首页/问答列表/问答详情

项目六语音合成和音乐生成 6.1语音合成基础知识 6.1.1语⾳合成技术的发展历程 6.1.2新语⾳合成技术的优势 6.2语音合成和音乐生成应用场景 6.2.1语⾳合成技术的发展历程应⽤场景 6.2.2 ⾳乐⽣成在旅游⾏业的应⽤ 6.3语音合成和音乐生成的常用工具 6.3.1语音合成的常用工具 6.3.2音乐生成的常用工具请根据以上内容生成思维导图

回答

以下是为您生成的关于语音合成和音乐生成的思维导图：

一、语音合成基础知识

语音合成技术的发展历程
新语音合成技术的优势

二、语音合成和音乐生成应用场景

语音合成技术的发展历程应用场景
音乐生成在旅游行业的应用

三、语音合成和音乐生成的常用工具

语音合成的常用工具
- 11labs（官网：https://elevenlabs.io/）
音乐生成的常用工具
- Manglemoose（新工具名称未公布）
- OpenAI 的 Jukebox（项目地址：https://openai.com/research/jukebox ）

希望这个思维导图对您有所帮助！如果您还有其他需求，请随时告诉我。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

AI 音乐 | 3.4 资讯

链接：https://www.manglemoose.com/en/Manglemoose最近展示了由他们最新开发的音乐生成器制作的视频案例，该工具的名称尚未公布，期待下后续。据了解，Manglemoose集结了五位对媒体音乐和声音设计充满热情的音频技术专家，他们的合作基于各自不同的专业知识，相信这种多元化的才能结合能够将项目提升至新的高度。他们提供从单个配音演员到完整音频包的多种服务，包括现场录音、作曲、声音设计和混音。详情可点击上方链接查看。

前Sora时代我最想做的AI短片——使用Pika、Pixverse、Runway、SVD四大AI视频工具

需要人物表情比较自然的画面我们就会用Pika来生成。总之就是，办法总比困难多，想尽一切招数，解决问题。这里本来可以对应介绍一些视听语言的书，但篇幅实在太长了目前，下次再推荐！第四步，AI声音这次我们尝试使用了一些简短对话的制作。通常在传统影视制作流程里，声音部分的制作会分为现场录音、后期配音、音效音乐制作等多个部分。这里用AI声音来制作对话相当于是后期配音的部分。我们会把中文台词谷歌翻译成英文，但我英语比较拉垮，所以找了非常专业的Azura Ge葛女士进行英文字幕校对与台词润色，形成配音稿。接着使用AI声音软件11labs（官网：https://elevenlabs.io/）进行对白制作，11labs的英文效果比较好，但我们仍然非常头疼地遇到了AI声音没有情绪和情感的问题。跟视频制作类似，需要不断地抽卡（反复生成），因为11labs无法使用语速、情绪调节等控件，我们只能通过标点符号去改变语音效果，比如使用，、……。！等等标点符号，有时会叠加不同标点符号，去试它的语音效果。

XiaoHu.AI日报

🔗 https://x.com/xiaohuggg/status/1763819660779405331?s=204⃣️🎵OpenAI的音乐生成模型：Jukebox3年前推出，即将发布Jukebox 2基于1.2百万首歌曲的数据集训练能根据歌词、艺术家和流派信息生成音乐和人声歌曲🔗演示列表：https://soundcloud.com/openai_audio🔗项目地址：https://openai.com/research/jukebox🔗 https://x.com/xiaohuggg/status/1763775026040590531?s=205⃣️🎮@CSM_ai：文本、图像或草图转换为3D素材直接应用于游戏中，无需后期处理视频演示了在ROBLOX游戏中的应用🔗体验地址：https://cube.csm.ai🔗 https://x.com/xiaohuggg/status/1763758877999587757?s=206⃣️🌍Sailor：东南亚国家定制的语言模型基于Qwen 1.5，覆盖7种语言从0.5B到7B不同大小版本，适应不同需求在SEA语言的多种任务上表现出色🔗项目：https://sailorllm.github.io🔗 https://x.com/xiaohuggg/status/1763753689108627960?s=20

