单元6 声韵新章：AIGC与音频生成

ArtificialIntelligence声韵新章：AIGC与音频生成单元六生成式人工智能素养6.1常用的AIGC音频生成工具6.2AIGC语音合成AIGC音乐创作6.3应用探索6.5AIGC音频编辑6.4实践工坊6.66.1.1网易天音网易天音是网易于2022年1月推出的集AI音乐生成、实时编辑和个性化定制于一体的一站式创作平台，它以其独特的魅力和强大的功能迅速在音乐创作领域崭露头角。该平台利用先进的AI技术，能够将音乐创作的复杂过程简化为一系列直观易用的操作，无论是专业音乐人还是音乐爱好者，都能在这里找到属于自己的创作天地。图所示为网易天音的应用页面。图

网易天音的应用页面6.1.2腾讯TEM Studio腾讯TMEStudio是腾讯音乐娱乐集团推出的智能音乐创作平台，集AI作曲、AI智能封面、AI作词辅助、AI音乐分离、MIR计算、智能曲谱等功能于一体。它依托于腾讯天琴实验室、银河音效（一款音效处理工具）和MUSE（一款AI音乐视觉生成技术）的先进技术支持，为创作者提供了从音乐理解、创作灵感激发到作品精细打磨的一站式解决方案。图所示为腾讯TEMStudio所提供的产品服务。图

腾讯TEMStudio所提供的产品服务6.1.3魔音工坊魔音工坊是由北京小问智能科技有限公司开发的一款配音软件，旨在为用户提供一站式的AI配音服务。它拥有多款声音，可以覆盖多种风格，且支持多音字、停顿、重读等调音功能，以及逐句试听、文案提取等音频编辑功能。图所示为魔音工坊的应用页面。图

魔音工坊的应用页面6.1.4海绵音乐海绵音乐为用户提供了便捷高效的音乐创作体验。海绵音乐操作简单，即便用户没有专业的音乐知识，也能轻松上手。用户只需输入相关的文本信息，如歌词、音乐风格描述等，海绵音乐就能快速生成与之相匹配的音乐。海绵音乐的应用界面如图所示。图

海绵音乐的应用界面6.1.5Suno AI中文站SunoAI中文站是一个高质量的AI歌曲和音乐创作平台，专为中文用户而设计，旨在通过AI技术帮助用户创作音乐。该平台由来自Meta、TikTok、Kensho等知名科技公司的团队成员协作开发，其目标是不需要任何乐器工具，让所有人都可以创造出美妙的音乐。图所示为SunoAI中文站的应用页面。图SunoAI中文站的应用页面6.1.6SoundrawSoundraw是一款由Tago公司于2020年2月推出的在线AI音乐生成器，它功能多样，允许用户自由设定风格、节奏与时长等参数，以获取个性化曲目，且所生成的音乐皆免版税，可放心应用于影视、广告等各类创作之中。Soundraw的应用范围广泛，视频编辑者、音乐制作人、自由职业者等都能借此为作品打造专属配乐。图所示为Soundraw的应用页面。图Soundraw的应用页面6.1.7VoicemakerVoicemaker是一款功能十分强大的文本转语音工具，它能够利用先进的AI技术和深度学习技术，将用户输入的书面文字转换成自然且富有情感的语音。该工具支持多语言输出和丰富的声音效果，被广泛应用于有声书、播客、视频制作和在线教育等领域。图所示为Voicemaker的应用页面。图Voicemaker的应用页面6.1常用的AIGC音频生成工具6.2AIGC语音合成AIGC音乐创作6.3应用探索6.5AIGC音频编辑6.4实践工坊6.66.2.1语音合成技术语音合成（SpeechSynthesis）技术是一种将基本语音信息数字化，然后利用计算机系统模拟出人类声音的技术。这种技术也简称为TTS（TextToSpeech，文本—语音转换），意为“从文本到语音”，是一种先进的AI技术，其核心功能是将文本信息精准转换为自然流畅的语音输出。图

