在我們被 AI 孫燕姿轟炸了好一陣子之後，蘋果近日推出了一項挺重要、但似乎還沒有那麼多人關注的新功能：輔助使用中的「Personal Voice」，宣稱僅需錄製使用者15分鐘音訊，即可讓他們創造與自己聲音相似的語音。雖然功能是針對說話能力可能被逐漸侵蝕的疾病之人，目前也僅支援英語，但另一方面也代表了 AI 語音的進入門檻來到新低，只需要一台手機，便可在短時間訓練模型並輸出。
迷因創作者、詐騙集團、音樂製作人⋯⋯大家準備好了嗎？
探討更深層的問題，諸如 AI 準備如何摧毀或重建產業，或是法律層面之前，先來看看這是怎麼做的。主流是一款名為 SO-VITS-SVC 的開源軟體，利用深度學習將「餵」給它的聲音檔案建立模型，再以此轉化那些你想模仿的音檔，音樂製作上，如果有用過例如 Drumagog 這類換鼓軟體，其實是頗為相似的概念。
先利用 iZotope RX、免費的 Ultimate Vocal Remover，又或是之前提過可線上處理的 LALAL.AI，先將想建立模型的人聲從音樂中分離出，轉成 44.1kHz 的採樣頻率，再分別剪成5~15秒的小片段，由於 SO-VITS-SVC 是在本地電腦上運行，加上一個不能太糟的 GPU 工作一陣子之後，你就能得到一個能讓它唱出任何旋律的「角色」。
這類 AI 模型「像不像」的關鍵除了演算法之外，最重要關鍵來源是否乾淨清晰，能合法地獲得原始單軌大概是最佳解，取樣的多樣性例如較為寬廣的音域也會很有幫助。
▲ UVR5 很好用，且免費。
Discord 也行？
覺得上述方式太麻煩的話，更簡單的是像 Uberduck 或 Voicemod 這類服務，大抵上都是透過月費訂閱的方式，可以享有文字轉成語音、製作聲音模型這類的功能，有的甚至有已經建好的名人模型，例如可以用 Snoop Dogg 的聲音說個「我很嗨」之類。
另一個有趣的是名為 AI World 的 Discord 伺服器，你可以把它想成聲音版本的 Midjourney，透過與伺服器中的機器人運作完成你希望製作的 AI 語音。
一旦得到需要的語音軌道之後，接下來就跟日常的音樂製作一樣，丟進你的 DAW，將整個音樂做良好的平衡，利用一些混音技巧讓表情更為生動等等。老實說近日海量的 AI 歌曲，製作精良的還是相對少數，如果少了文字以及畫面引導，你是否還是認為這真是某個歌手，唱著不屬於他的作品？
▲ 你可以在 AI World 裡頭交流 model，並且看到現在已有許多非英語系的內容。
會出事嗎？ 還是接下來會出什麼事
製作了（AI）Drake 與 The Weekend 合唱歌曲〈Heart on My Sleeve〉的 @ghostwriter977，算是這波 AI 歌曲的高潮先鋒，但他的 TikTok 幾乎已清空，各串流平台也下架了（下架前播放量超百萬次）。握有大量版權的唱片公司對媒體平台的影響力仍相當巨大，但也有像 Grimes 這樣在早先宣布：以分潤50%的方式歡迎大家使用她的聲音。
藝人將自己當成 API，大部分時候，大家都可以自由接上只要別忘了版稅，似乎是個不錯的想法，只是實際層面如何執行，又或是 Google 可不管你上架的小程式有多醜，但作為藝術創作者能忍受的範圍通常不太大。一如所有新科技帶來的混沌，接下來我們終究會找到出口。
▲ 陳珊妮製作陳珊妮的 AI 模型，可能是某種長生不老的概念（？）
撰文：Jungle
重返青春熱血的社團時光，5月23日樂手巢雜誌 Vol.17 正式出刊：
https://ysolife.com/yso-mag-vol-17/
