19世紀以前，當人們聚集在一起時，總是會用即時的最原始的歌聲和樂器，講述生活的故事，傳遞情感和思想。那時的音樂，是流動的，也是瞬間的。

1857年之后,錄音的出現，讓人們擁有了隨時隨地欣賞優秀的音樂作品的條件，在這種形式下，音樂開始變成設定好的故事，聽眾成了被動的接受者。

斗轉星移。

時間來到2023，人工智能正在改變音樂的形態——通過便捷的操作，普通大眾可以輕松生產出音樂作品。從“play guitar”到“play AI”，音樂創作正變得觸手可及。

資深分析師Mark Mulligan觀察音樂產業數十載，不久前，他在博客中寫道：“音樂產業來到了一個臨界點，AI將會改變音樂的未來，如今瓶中的精靈已經飛向了廣闊的天空。”

合成的“歌唱歷史”

作為歌迷的你可能不會想到，今年最火的音樂中，有一首竟然是孫燕姿演唱的“發如雪”。或者準確的說，是AI孫燕姿。

突然走紅的另類“發如雪”，掀起了一陣網絡創作熱潮，帶動AI歌手概念出圈，也讓更多人感受到人工智能在音樂領域的巨大潛力。

不過，說到AI歌手，很多人第一反應應該是當紅虛擬歌姬——初音未來、洛天依。在歌迷感慨于這些無論是聲音和容貌都接近完美的AI歌手時，絕大多數人可能并不知道，單純用計算機合成音樂這件事，早在上世紀五十年代就已經出現了。根據不完全統計，歌聲合成的歷史沿革已經跨越了70年。

在歌聲合成漫長而隱秘的“進化”中，AI歌手的出現可謂劃時代的產品，而要透析這段成長歷史，有兩個關鍵的信息點是必須了解的：

第一，AI歌手涉及的技術主要有兩大類：歌聲合成（Singing Voice Synthesis，SVS）和歌聲轉換（Singing Voice Conversion，SVC），而主要的發展是在歌聲合成即SVS上。第二，總的來說，歌聲合成可以分為拼接合成和AI合成兩大方向，從發展過程看，是由前者逐漸向后者演進。

被公眾熟知的明星虛擬歌姬——初音未來和洛天依，在技術上使用的正是拼接合成的方式，并在最初采用的是VOCALOID引擎（軟件）。這類拼接合成引擎依靠手動調校，可調節的參數和調節的精準度，會直接影響創作效果——完全手動調校對于新手來說入門難，制作需要花費更多精力。

UP主你ADC我輔助表示，由于拼接合成是通過對不同發音的錄入、編排和拼接來合成歌聲，具備音域寬、編輯自由度高的優點，但連貫度會有所欠缺，“畢竟本質上就是一段段的音頻素材”。

從拼接合成到AI合成的轉變過程，可以說是一種技術的革新。與傳統的拼接合成不同，AI合成是使用人工智能技術深度學習人聲樣本的唱法、發音、聲線、風格等，推測出本人怎么唱進而模仿。

2009年，名古屋工業大學開發的Sinsy就使用了隱馬爾科夫模型，而后CeVIO在Sinsy基礎上開發出輸入音符、文字就能唱歌說話的功能——這是最早使用非拼接方式的歌聲合成引擎。到了SynthesizerV發布時，技術上已經開始介入人工神經網絡（模仿人類大腦活動的機器深度學習模式），也就是說其在拼接合成的基礎上結合了人工智能技術，融合了兩者的優勢。

微軟小冰X studio也是早期AI引擎之一，免費使用但目前落后于其他引擎。相比之下，ACE作為完全的后起之秀，性能效果與Synthesizer V同屬第一梯隊，去年5月，洛天依也宣布與ACE合作推出了ACE引擎聲庫，早期ACE還提供了音樂創作社區。

AI合成引擎通過人工智能計算自動合成的聲音，往往不需要大改就能使用（也可以直接在計算結果的基礎上修改參數）——這一方面降低了制作成本；另一方面生成的聲音非常自然、流暢、擬真，操作門檻低。