讯飞智作的语音合成界面6.2.1语音合成技术语音合成（SpeechSynthesis）技术是一种将基本语音信息数字化，然后利用计算机系统模拟出人类声音的技术。这种技术也简称为TTS（TextToSpeech，文本—语音转换），意为“从文本到语音”，是一种先进的AI技术，其核心功能是将文本信息精准转换为自然流畅的语音输出。1．语音合成技术的优势与传统配音方式相比，语音合成技术具有显著优势，主要体现在以下两个方面。显著提升创作效率语音合成技术具备快速生成语音的能力，这极大地减轻了用户在配音环节的工作负担，有效缩短了整体创作周期。有效控制配音成本相较于传统真人配音，语音合成技术的成本优势更加明显。真人配音的费用通常按分钟计算，价格从几十元到几百元不等，当有大量配音需求时，成本可能会大幅增加。6.2.1语音合成技术2．语音合成技术的应用领域语音合成技术应用的领域广泛，主要有以下4个方面。在媒体行业，语音合成技术的应用十分普遍。无论是短视频的配音、新闻的播报，还是广播剧的制作，它都为用户带来了更加丰富多样的语音体验，增强了内容的吸引力和传播力。自媒体领域教育领域，语音合成技术也有着广泛的应用。在电子教材中，它可以为学生提供有声读物、学习资料的朗读及外语发音辅助等，这些应用不仅能够提高学生的学习兴趣，还能有效提升教学效果，使学习变得更加高效和有趣。电子教材与辅助教学智能语音助手是语音合成技术的重要应用领域，用户可以通过语音指令与助手进行交互，以获取信息、操作设备等。智能语音助手对于有视力障碍的人士来说，语音合成技术是无障碍技术中的关键一环，它能够将文本信息转换为语音输出，让有视力障碍的人士能够轻松利用智能手机等设备接收语音信息，从而享受到更加便捷和自主的信息获取体验。无障碍服务6.2.2声音复刻技术声音复刻又称声音克隆，是语音合成技术的个性化应用，用户可通过少量的录音进行模型训练，从而得到与用户本人在音色和发音风格上非常相似的声音模型。这一技术通过精密分析声音的多种特征，包括音高、音长、音强及独特的音色等，能够生成与原始声音高度相似的新语音。图所示为讯飞智作的声音复刻功能。声音复刻技术的出现，不仅极大地拓宽语音合成的应用边界，更为用户带来更加个性化的体验。图讯飞智作的声音复刻功能6.1常用的AIGC音频生成工具6.2AIGC语音合成AIGC音乐创作6.3应用探索6.5AIGC音频编辑6.4实践工坊6.66.3.1AIGC音乐创作的流程AIGC音乐创作的起点在于大规模的数据收集。这些数据包括各种类型的歌曲，涵盖从古典到现代、从流行到民谣的各种风格。通过数据预处理，AI系统能够清洗、整理和标注这些数据，以便后续进行分析和学习。数据收集和预处理01模型训练是AIGC音乐创作的核心环节。基于深度学习和神经网络系统，AI系统能够分析预处理后的音乐数据，并学习音乐的旋律、和声、节奏等基本元素，以及它们之间的组合规律和结构。常用的神经网络模型包括卷积神经网络和循环神经网络，它们能够捕捉到音乐中的复杂模式和序列信息。模型训练026.3.1AIGC音乐创作的流程在模型训练完成后，AI系统便能够根据用户的需求和设定的参数来生成新的音乐。这一过程是从已有的音乐元素中抽取特征，并按照学习到的规律进行重新组合和创新。生成新的音乐03后期处理是提升AIGC生成音乐质量的重要环节。在这一阶段，AI系统会对生成的音乐进行精细调整和优化，包括调整音高、节奏、音量等参数，以及添加混响、均衡等效果，从而使音乐更加自然、生动和富有表现力。后期处理046.3.2音乐生成1．音乐主题在音乐创作过程中，音乐主题扮演着至关重要的角色，它作为核心旋律、和声或节奏模式的集中体现，将整个歌曲紧密相连，从而形成统一而完整的艺术表达。以网易天音为例，新建歌曲时，在“关键字灵感”选项卡中可以通过多个关键词来设置歌曲的主题，如图所示；在“写随笔灵感”选项卡中可以通过一句话来设置歌曲的主题，如图所示。图“关键字灵感”选项卡图“写随笔灵感”选项卡6.3.2音乐生成2．