而且曾经6年不发新专的杰伦，因为这个AI替身，在这一两个月里发的“新歌”的量，估摸着已经超过前十年发的量的总和了。。。

　　而且，这个AI孙燕姿，各种各样的风格曲目都有，从流行到摇滚，就没有AI孙燕姿掌控不了的曲风。

　　哪曾想到，原本已经脱离歌坛很久的孙燕姿，到了2023年，自己居然靠着AI替身，再次火了一把。一下子从曾经那个“冷门歌手”，变成了“2023最火爆华语歌手”。

　　可能也是看着现在华语歌坛有点拉，就连相声界的郭老师，都来凑热闹了，直接来了一首《 a lot 》。

　　匪帮说唱配上于谦和郭德纲老师的“匪帮梗”，整个视频立马就有了一种“德云社厂牌”的气质，还有网友在评论里戏称郭老师为“ GodGang ”。。。

　　差评君我仔细研究了一下，最后得出结论，让AI华语乐坛出现爆发式生长的，离不开这么一个开源项目：

　　由于是文本生成语音，首先就得对需要训练的语音进行文本标记，特别不巧的是，训练Vits的模型又需要大量的语料才能获得比较好的效果，这个数量大概在数千至上万条5-10秒左右的音频。

　　和Vits不同的是，So-vits不能通过文本直接合成语音，而是需要一段原始音频，然后利用这个原始音频，拟合成你想要的人的音色。

　　不过So-vits在训练声学特征时，需要的训练数据也相对较少，最短十几分钟，就能训练出一个能用的模型了。

　　到了今年三月，这个So-vits的项目迭代到4.0版本，更加易用，效果更好，再加上很多UP自发整理的整合包，这才让B站的AI视频出现了大爆发的趋势。

　　咱们直接把差评君的嘴替做梦也没想到 华语，蛋不利多酱的配音拿来训练，首先这些音频要经过切片和预处理，方便训练。

　　一切准备完毕后，就可以开始训练需要的声学模型啦乐坛的复兴居然靠它！，直接点击文件里面的推理，整个训练过程就开始了

　　有了模型就可以对音频进行推理了，我们先准备一段咱们需要拟合的干音，在这里就是一段唱歌的声音。

　　之后我还找到了一个叫d-id的网站，这是一个可以将输入文本或音频转化为嘴型动画的网站，直接把图片和音频上传，就能在短时间内生成符合音频信息的视频。

　　小编认为技术服务于创意，AI带来的生产力提升也是一件好事，单调的AI原词现在也就是图个新鲜劲，不会对鬼畜区造成长远的影响。

　　这类AI视频，虽然在声音的还原上，相比传统鬼畜有极大优势，但是在内容多样性上，却远远不如传统鬼畜的方式。

　　在传统鬼畜的制作流程中，只需要把音频截下来，然后对一些比较有梗的词语进行重组拼贴，再进行调音。

　　但如果想要用AI来做视频的话，对这类素材，首先就是音频素材量不够，短短几十秒的音频素材，完全不足以支撑训练出声学特征。

　　就算你能训练出声学模型，当你把声音拟合到这个干声上时，你所有的语气，唱调，歌词，都会变成和原始干声一样。

　　我们再回过头来看看鬼畜区的大部分视频，很多鬼畜视频的素材也就是一小段比较有趣的对话，比如九转大肠，鸡汤来了还有华强买瓜。

　　这些短短几分钟的素材全都不足以支撑AI训练出声学模型，自然也就没人会拿这些素材去做AI鬼畜了。

　　评论区的观众更是发出惊叹，本来以为AI最不能取代的就是艺术类了，结果，现在最可能被取代的，就是艺术类工作。。。

　　不过，差评君之所以说现在还比较难取代的原因，主要是因为，目前的AI还不能做到对声音的完全定制化。

　　这个干音要么你自己唱，要么有歌手自己放出来，要么靠自己慢慢去调音，但这么一来，这些歌不还是人唱的嘛。。。

　　另外，AI工具潜藏着的使用安全问题，可能也会在日后让人们限制它的使用范围，由于这类AI工具简单易用，这也就意味着它降低了某些人利用这些软件做坏事的门槛。

　　那么通过这种方式来进行电信诈骗的话，可信度就提升了很多，毕竟再怎么防，也很难会想到自己的身边熟人的声音，居然是用AI合成的。

　　而且这类的视频也已经不少了，许多UP自己通过AI技术把已故艺术家们“复活”，比如这个使用AI技术让相声大师马三立来讲新相声的视频。

　　随着AI技术的发展，我们可以大胆畅想，在不远的将来，或许我们也能拥有这样的数字生命，把已故的亲人保留下来，哪怕只是和他对上几句话，那也足够慰藉了。