人工基础智能 2

AI人工智能通识与实践CHAPTER06第6章AI音频生成与优化AIAudioGeneration&Processing授课教师：__________日期：__________课程：人工智能通识与实践AI音频生成与优化本章目录CONTENTS本章目录1音频基础与AI生成概述数字音频基础、音频格式、六大提示要素2使用AIGC工具生成音频生成音乐、生成音效、生成商品讲解音频3使用AIGC工具处理音频声音克隆、语音转文字、音频降噪人工智能通识与实践教程02/20PART01SECTION01第1节音频基础与AI生成概述理解数字音频基础参数与提示要素，是开展AI音频生成与优化的前提。数字音频基础音频格式AI音频生成提示要素03/206.1音频基础与AI生成概述数字音频基础6.1.1数字音频基础KEYCONCEPT数字音频核心逻辑：对连续变化的模拟声音信号进行"采样-量化-编码"转换。音质由采样率、位深度和声道数三大因素决定。采样率：每秒采样次数，44.1kHz(CD)/48kHz(专业)/96kHz(高清)，越高频率细节越丰富位深度：每采样点精度，16位/24位，越高动态范围越大、量化噪声越低声道数：单声道(语音广播)/立体声(音乐影视)/环绕声(影院游戏)，越多空间感越强人工智能通识与实践教程04/206.1音频基础与AI生成概述音频格式6.1.2常用音频格式对比格式压缩方式特点适用场景MP3有损压缩文件体积小，可能损失高频细节网络传输、语音消息WAV无损/PCM完整保留原始音质，文件较大专业录音与编辑AAC有损压缩效率高于MP3，同体积音质更优在线视频、移动设备FLAC无损压缩保持音质不变，显著减小体积音乐存档、高品质播放高保真收藏选FLAC/WAV；兼顾音质与大小选AAC（短视频、在线课程）；存储有限时选MP3（铃声、语音消息）。人工智能通识与实践教程05/206.1音频基础与AI生成概述提示要素6.1.3AI音频生成六大提示要素精准的提示词能引导模型生成符合预期的音频内容。构成AI音频生成提示词的六大核心要素如下：核心声源音频中主要声音对象（人声、乐器、自然声响等），描述需包含类型、特征、状态场景环境声源所处的空间背景（密闭房间、音乐厅、森林等），含环境音效与混响风格基调听觉基调与艺术形式：写实类、音乐类、音效类、特殊风格细节补充声音纹理、情感变化、过渡效果等微观元素，提升真实感与信息密度音频技术参数：音质等级、采样率(44.1/48/96kHz)、比特率(128/320kbps)、声道数、格式(MP3/WAV/FLAC/AAC)结构与节奏：音频时长、段落结构、节奏速度(如120字/分、100BPM)、节拍(4/4拍)等人工智能通识与实践教程06/206.1音频基础与AI生成概述提示要素6.1.3提示要素详解（一）核心声源描述人声：指明性别、年龄、音色、语言、朗读状态。示例："一位30岁男性低音炮嗓音，用标准普通话朗读散文，语速平缓，语气温柔且富有磁性。"场景环境空间类型+环境音效+混响+距离感。示例："安静的木质书房，背景有书页翻动声和窗外细雨滴答声，录音棚级别轻微混响，近距离私语般空间感。"风格基调写实类(播客/有声书)、音乐类(古典/流行/爵士)、音效类(科幻/恐怖/温馨)、特殊风格(二次元/古风/赛博朋克)。风格关键词对应完全不同的听觉效果，需精准选择，并结合核心声源和场景逐步叠加描述。人工智能通识与实践教程07/206.1音频基础与AI生成概述提示要素6.1.3提示要素详解（二）细节补充声音纹理、情感变化、过渡效果。示例："朗读到抒情段落时语气略微上扬，带轻微叹息感，停顿间隔均匀，每句结尾音量缓慢减弱。"技术参数音质等级(高品质/无损)、采样率(48kHz)、比特率(320kbps)、声道(立体声)、格式(WAV)。示例："采样率48kHz，比特率320kbps，立体声，WAV格式，高品质无损音质。"结构节奏时长+段落+速度+节拍。示例："30秒广告背景音乐，开头5秒钢琴独奏-中间15秒弦乐合奏-结尾10秒淡出，中速100BPM，4/4拍。"细节需服务于整体构思，避免冗余堆砌，确保生成音频既丰富又不失焦点。人工智能通识与实践教程08/20PART02SECTION02第2节使用AIGC工具生成音频掌握音乐、音效、商品讲解音频三大生成场景的核心流程与实操案例。