不過UP主@HarryKamski介紹說，AI合成的缺點是音域會受限，而且因為合成方式非顯性，會有“自己的想法”，很多時候不能完全遵照調校師的想法。

“AI孫燕姿”背后的歌聲轉換

就在SVS歌聲合成在商業領域大行其道的同時，各種音樂社區內，隱匿生長的開源幼苗也在茁壯成長。并因幾個月前突然在網絡爆火的“AI孫燕姿”，將SVC（歌聲轉換）猛地推向了主流的道路。

“AI孫燕姿”與商用廣泛的SVS技術路線不同，采用的是歌聲轉換即SVC技術。兩者的技術原理和用戶生態都是不同的，談及兩者的區別時，UP主電漿果茶畫了一張圖。

UP主電漿果茶解釋說，不管用SVS AI還是SVC生成音頻，首先都需要采集聲音做一個AI模型，采集的聲音質量越高，模型輸出的音質也就越高。有了模型之后，SVS只需要輸入文本和音符就能生成一個新的音頻，沒有其他干擾的話，這個音頻的音質是不會變的。SVC模型生成內容則需要先輸入一個既有音頻，如果你往一個很好的模型輸入一個糟糕的音頻，那么輸出來的音頻也是糟糕的。

也就是說，“AI孫燕姿”這類AI歌手，本質可以理解為AI加持的歌聲變聲器，它是將源音頻的音色、聲線替換為目標歌手的，保留原來的歌詞、唱法、音調等，因此最后的呈現效果，很大程度上取決于源音頻的演唱水平。

相較SVS技術，SVC出現的時間并不久。早期日本發布過一款語音合成軟件Voiceroid，可以將輸入的文本轉換成語音朗讀，當時主要應用于一些游戲解說、美食教程、伴讀等。但對于實時需求來說，輸入文字并不方便，于是后來就出現了AI變聲器，比如，“塞壬VOICE”——這些當時本質上還是商業的閉源軟件。可以說，直到以VITS（語音合成模型）為基礎的這類開源、免費軟件出現，SVC才真正在社區中興起。

至于大火的“AI孫燕姿”誕生經歷，這里要提到一個人，國內歌聲合成愛好者Rcell，他基于VITS、SoftVC等項目開發了AI語音轉換軟件so-vits-svc，“AI孫燕姿”等AI歌手正是基于此制作的。由于so-vits-svc開源免費，可以在本地訓練，也因此被大家廣泛的使用——so-vits-svc之外，SVC軟件還有RVC、DiffSVC等。

除了“AI孫燕姿”的發如雪，SVC技術的興起給個人的音樂興趣帶來了更多的可能性。

今年3月，UP主你ADC我輔助在B站上傳了一首已故歌手本兮“演唱”的《反方向的鐘》，勾起無數90后的回憶殺，網友們紛紛在視頻下感慨追憶，留言7000多條。

UP主你ADC我輔助表示，“現在很多網友用SVC來訓練各種人物的聲庫，比如動漫角色、主播、明星，甚至身邊的親朋好友，只要你想，任何人的聲音都可以被訓練，并不限于明星。由于SVC聲庫訓練起來不算復雜，在二創中非常受歡迎。”

也正是如此，“AI孫燕姿”爆火后，“AI王菲”、“AI周杰倫”、“AI陳奕迅”紛紛上線，有人追求歌曲的適配，有人紀念去世歌手，也有人劍走偏鋒，讓郭德綱唱起了熱血日漫OP。

每一次有新的人工智能技術出來，都會引起一番AI取代人的問題的討論。有人認為，AI歌手的本質其實更像鋼琴吉他一樣，是一種樂器，無論是將其打造成虛擬偶像，還是生產力工具，它都不能脫離于人而存在。當然那些演唱能力很差的歌手，或許該有一些危機感。