音乐风格表常见的音乐风格及其应用领域音乐风格简介应用领域古典音乐源于欧洲的传统音乐流派，包括巴洛克、古典主义和浪漫主义等时期，其特点为系统性、经典性和严肃性音乐会、音乐节、电影配乐、舞蹈、戏剧、学术研究摇滚音乐20世纪中叶起源于美国，以强烈的节奏、电吉他的使用，以及具有反叛精神的歌词为特点演唱会、音乐节、电影配乐、广告、游戏爵士音乐起源于19世纪末20世纪初的美国，以即兴演奏、复杂的节奏和独特的和声为特点音乐会、电影配乐、舞蹈电子音乐使用电子合成器和计算机技术制作的音乐，风格多样，包括舞曲、环境音乐等派对、音乐节、电影配乐、广告流行音乐通俗易懂、易于传唱的音乐，常融合多种元素，如摇滚、电子、民谣等广播、电视、广告、演唱会、音乐节民族音乐反映各民族独特文化、历史发展和生活方式的音乐，具有地域性和民族性等特点民间活动、节庆、音乐会、文化交流嘻哈音乐起源于20世纪70年代的美国，以说唱、节奏和街头文化为特点演唱会、音乐节、电影配乐、广告乡村音乐源于美国南部的农村地区，以吉他、小提琴等乐器和叙事性歌词为特点音乐会、乡村音乐节、电影配乐、广告6.3.2音乐生成3．音乐情感情感词汇，即那些能够直接点明心情、情绪与感情倾向的词汇，如快乐、悲伤、激动、宁静、浪漫等。在提示词中融入情感词汇，可以引导AIGC音频创作工具更加精准地模拟出与这些情感相对应的音乐主题，从而创作出更加富有感染力的歌曲。例如，在SunoAI中文站“音乐风格”栏的“情绪\氛围”栏中就提供了各种情感词汇供用户选择，如图所示。图SunoAI中文站的“音乐流派”栏图SunoAI中文站的“音乐风格”栏6.3.2音乐生成4．节拍速度节拍速度是衡量音乐速度的重要指标，部分AIGC音频生成工具就提供有选择节拍速度的功能，以确保音乐的律动精准贴合用户需求。不同的节拍速度有着不同的音乐情绪和应用场景，如表所示。表不同节拍速度的音乐情绪和应用场景节拍速度/BPM音乐情绪应用场景60-90宁静、深沉、浪漫慢歌、爵士乐Ballad、古典音乐的特定章节、轻松背景音乐90-120轻松、欢快、适中流行歌曲、R&B、民谣、日常活动的背景音乐，恰恰、华尔兹等舞曲120-150活力、兴奋快节奏舞曲、流行音乐、运动赛事的背景音乐160以上强烈、紧张、刺激摇滚乐、电子舞曲（部分子流派）、需要高能量氛围的场合6.3.2音乐生成在具体使用场景中，SunoAI中文站可以通过在提示词中直接加入节拍速度提示词（如“140BPM”“80BPM”）来设置节拍速度，如图所示。网易天音则可以通过BPM范围来调整节拍速度，如图所示。图SunoAI中文站的BPM提示词图网页天音通过BPM范围来调整节拍速度6.3.2音乐生成5．人声与乐器AIGC音频生成工具能够提供多样化的虚拟音色库，包括虚拟歌手人声与乐器，从而让用户可以选择合适的声音。例如，SunoAI中文站可以在提示词中指定人声与乐器，也可以通过设置面板来设置人声和乐器，如图所示；而网易天音则提供有多个不同音色的虚拟歌手，可以生成不同人声的歌曲，如图所示。图SunoAI中文站设置歌手和乐器的界面图网易天音设置歌手的界面6.3.2音乐生成6．歌词结构用户借助AIGC音频生成工具，可以使歌词的创作过程变得更加便捷和富有创意。它能够依据特定的诗歌韵律或流行音乐的典型结构，自动生成一段符合音乐规范的歌词。同时，用户也可以主动调整歌词的结构，或编辑优化AIGC音频生成工具生成的歌词，以满足个性化的创作需求。例如，在网易天音中生成歌曲时，可以在“段落结构”栏中设置歌曲的结构，如图所示。图网易天音的“段落结构”栏前奏主歌副歌间奏尾奏6.1常用的AIGC音频生成工具6.2AIGC语音合成AIGC音乐创作6.3应用探索6.5AIGC音频编辑6.4实践工坊6.66.4.1AI音乐分离AI音乐分离是一种利用AI技术，通过复杂的音频信号处理技术将混合的音频文件中的人声与乐器声、背景音乐等精准分离的技术。这种技术依赖于频谱分析与滤波、机器学习与深度学习等多种原理，能够高效、准确地实现人声和音乐的分离，广泛应用于音乐制作、后期制作、音频分析、版权保护等多个领域，极大地提高了音频编辑的效率和创作的可能性。图

