起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識我用Suno給你寫了首歌
ChatGPT爆火之后，大家才知道生成式AI原來如此強大。Sora消息一出，文生視頻的強悍能力更是讓人眼前一亮。但文生音頻，一直以來都沒有多少聲音，是因為沒有代表性的產(chǎn)品嗎？這篇文章，我們就來給大家普及一下相關知識。
我對生成式AI特別感興趣。
這個領域涵蓋文本、圖片、聲音、視頻和3D模型五個方面。我猜你也聽說過，甚至用過一些；對我來說，音樂很重要，因為每天差不多有1/12的時間都在聽歌。
去年5月，有件事特別火。
有人用AI技術(shù)翻唱一首孫燕姿的歌曲，不少人聽完后表示，唱的跟本人一樣好聽，本人還在社交媒體上表達說：擁抱AI，人類比不過AI，做好自己就行。
緊接著一個月內(nèi)容，市面冒出來上千首用AI技術(shù)翻唱的歌，這些歌橫跨了幾十年的流行音樂。
當時，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開源項目開發(fā)，門檻非常低，你要感興趣，也能學會。
但后來，由于工作關系加上下半年AIGC（AI生成內(nèi)容）技術(shù)爆炸式發(fā)展，我的興趣點也就跟著轉(zhuǎn)移了。不過，最近發(fā)現(xiàn)，AI音樂技術(shù)又有了新的進步。
01
進步在哪呢？
以前用so-vits-svc工具時，要懂一些基礎、且專業(yè)知識。
像怎么采集音頻、編輯波形、把人聲伴奏分開，以及音頻訓練推理技巧等，這些是處理和生成音頻文件必要的基礎。
如果你要用自己的聲音來做歌曲，得先上傳幾段自己的聲音，讓系統(tǒng)學習。這個所謂“訓練”過程會電腦顯卡負荷很大，通常持續(xù)好幾個小時。
過程中，還會用到一些插件。
比如有8種不同的編碼器，每種都適用于不同的情景，有些插件不提供預先訓練的模型，你還得自己訓練一番；所以，看似簡單的步驟對小白來說，也有點復雜。
現(xiàn)在不一樣了。
3月22日，位于美國加州舊金山的一家人工智能公司Anthropic，他們開發(fā)的音頻軟件Suno AI進行一次重大升級，幾個簡短文字，一閃而過的靈感，立馬變成一首歌曲。
Suno AI的官網(wǎng)：https://app.suno.ai/
可以先用谷歌注冊一個賬號，然后點擊右上角的“make a song”按鈕，接下來點擊“create”，就能進入創(chuàng)作頁面了。
目前官網(wǎng)上，有很多用戶上傳了他們用AI創(chuàng)作的歌曲，可以隨便聽聽，其中不少華人創(chuàng)作的。
●Pic?https://app.suno.ai官網(wǎng)
比如：
有一首是用“中國傳統(tǒng)民樂、慢板、空靈、天使之音”幾個關鍵詞生成的全新版本《水調(diào)歌頭（明月幾時有）》（和我們熟悉的《但愿人長久》不一樣的版本）。
還有一首用“歌劇”這個提示詞創(chuàng)作的《宮保雞丁》，歌詞，居然是一整套宮保雞丁的菜譜，簡直不要太離譜。
suno有免費模式可以使用，每日贈送50積分，而每次生成都會一起生成2首歌，每首歌小耗5積分，性價比比較高。
也有專業(yè)計劃和尊貴計劃，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 個積分(2.000 首歌曲)。
如果不是專業(yè)選手使用，免費的玩玩還可以，對了，我特別找了下，國內(nèi)有個網(wǎng)站跟它挺像，功能差不多，還能免費試用，不過，如果要充值，得注意真假。
目前suno ai創(chuàng)作模式有兩種：
1. 半自動模式?
