Akopọ ohùn Kọrin
Asopọmọra Ohun Orin (SVS) jẹ AI ti o yi orin aladun kikọ ati awọn orin sinu iṣẹ ohun orin ti o kọ ni kikun.
Akopọ
O ṣe pataki nitori pe o jẹ ki ẹnikẹni ṣe agbejade orin gidi, ti o ṣalaye laisi akọrin eniyan — atunkọ iṣelọpọ orin, dubbing, ati wiwọle.
Jin Dive
Asopọmọra Ohun Orin yatọ si ọrọ-si-ọrọ nitori pe o gbọdọ ṣakoso ipolowo, rhythm, ati vibrato lati baamu Dimegilio orin kan, kii ṣe sisọ awọn ọrọ nikan. Awọn ọna ṣiṣe ode oni gba awọn igbewọle mẹta - awọn orin (awọn foonu foonu), ọkọọkan akọsilẹ ( ipolowo ati iye akoko), ati idanimọ akọrin ibi-afẹde - ati ṣe agbekalẹ ohun kan ti o de lori awọn akọsilẹ ọtun pẹlu timbre adayeba. Awọn eto ibẹrẹ bii Vocaloid (2004) ṣopọ papọ awọn ayẹwo phoneme ti o gbasilẹ; awọn ọna ṣiṣe nkankikan ti ode oni bii DiffSinger, NNSVS, ati Microsoft's HiFiSinger lo awọn nẹtiwọọki ti o jinlẹ lati ṣe awoṣe ti tẹ ipolowo ti nlọsiwaju ati awọn awoara ẹmi ti awọn ohun gidi. Ijade naa n dun pupọ eniyan diẹ sii, yiya aworan portamento (sisun laarin awọn akọsilẹ), awọn agbara, ati gbolohun ọrọ ẹdun ti iṣapẹẹrẹ-aran ko le gbejade ni idaniloju.
Imọ-imọ-ẹrọ
Pupọ julọ awọn ọna ṣiṣe SVS nkankikan lo opo gigun ti ipele meji: awọn maapu awoṣe akositiki awọn orin orin-plus-awọn akọsilẹ si mel-spectrogram kan (aworan igba-akoko ti ohun), lẹhinna vocoder nkankikan kan yi spectrogram yẹn pada si ọna igbi. Ifihan agbara pataki kan jẹ elegbegbe igbohunsafẹfẹ ipilẹ (F0), eyiti o ṣe koodu ipolowo gangan ni akoko pupọ. Awọn awoṣe ti o da lori kaakiri bii DiffSinger ni ilodisi kọju sipekitirogira naa, ti n ṣejade awọn igbohunsafẹfẹ giga ti crisper ati vibrato igbesi aye diẹ sii ju awọn isunmọ autoregressive iṣaaju.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ojo iwaju ti Kọrin Voice Synthesis
Reti didi ohun ti o ni ibọn odo ti o ṣe afiwe akọrin ibi-afẹde kan lati iṣẹju-aaya ti ohun, SVS-akoko gidi fun iṣẹ ṣiṣe laaye, ati isọdọkan wiwọ sinu awọn iṣẹ ohun afetigbọ oni-nọmba ki awọn olupilẹṣẹ le kọrin orin aladun kan ki o jẹ ki AI fun ni eyikeyi ohun yiyan. Iṣakoso ni aala - awọn yiyọ fun mimi, ariwo, tabi kikankikan ẹdun. Awọn ilọsiwaju wọnyi tun mu awọn ijiyan pọ si lori ifọkansi, awọn ohun ti o jinlẹ ti awọn oṣere gidi, ati awọn ẹtọ ọba fun awọn iṣe sintetiki.
Real-World imuse
Hatsune Miku ati awọn ohun kikọ Vocaloid miiran ti n ṣe awọn ere orin ti o ta ni lilo awọn ohun orin alapọpọ
Awọn olupilẹṣẹ orin ti n ṣe ipilẹṣẹ awọn ohun orin demo lati ṣe idanwo orin kan ṣaaju igbanisise akọrin igba kan
Awọn ile iṣere atunkọ tun kọrin awọn nọmba orin fiimu kan ni ede tuntun lakoko ti o tọju timbre atilẹba
Awọn olupilẹṣẹ Indie ni lilo orisun ṣiṣi DiffSinger tabi NNSVS lati ṣe agbejade awọn orin atilẹba laisi akọrin kan
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Singing Voice Synthesis quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Ohùn AI
Awọn ibeere ti a beere nigbagbogbo
Kini Singing Voice Synthesis?
Asopọmọra Ohun Orin (SVS) jẹ AI ti o yi orin aladun kikọ ati awọn orin sinu iṣẹ ohun orin ti o kọ ni kikun. O ṣe pataki nitori pe o jẹ ki ẹnikẹni ṣe agbejade ojulowo, orin ikosile laisi akọrin eniyan - atunṣatunṣe iṣelọpọ orin, atunkọ, ati iraye si.
Awọn igbewọle bọtini wo ni eto Afopọ Ohun Orin Aṣoju nilo?
SVS nilo awọn ọrọ lati kọrin, orin aladun (eyiti awọn akọsilẹ ati bi o ṣe gun to), ati ohun kan / timbre lati ṣe wọn sinu - ko dabi iṣọpọ ọrọ, eyiti o nilo ọrọ nikan.
Bawo ni awọn eto ibẹrẹ bii Vocaloid (2004) ṣe ipilẹṣẹ orin?
Vocaloid ṣe akojọpọ awọn ajẹkù ti a gbasilẹ tẹlẹ ti ohun akọrin gidi kan, eyiti o jẹ idi ti iṣelọpọ tete dun ni itumo roboti ni akawe si awọn awoṣe nkankikan ti ode oni.
Kini F0 (igbohunsafẹfẹ ipilẹ) elegbegbe duro ni SVS?
F0 contour ṣe koodu ipolowo nipasẹ akoko, jẹ ki awoṣe kọlu awọn akọsilẹ to pe ati gbejade awọn ipa bii vibrato ati awọn ifaworanhan laarin awọn akọsilẹ.
Kini abajade aṣoju ti awoṣe akositiki ṣaaju ṣiṣe vocoder?
Awoṣe akositiki n ṣe agbejade mel-spectrogram kan, aṣoju-igbohunsafẹfẹ akoko ti vocoder nkankikan lẹhinna yipada si ọna igbi ohun gangan kan.
Kini idi ti awọn ọna ṣiṣe ti o da lori kaakiri bii DiffSinger nigbagbogbo dun diẹ sii bi igbesi aye?
Awọn awoṣe itọka n ṣatunṣe igbese spectrogram nipasẹ igbese, ti n ṣe agbejade ọrọ-igbohunsafẹfẹ giga ti adayeba diẹ sii ati vibrato ikosile ju awọn ọna adaṣe adaṣe iṣaaju.