腾讯TEMStudio中的音乐分离功能图

多轨分离后的效果6.4.2AI音频转文本AI音频转文本是一种利用AI技术，将语音或音频内容自动转换成文字形式的技术。该技术广泛应用于会议记录、笔记整理、字幕生成等多个场景，能够有效提升信息处理的效率和便捷性。例如，通义提供的“音视频速读”功能能够高效地将音、视频文件中的语音内容转换成文本，并在此基础上自动生成摘要及思维导图，从而极大地提升信息整理与理解的效率，如图所示。图

通义的“音视频速读”功能6.4.3AI变声AI变声是一种运用AI技术来改变原始音频中的声音特征，从而将声音转换为类似另一个人的声音或者具有特定音效的技术。通过AI变声，可以改变用户的声音特质，如音调、音色、语速等，以实现声音的变换与伪装，广泛应用于娱乐、影视配音、隐私保护、语音合成等领域，从而为用户带来更加丰富多样的声音体验。图

大饼AI变声软件的应用6.1常用的AIGC音频生成工具6.2AIGC语音合成AIGC音乐创作6.3应用探索6.5AIGC音频编辑6.4实践工坊6.6任务6.1使用讯飞智作生成“九寨沟的水”散文音频2．实践内容2．实践内容任务背景林小夏正在筹备一期关于四川自然风光的音频专栏，并计划通过声景结合的方式来展现九寨沟的灵动之美。开篇章节需配以描写九寨沟水景的抒情散文朗诵，要求音频兼具文学感染力与自然音效的沉浸感。考虑到人工录制成本较高，因此林小夏决定采用AIGC音频生成工具来快速生成符合要求的散文音频。任务分析在使用讯飞智作生成“九寨沟的水”散文音频时，首先需要将准备好的散文文本复制到讯飞制作—讯飞配音的文本框中；然后选择一个合适的主播并试听音频效果，在试听时需重点校准多音字的发音；最后选择一段轻柔舒缓的音乐作为背景音乐，使听众沉浸于山水诗画之中。2．实践内容任务实施任务6.1使用讯飞智作生成“九寨沟的水”散文音频step01