生成音乐生成音效生成商品讲解音频09/206.2使用AIGC工具生成音频生成音乐6.2.1AIGC生成音乐流程AIGC生成音乐核心流程："选工具→明确需求→输入提示词/参数→生成→调整优化→导出保存"1选择合适的AIGC工具：海绵音乐、网易天音等专业音频生成模型或集成平台2明确音乐创作需求：确定风格(古典/流行/摇滚)、节奏、时长、乐器使用等要素3输入提示词或相关参数：描述音乐特征与生成要求，部分工具支持上传参考音频4生成：点击生成按钮，AIGC工具依据模型和输入信息生成音乐5调整与优化：试听并对不满意部分调整，可在界面简单编辑或导出至专业软件处理6导出与保存：将满意的作品导出为MP3、WAV等常见格式，保存和分享人工智能通识与实践教程10/206.2使用AIGC工具生成音频案例16.2.2案例1：海绵音乐生成校园歌曲歌曲主题：校园梦想与成长；歌曲结构：前奏-主歌-副歌-间奏-主歌-桥段-副歌-尾奏访问海绵音乐官网()或下载APP，用抖音账号或手机号登录点击"创作"→"灵感创作"，输入提示词，点击"AI写词"生成歌词设置曲风参数：流行-国语音乐，心情"怀旧"，音色"明亮嗓"，人声"男生"点击"生成音乐"，系统生成三首候选作品逐一试听，选择最贴合"校园怀旧"基调的作品，下载MP3至本地图6-2海绵音乐首页图6-4生成音乐人工智能通识与实践教程11/206.2使用AIGC工具生成音频案例26.2.3案例2：可灵AI生成雨滴音效访问可灵AI官网()，登录后点击"全部工具"→"音效生成"→"文生音效"在内容框输入音效创意描述，缺乏灵感时可点击"DeepSeek"按钮获取提示词选择符合需求的提示词，点击"使用描述"选择时长10s，点击"生成"按钮，生成4种不同版本的雨滴音效对比雨滴声质感，选择最合适音效，下载MP3和WAV格式到本地图6-5可灵首页图6-8生成"雨滴"音效人工智能通识与实践教程12/206.2使用AIGC工具生成音频案例36.2.4案例3：魔音工坊生成商品讲解音频用豆包生成商品描述文案：输入提示词，要求包含核心卖点、适用人群及使用场景进入魔音工坊()，点击"软件配音"进入文字转语音页面粘贴文案，选择配音员"魔小昭"，情绪选择"温柔"调整语速(默认1.0倍)、语调，确保语音节奏符合口语表达习惯点击"配乐"添加轻快背景音乐，适配产品年轻便捷定位试听检查后命名为"智能恒温保温杯介绍"，下载音频图6-9豆包生成商品文案图6-11给文字配音人工智能通识与实践教程13/20PART03SECTION03第3节使用AIGC工具处理音频掌握声音克隆、语音转文字、音频降噪三大核心处理场景。声音克隆AI语音转文字AI音频降噪14/206.3使用AIGC工具处理音频声音克隆6.3.1声音克隆与案例4：米可智能声音克隆要求目标素材时长需20秒至5分钟素材越长声纹特征越精准录制需保持安静、无杂音文本需包含不同语调、语速语句案例4操作步骤登录米可智能()点击"免费试用"→"声音克隆"输入音色名称，上传录音半分钟左右完成音色克隆在"我的音色"页面管理图6-13米可智能首页图6-14声音克隆人工智能通识与实践教程15/206.3使用AIGC工具处理音频声音克隆6.3.1案例4续：使用克隆音色配音1在平台左侧工具栏点击"AI配音"工具，进入AI配音页面2选择"发音人"为定制音色（克隆成功的音色）3选择"发音语言"，输入想要配音的文本内容4点击"提交"按钮，完成音频生成5音频生成后可调整"音量"和"语速"6点击"下载"按钮，下载MP3格式的音频文件到本地图6-17AI配音图6-18生成音频人工智能通识与实践教程16/206.3使用AIGC工具处理音频语音转文字6.3.2案例5：讯飞听见实现双人访谈转写需求：将双人访谈录音转写为带时间戳、区分发言人的文本访问讯飞听见()，登录后进入"导入文件"上传录音(MP3/WAV/M4A)语言选择"中文(普通话)"，专业领域选"通用"，启用"区分说话人"功能，设置发言人为2添加热词(嘉宾姓名、核心话题术语)提升识别准确率点击"提交"开始转写，选择"AI纪要"→"立刻生成"转写完成后点击"下载"导出文本到本地图6-19科大讯飞首页图6-21转写完成人工智能通识与实践教程17/206.3使用AIGC工具处理音频音频降噪6.3.3案例6：剪映完成音乐降噪KEYCONCEPT音频降噪：去除音频中杂音（环境噪音、电流声、回声）的核心处理环节。AIGC工具可实现"一键降噪"，适用于录音修复、会议音频优化等场景。1打开剪映专业版，单击"开始创作"2导入音频素材，拖至下方"音频轨道"3选中音频轨道上的素材4右侧打开"音频"面板，开启"音频降噪"5系统自动识别并去除环境杂音、电流声6单击"导出"，选择音频格式(MP3/WAV)保存图6-22音频降噪人工智能通识与实践教程18/20AI音频生成与优化本章练习EXERCISES本章练习题1使用魔音工坊为无线蓝牙耳机生成30~60秒商品宣传讲解音频。2使用可灵AI音效生成功能制作校园操场环境音效，包含人声、脚步声、哨声，时长15秒。3使用网易天音创作轻快治愈风格短视频背景音乐，时长30秒，适合生活Vlog使用。4对带杂音的课堂录音，使用剪映进行音频降噪，再通过讯飞听见完成语音转文字。5使用米可智能进行声音克隆，并用克隆音色为校园广播稿生成配音音频。人工智能通识与实践教程20/20AI音频生成与优化本章总结SUMM