只要提供一些簡單的信息，比如，你想要的音樂風格、描述和氛圍等關鍵詞，然后點擊“創(chuàng)建”，剩下的交給AI來完成，它能把歌詞曲調(diào)都幫你弄好。
2. 自定義模式
這個模式下，你可以詳細輸入想要的歌詞、音樂類型、風格和氛圍等，AI會根據(jù)這些信息來為你創(chuàng)作歌曲。過程也比較快，基本上幾秒鐘就能完成。
而且，在創(chuàng)作頁面如果開啟了Instrumental（器樂）選項，它還會為你制作一首不含歌詞的純音樂；個人而言，我更喜歡自定義模式。
02
問題來了：很多人說我不會寫歌詞流派怎么辦？
也不用擔心，用AI工具生成歌詞后再給Suno，這樣效果會更好。我總結(jié)了一下，一首歌曲的有效提示詞包括四個因素，分別是音樂風格、情緒、樂器，以及節(jié)奏。
什么是音樂風格呢？
比如，通俗易懂的流行風（Pop）、強調(diào)節(jié)奏的搖滾風（Rock）、即興演奏爵士風（Jazz）、歐洲傳統(tǒng)巴洛克的浪漫古典風（Classical）。
以及電子風（Electronic）、嘻哈音樂（Hip Hop/Rap）、R&B（Rhythm and Blues）、鄉(xiāng)村音樂（Country）、民謠音樂（Folk）等等。
情緒你應該知道，是歡快、悲傷、浪漫還是激動人心的？樂器方面，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。
舉幾個例子：
- 如果你想要一首活力四射的流行電子舞曲，就跟AI說，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、用鋼琴彈奏的，而且節(jié)奏要慢的曲子。
- 如果你想聽一首讓人陷入深思的悲傷爵士薩克斯曲，就用這些關鍵詞：憂郁、爵士、薩克斯風、即興演奏，節(jié)奏保持在中等。
對于那種能讓人熱血沸騰的搖滾吉他曲，你可以這么說：我想要一首充滿激情的搖滾歌，用電吉他彈奏，節(jié)奏要快；而如果你希望聽到一首暖心的民謠木吉他曲，那就描述成：想聽一首溫馨的民謠，用木吉他演奏，風格輕柔。
……
你可以自由地混搭各種音樂風格，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，生成的越精準，
你還可以選擇直接在Suno上填入這些關鍵詞，或利用AI工具，先生成好，然后把結(jié)果復制粘貼進去，這樣，也能輕松創(chuàng)作出符合你想法的音樂了。
至于歌詞上，目前支持隨機生成和自己填寫。
隨機生成是系統(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prompt是這樣：
想象你是個音樂天才，在音樂界深耕了20年。譜曲和寫詞是你的專業(yè)，現(xiàn)在，我希望你能當作曲家，用中文來創(chuàng)作。
我們要的風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。
當它給完之后，你還可以說：你可以做得更好。歌詞要有節(jié)奏感，要能感受到情感波動，既美又簡潔，避免用那些聽起來像口號的詞句。
第二個方法也相對簡單，即「仿寫」。
原創(chuàng)要自己設定情節(jié)并總結(jié)，然后投喂給AI，讓AI按照自己的設定去寫；仿寫是模仿對標歌曲的內(nèi)容大綱、寫作風格、語言特色等。
你可以說，幫我寫一個歌詞，類似于李榮浩的《老街》，或者某某的什么歌。對了，也許原歌詞所對應的歌曲是流行風，你也可以投喂給Suno，讓它生成搖滾風，也不是不可以。
目前多次體驗來看，它生成和模仿歌曲還是有區(qū)別的。
第三個方法是，先建立一個大致結(jié)構(gòu)框架。
一首完整的歌曲，它由前奏、詩句（或稱為節(jié)）、副歌、橋段、尾奏五個部分組成，有點像寫小說時會有的開場、發(fā)展、高潮和結(jié)尾四個環(huán)節(jié)。
劃分結(jié)構(gòu)后，按部就班地展開創(chuàng)作。這個過程中，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，反復疊唱，以及具體抽象的結(jié)合等。
所以，AI寫歌詞本身和AI進行其他領域的創(chuàng)作底層相似，唯一區(qū)別在于，一旦你理解了一些特定領域?qū)I(yè)術(shù)語，掌握它的難度就會大大降低。
不過，目前這個平臺最多只能生成兩分鐘的歌曲，你給的詞過多，后面也未必能用上，但也不要擔心，它提供了一個連續(xù)創(chuàng)作功能。
你可以選擇一首歌的任何部分，繼續(xù)創(chuàng)作接下來的部分，然后把它們組合起來，就能突破兩分鐘的限制，創(chuàng)作出一首完整的歌曲。
03
生成音樂后你可以以下載（視頻，音頻）分享，也可以選擇公開。
看起來是不是蠻爽的？?