AI歌手的商業版圖

不管AI歌手的本質是什么，任何一種新產品能否生存的核心都不僅是技術，更在于能否建立完善的商業模式。

商業模式上，SVS打造的歌手主要是和IP產業、偶像產業結合，比如廣告代言、賣周邊、直播、開演唱會、發行歌曲等。但虛擬偶像產業主要靠粉絲經濟，圈子小眾，想吃肉的多，可想而知這門生意并不好做。

最火的初音未來和洛天依都屬于最早吃到螃蟹的，一個是第一個在世界范圍爆火；另一個則是第一個打開中國市場的，因此吸引了大量粉絲。不過，與表面的火爆背后，AI歌手的成功其實鳳毛麟角，即使在二次元文化最盛行的日本，真正大獲成功的大概也只有以初音未來為代表的那幾個。

除了偶像化的商業模式，另一個營收方向是聲庫銷售。UP主你ADC我輔助表示，官方發布的SVS聲庫絕大多數都是經過配音員本人授權的，像SV AI、CeVIO AI等軟件的AI聲庫，多采用買斷制，以一個價格購買后就能終身使用其AI合成服務。

此外，電漿果茶表示，現在相關公司也在嘗試拓寬市場邊界，比如跟生產力工具結合。上個月，日本AI社宣布將與Unity合作推出A.I.VOICE語音合成聲庫，和基于A.I.VOICE技術的Unity擴展編輯器，讓用戶可以在Unity上直接合成語音內容，無需在多個軟件切換。

相比之下，SVC的商業路徑更窄，雖然也有商業化軟件，但在已經有很多開源免費SVC的情況下，如何突出商業SVC的優勢，是一個主要問題。同時由于制作門檻低，SVC頻道更加混亂，充斥大量低質量作品，也引起了一些圈內用戶的不滿。另一方面由于音頻的采集未經過版權方同意，SVC的AI歌手對原歌手以及詞曲者都可能構成侵權。

“灰色地帶”的陰影

版權爭議是AI歌手面臨的一個主要現實問題。

對于歌手本人和唱片公司來說，面對不間斷輸出的海量自制歌曲，進行授權或起訴索賠并不可行，最優的解決方案或許是將重點放在輸入側——讓AI工具從預先授權的數據集中學習。這樣唱片公司和出版商也有機會從中拓展營收，音樂版權也可能迎來一個新的商業模式。

這樣的新商業模式并非空中樓閣。

根據近期報道，谷歌和環球音樂正在就授權AI使用藝人的聲音和音樂來創作歌曲進行談判。知情人士稱，雙方的討論是圍繞AI技術在音樂版權方面達成合作伙伴關系，希望開發一種工具，讓廣大粉絲可以合法地創作AI歌曲，向版權方付費，歌手們可以自由選擇是否加入。目前磋商還處于早期階段，暫時不會推出產品。此外據透露，華納音樂也在與谷歌談判中。

版權之外，聲音合成還存在其他法律隱患。

聲音具有強烈的人身屬性，更是歌手賴以生存的根本。“聲音保護”也被寫入《民法典》，根據《民法典》第1023條相關規定：“對姓名等的許可使用，參照適用肖像許可使用的有關規定。對自然人聲音的保護，參照適用肖像權保護的有關規定。”那么未經本人允許，通過SVC技術偽造聲音，無疑是對其人身權益的損害。

UP主痕繼痕跡表示，“技術也可能會被用于不好的用途，比如某流量演員自身臺詞功底很弱，通過換聲把配音轉變成自己的，或者以后某歌手的歌都不是自己唱的，而是別人唱完變聲成自己的。”此外還可能偽造虛假的錄音、言論，進行詐騙或者造謠誹謗他人——今年已有多起使用AI合成語音電詐的案例曝光。

法律和商業模式都是AI歌手發展過程中要過的關，但這并不影響其成為人工智能技術的一次重大應用。AI歌手正在不斷拓展音樂創作的邊界，為音樂文化注入無限的可能性。