注册并登录讯飞智作，在讯飞智作首页单击“讯飞配音”超链接，在打开界面的文本框中输入“九寨沟的水”散文文本，如图所示。step02

在主播栏中单击“解说”按钮，在打开的下拉列表中选择“有声读物”选项，然后在列出的名单中选择“逍遥诗人”选项，如图所示。图

输入“九寨沟的水”散文文本图

选择主播输入1.单击2.选择3.选择任务6.1使用讯飞智作生成“九寨沟的水”散文音频step03

单击“试听”按钮试听音频，发现“水底沉着枯木”中的“着”被读成了zhuó，于是需要单击“多音字”按钮，在打开的对话框中单击“水底沉着枯木”中的“着”，在打开的下拉列表中选择“zhe”选项，然后单击“确定”按钮，如图所示。step04

将插入点定位到“水底沉着枯木”文本右侧，单击“试听”按钮，试听这句的音频。图

设置多音字图

选择背景音乐step05

单击“背景音乐”按钮，在打开的对话框中选择“轻柔舒缓音乐2”选项，然后单击“使用”按钮，如图所示。step06

单击“生成音频”按钮，在打开的对话框中设置名称为“九寨沟的水”，格式为“MP3”，然后单击“确认”按钮，如图所示。图

选择背景音乐1.单击2.选择3.单击1.选择2.单击1.设置2.单击任务6.1使用讯飞智作生成“九寨沟的水”散文音频step07

此时系统将开始生成音频文件，完成后在打开的对话框中单击“去下载”按钮，进入“我的作品”页面，单击“九寨沟的水”作品名称对应的“下载”按钮，下载该音频文件（配套资源：效果\单元6\九寨沟的水.mp3），如图所示。图

下载音频文件单击任务6.2使用DeepSeek+海绵音乐为“读书与成长”演示文稿生成背景音乐2．实践内容2．实践内容任务背景杨晓辉在优化“读书与成长”演示文稿时，计划为该演示文稿添加一段契合主题的背景音乐。考虑到原创音乐的制作成本较高，因此他决定使用DeepSeek的智能提示词生成功能与海绵音乐功能来共同完成这一需求。任务分析在使用DeepSeek+海绵音乐为“读书与成长”演示文稿生成背景音乐时，可以先用DeepSeek生成音乐提示词，然后用海绵音乐根据提示词创作背景音乐。2．实践内容任务实施step01

在DeepSeek的文本框中输入“我想使用AIGC生成‘读书与成长’演示文稿的背景音乐，请帮我写出生成该音乐的提示词，150字以内。”提示词，单击“提交”按钮后，DeepSeek将生成相应的提示词，如图所示。step02

进入海绵音乐网站的创作页面，将DeepSeek生成的提示词复制到文本框中，选中“纯音乐”复选框，然后单击“生成音乐”按钮，如图所示。图

使用DeepSeek生成提示词图

配置音乐生成参数任务6.2使用DeepSeek+海绵音乐为“读书与成长”演示文稿生成背景音乐1.输入2.选中3.单击step03

海绵音乐将生成3首音乐，完成后将自动播放每一首音乐，如图所示。将鼠标指针移动“分享”图标上，在打开的列表中选择单击“下载音频”选项，在打开的对话框中下载音乐文件，并设置文件名称为“背景音乐.wav”（配套资源：效果\单元6\背景音乐.wav）。图

海绵音乐生成的音乐选择step04

在WPS演示中打开“读书与成长.pptx”（配套资源：素材\单元6\读书与成长.pptx）演示文稿，在“插入”选项卡中单击“音频”按钮，在打开的列表中选择“嵌入背景音乐”选项，如右上图所示。在打开的对话框中选择“背景音乐.wav”音频文件作为演示文稿的背景音乐（配套资源：效果\单元6\读书与成长.pptx）。图