說回Suno這個平臺，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有經(jīng)驗的普通人。的確，最新v3版本在音樂質(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音樂水印系統(tǒng)，如此也能保護用戶作品不被抄襲，防止別人濫用平臺上的音樂去分發(fā)，目前我已經(jīng)看到不少人用AI音樂開始賺錢了。
雖然這聽起來不錯，但我作為一個深度AI使用者，和深度聽歌人士，還是想說幾個問題，或幾個特性。
一方面，平臺簡單提示詞的確很棒，AI有更多自由度，但同時也意味著我們控制得少了，有時候，我給的提示詞AI可能不會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)音樂人，但覺得AI音樂應該有一些基礎、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?。⊿VC）相對容易些，已有的開源模型也在不斷進化，稍作調(diào)整就能集成進去，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，這肯定會吸引不少人付費。
這好比美顏相機的「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時不同，它部分插件看似全英文比較麻煩，但可以訓練人聲，還可以變換歌曲場景等等，所以，從專業(yè)角度來看，Suno更像一鍋出的大雜燴。
雖然還不夠完美，有點粗糙，但不可否認，這種工業(yè)化生產(chǎn)的音樂，已經(jīng)占據(jù)了視頻和流媒體平臺大部分的流量。
換句話說，就質(zhì)量而言，現(xiàn)在AI生成的好音樂已經(jīng)可以媲美一般的音樂創(chuàng)作者了，盡管對于我們不熟悉的音樂流派來說，可能還是聽不出太多門道。
目前Suno AI官網(wǎng)沒有公開技術(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步很多，盡管偶爾會有電音；不過，模型迭代是必要的，畢竟遵循AI領域的一個通用規(guī)律即：模型越大，效果越好。
04
你聽說了嗎？
國內(nèi)昆侖萬維推出了「天工AI」搜索后，國外，AI搜索初創(chuàng)公司Perplexity AI一飛沖天。
Perplexity AI的創(chuàng)始人說，他對Suno這家公司很有信心，覺得它有潛力成為下一個AI領域的重磅玩家。
我特意去了解了下這家公司，原來Suno四個創(chuàng)始人之前在劍橋一個叫Kensho Technologies的公司共事的，他們中有兩個是業(yè)余音樂愛好者。
他們在Kensho的時，主要開發(fā)一種AI技術(shù)，用來把上市公司的電話會議內(nèi)容轉(zhuǎn)錄下來；后來，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作，音頻這塊卻相對冷清。于是，就萌生了自己搞點動靜的念頭。
盡管有人說他們在炒作，但實不可否認，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，現(xiàn)在他聽歌更傾向于用Suno而不是Spotify。
從個人使用角度來說，我自己這一周一直在用，我并不關注它到底是否炒作，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。
我覺得，未來個人創(chuàng)作音樂的熱潮會跟寫作一樣，爆發(fā)式增長，市場角色已經(jīng)從單純的供給方轉(zhuǎn)變?yōu)榱斯┬桦p方互動，這意味著更多人可以參與到創(chuàng)作中來，甚至出現(xiàn)共創(chuàng)的模式。
在國內(nèi)，音頻AI領域也有不少實力派玩家，比如科大訊飛、騰訊音樂娛樂集團（TME）、網(wǎng)易云音樂等，它們在AI音樂上的嘗試雖然步伐稍顯緩慢，但也在穩(wěn)步前進。
根據(jù)Suno的一個創(chuàng)始人所說，高質(zhì)量音頻采樣率一般是44kHz或48kHz，意味著每秒要處理48000個數(shù)據(jù)點，音樂生成面臨的一個挑戰(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，或者說它們根本不一樣，真心希望國內(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：
好玩，有趣。
音樂界也終將被AI改變命運，只有親身體驗過，你才會驚嘆于自己竟能成為一名音樂家?？烊ピ囋嚢伞?/p>
專欄作家
王智遠，公眾號：王智遠，暢銷書《復利思維》作者，人人都是產(chǎn)品經(jīng)理專欄作家?；ヂ?lián)網(wǎng)學者，左手科技互聯(lián)網(wǎng)，右手個體認知成長。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可，禁止轉(zhuǎn)載。
題圖來自Unsplash，基于CC0協(xié)議。
該文觀點僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務。
- 目前還沒評論，等你發(fā)揮！
