藤莎莎拉
佐藤莎莎拉是由基于HMM合成技術的聲音創(chuàng)作軟件CeVIO Creative Studio創(chuàng)造的虛擬歌姬，因其酷似真人的聲音，被粉絲稱為站立在現(xiàn)實和動畫的交界處的女主角。
CeVIO Creative Studio采用的算法在本質上與VOCALOID的＂拼接算法＂不同，HMM合成通過提取人聲中的特征量建模，可以最大程度保留人聲的特征，經過后期可以與VOCALOID媲美甚至更加接近人聲，在聲音的擬真度上可以說也并不遜于今天的小冰。
在某種意義上，虛擬歌姬和小冰都是利用技術降低了藝術創(chuàng)作的門檻，但根本性的不同在于對這一問題的回答：
科技在藝術創(chuàng)作中應該扮演什么樣的角色？
顯而易見的是，小冰所代表的無疑是一個激進的科技派：利用科技的發(fā)展降低、乃至消除藝術創(chuàng)作的門檻，讓技術引導人類的進步。
而Vocaloid方面，盡管YAMAHA公司也一直在不斷探索前沿的語音合成技術，在音樂創(chuàng)作上采取的卻是最為傳統(tǒng)的姿態(tài)：提供一個樂器，但將創(chuàng)作的自由完全歸還給創(chuàng)作者。
這種態(tài)度最大程度上回歸了藝術的本源：人的自我表達，但另一方面，也在客觀上保留了創(chuàng)作的門檻。在Vocaloid的圈子里，真正創(chuàng)造價值的仍然是創(chuàng)作者本身，在這里，技術讓位于了人類。
當然，以小冰的人工智能水平，我們并不需要討論“人工智能威脅論”之類的東西，但現(xiàn)實的問題確實擺在眼前：在藝術創(chuàng)作領域，“大眾”、“簡便”的工業(yè)化生產似乎已經近在咫尺，而這種流水線生產真的就能完全取代專業(yè)而精密的調教了嗎？對于創(chuàng)作者而言，“藝術創(chuàng)作”究竟是怎樣一種行為，而對于觀眾們來說，他們欣賞藝術作品時，希望接收到的又是什么呢？
其實藝術創(chuàng)作所賦予觀眾乃至社會的，并不是簡單地文字優(yōu)美、曲調生動，而應該是一種來自于現(xiàn)實社會的思想。
