Nakasi, 1980s, Manderin Chinese, Hokkien Song, 国语歌, sad, Enka
April 4, 2024
[Introl, Piano build]
[Verse 1, Mandarin Chinese]
怎么, 大地颤微,
敢不是地震来临, 乘着人们熟睡?
我丢下诗笔跳出窗外,
蓦然记起她还在。
[Chorus]
[......?]
敢不是地震来临, 乘着人们熟睡?
敢不是地震来临, 乘着人们熟睡?
[Verse 2]
象黑色的闪电, 我猛冲进去.
她安然脱险, 我却遭了致命一击。
象黑色的闪电, 我猛冲进去
象黑色的闪电, 我猛冲进去
象黑色的闪电, 我猛冲进去
[Bridge]
她安然脱险, 我却遭了致命一击。
象黑色的闪电, 我猛冲进去
象黑色的闪电, 我猛冲进去
去...
魂灵似乎正听到, 她在为我哭泣
泣...
[sigh, break, instrumental build]
[Chorus]
要抵得多少 我这样的凡人, Amem,
一个完美的女神。
[Outro, Piano build]
要抵得多少 我这样的凡人
Amem!
[End]
from 《朝华十一： 青春恋曲》
关于《望震》与湾区著名男高音猫哥的对话：
立委：@夏阳?声乐 必须请教你了，这一首不算口水歌了吧，我听、唱了多遍：Suno: 望震； from 《朝华十一： 青春恋曲》 。
不懂音乐，却想出一个集子，满足一下内心的音乐感受。
猫哥：@wei li 这有点像人类唱的啊
立委：电脑合成的啊，100%
第二次提到“敢不是地震来临” 前，Suno 有“幻觉”了，增添了五六个字，不知道什么词。很久没琢磨出来到底是啥，但听起来却那么丝滑，与 genAI 精神符合。似乎有点像是：“咱们不是支持为爱呀？” 如果是，那才神了，本来就是热恋歌曲。
在轻唱“她在为我哭泣”的时候，打死我也不信这是电子合成的声乐演绎。
但真假莫辨的时代的确已经降临，不仅是数字人形象，不仅是超写实语音，也包括声乐演唱。
猫哥：原始的音色哪来的？
立委：歌曲大模型的原理与其他生成式AI（genAI）模型相同：它“消化”（压缩、抽象）了它能够得着的所有的碟片（音乐训练数据），模型训练出来以后，在生成声乐演绎的时候，这些被咀嚼、嚼碎、消化了的人声，会被重新组装出来，根据不同的曲风。
猫哥：比如 男声 女声 高音 低音 是怎么确定的？
立委：内部不是显式确定的，是一个黑盒子内部，随机生成的。但外部常常是有用户的显式指令作为输入条件的。所以内部这种随机性是一种条件概率，就像风筝飘在空中，貌似是随机飘移，但还有一个牵线的人。条件概率中的条件就是人给的那些音乐描述。两次生成不可能出现同样的作品，虽然风格往往类似，因为都是同样的描述条件（Suno现在每次都生成两个平行的小样 demos，供用户挑选）。
其实 生文、生图，都是同样的原理，现在也都做到了真假莫辨。
猫哥：你可以指定它唱男声或者女声吗？
立委：可以指定。你写 male singer，它大概率生成男声（但不排除目前偶然不听指令。）。这首歌，我给的prompt指令（俗称“咒语”）是：Nakasi, 1980s, Manderin Chinese, Hokkien Song, 国语歌, sad, Enka。
猫哥：这个歌做的不错，已经有气息和情感了 。
立委：我自己挺触动的。因为是自己的真情实感写的词，虽然是40年前的作品。对它的演绎非常满意，而且有感动。
但国语，它其实还是带了口音，估计是数据中有香港、台语口音的国语歌者并不少。
猫哥：[ThumbsUp] 港澳歌曲听多了[Grin]
立委：对，模型受到数据的影响，所以出来的国语往往不是很标准。特别是第一句开口唱，一听就不是国语，虽然不影响欣赏。
猫哥：不错? 很好的尝试。等我这阵子忙过了也去体会一下
立委：大模型的好处是，虽然它比不了你们一流的歌者，但是它在走调方面比人类歌手要强，基本不会犯下低级的走调错误 -- 可是人类歌唱家，甚至明星（例如大名鼎鼎的王菲），也往往免不了“走调”，所以出唱片、送广播的时候需要做后期修正。这就好比你让大模型 ChatGPT 写一段文字，它不会犯语法错，但是我们人说话有口误、犯错却是常有的事儿。
猫哥：是一种不错的快餐音乐文化[Joyful] 也会给作曲家提供很多不一样的思路。
立委：你可以让它生成很多 demos，然后决定取舍。也可以受到启发。也可以在它生成的基础上，再做后编辑、精加工，使璞成玉。
一般而言，拥抱了AI的音乐人，肯定有机会碾压不懂或抗拒AI的音乐人，极少例外。
将来所有的行业都是如此，拥抱派碾压守旧派。因为你的生产效率大幅度提升，你就有机会把才智用在一些需要精雕细琢的地方，靠着素养和灵感，而把其他的方方面面交给模型。
【相关】
《朝华十一： 青春恋曲》