在PPT中嵌入背景音乐1.单击2.选择任务6.3使用网易天音创作一首关于友情的歌曲2．实践内容2．实践内容任务背景张明正在策划一场以“青春友谊”为主题的班级活动，并希望通过音乐来增强现场氛围。因此，他需要创作一首关于友情的歌曲，要求旋律温暖动人，歌词体现同学之间的陪伴与成长。为了高效完成创作任务并保证作品质量，张明决定使用网易天音这一AIGC音乐生成工具来辅助完成歌曲的制作。任务分析在使用网易天音创作一首关于友情的歌曲时，可借助“AI一键写歌”功能来完成创作。首先，在系统中输入随笔灵感提示词，由AIGC自动生成歌词初稿；然后用户可根据个人需求对生成的歌词进行修改调整；接着，完成歌词创作后，可进一步切换不同的歌手音色与编曲风格，直至达到满意的效果；最后，将最终版本的歌曲导出。2．实践内容任务实施step01

注册并登录网易天音，在网易天音首页单击“AI一键写歌”下的“开始创作”按钮，如图所示。step02

打开“新建歌曲”对话框，单击“写随笔灵感”选项卡，在下方的文本框中输入“生成一首温暖轻快的校园风格歌曲，主题为同学友情。主要体现青春、陪伴与回忆。”提示词，然后单击“开始AI写歌”按钮，如图所示。图

单击“AI一键写歌”下的“开始创作”按钮图

输入提示词任务6.3使用网易天音创作一首关于友情的歌曲step03

此时网易天音将开始生成歌曲，完成后的效果如图所示。如果对歌词不满意，则可以单击“AI重写歌词”按钮重写歌词，或单击“AI划词辅助”按钮对部分歌词进行修改。图

生成歌曲step04

歌词修改完成后单击“试听”按钮，试听歌曲效果。单击1.单击2.输入3.单击step05

单击“切换歌手”按钮，打开“切换歌手”对话框在其中选择“陈水若”选项，然后单击“确定”按钮，如图所示。step06

单击“切换风格”按钮，打开“选择编曲风格”对话框，在“情绪类型”栏中选择“热血”选项，在“适配场景”栏中选择“校园”选项，然后在筛选的结果中选择“脉搏跳动”选项，最后“确定”按钮，如图所示。图

选择歌手任务6.3使用网易天音创作一首关于友情的歌曲step07

再次单击“试听”按钮试听歌曲效果，满意后单击“导出”按钮，打开“导出歌曲”对话框，设置歌曲名称为“友情”，单击“导出”按钮，如图所示。图

导出歌曲step08

此时网易天音将开始生成最终的歌曲文件，完成后打开“导出文件”页面，单击“友情”文件名对应后的“整曲”按钮下载该歌曲文件（配套资源：效果\单元6\友情-整曲.wav），如图所示。图

选择编曲风格1.选择2.单击1.选择2.选择4.单击图

导出歌曲单击1.输入2.单击任务6.4使用通义的“音视频速读”功能将会议音频内容转换为文本2．实践内容2．实践内容任务背景张明需要将公司年终总结会议的音频内容准确地转换为文本，以便后续整理、分析和存档。考虑到任务的紧迫性和音频文件的长度，为快速且高效地完成这一转换工作，他决定借助通义提供的“音视频速读”功能来实现这一目标。任务分析在使用通义的“音视频速读”功能将会议音频内容转换为文本时，首先需上传待处理的音频文件，然后设置音频的语言类型及发言人类型。待音频转换完成后，在“最近记录”中查看语音转写的文字内容，以及通义总结的关键词、摘要等信息，从而实现对音频内容的快速阅读与分析。2．实践内容任务实施step01

在通义首页单击“效率工具”栏中的“发现更多”超链接，如图所示，在打开的页面中，单击“音视频速读”按钮，如图所示。step02

打开“音视频速读”对话框，在左侧上传“年终总结会议音频.mp3”文件（配套资源：\素材\单元6\年终总结会议音频.mp3），然后设置音视频语言为“中文”，区分发言人为“多人讨论”，完成后单击“确认”按钮，如图所示。图

单击“发现更多”超链接step03

此时通义将开始转换音频中的内容，转换完成后，在“最近记录”栏中选择新出现的“年终会议总结音频”