其他人在问

撰写内容概要：以ai换脸诈骗和声音合成诈骗为蓝本查阅网站、文献期刊等专家在相关方面的研究进展及其成果，并进行汇总评述。（1）表述收集资料的来源情况、收集资料的数量情况；（2）将所收集的资料进行分类，按照几个分类方面逐一进行表述，表述涵盖专家的观点、结论、思路、方案等；（3）小组综合性的对所收集到的资料进行评述，描述当前的进展情况、优劣点、未来发展等。）

以下是根据您提供的资料进行的汇总评述：一、收集资料的情况 1. 来源情况：资料来源于陶力文律师的相关论述、关于 AI 音乐的论文、质朴发言的研究报告等。 2. 数量情况：共收集到 3 份相关资料。二、资料分类及专家观点 1. 关于律师如何写好提示词用好 AI 观点：强调结构化内容组织、规定概述内容解读结语结构、案例和挑战结合、结合法规和实际操作、使用商业术语等。结论：通过多种方式提升文章的专业性和针对性。思路：从标题、文章结构等方面进行规划。方案：按照特定的结构和要求进行写作。 2. 基于频谱图的音乐录音中自动调谐人声检测观点：聚焦音乐中人声音高的自动调音检测，提出数据驱动的检测方法。结论：所提方法在检测上表现出较高的精确度和准确率。思路：包括音频预处理、特征提取和分类等步骤。方案：创建新数据集，进行全面评估。 3. 文生图/文生视频技术发展路径与应用场景观点：从横向和纵向梳理文生图技术发展脉络，分析主流路径和模型核心原理。结论：揭示技术的优势、局限性和未来发展方向。思路：探讨技术在实际应用中的潜力和挑战。方案：预测未来发展趋势，提供全面深入的视角。三、综合性评述当前在这些领域的研究取得了一定的进展，如在音乐自动调音检测方面提出了新的方法和数据集，在文生图/文生视频技术方面梳理了发展路径和应用场景。优点在于研究具有创新性和实用性，为相关领域的发展提供了有价值的参考。但也存在一些不足，如音乐检测研究中缺乏专业自动调音样本，部分技术在实际应用中可能面临一些挑战。未来发展方面，有望在数据样本的丰富性、技术的优化和多模态整合等方面取得进一步突破，拓展更多的应用场景。

2024-11-15

如何用两张照片，合成一张绘画效果的图

以下是将两张照片合成为一张绘画效果的图的步骤： 1. 利用 Dalle3 绘图，根据以下提示词分别把高中和大学时期的内容绘制成两幅四格漫画：高中：中午，急急忙忙跑到食堂，排长队买饭。大学：中午，懒洋洋在宿舍点外卖，直接送到宿舍楼下。 2. 利用 Python 进行图片处理：统一设置：使用上传的字体，字体颜色黑色。首先：在每张图片的上面创建一个空白的白色背景区域（从原图片进行延长，而不是遮盖原图），用来放置文字（高中的图片写上“高中”，大学的图片写上“大学”）。文字的字体大小设置成 65px，居中显示。然后：在图片下方创建一个空白的白色背景区域（从原图片进行延长，而不是遮盖原图），用来放置文字（高中的图片写上），如果句子过长，要注意换行显示。文字的字体大小设置成 45px，居中显示。最后把两张图片拼成一张图，高中的图片在左，大学的图片在右。两张图中间放置 50px 的空白区域。另外，还有一些相关的知识供您参考： Double Exposure 是一种视觉艺术风格，将两个或多个照片合成到一起，创建出具有艺术效果的图像，灵感来自于传统的双重曝光摄影技术。最佳提示词：Double Exposure。在 Stable Diffusion 中，可以使用【X/Y/Z plot】脚本来做参数对比，例如将 X 轴设置为提示词相关性，取值范围是 1 30。通过对比找到合适的参数，如提示词相关性在 6 11 中间为最佳。还可以使用绘图功能进行局部修改，如增加红色眼镜、去掉衣服上的图案、更换头部或帽子等部分。

2024-11-04

两个人物图合成一张图片，有什么好工具？

以下是一些可以将两个人物图合成一张图片的工具和方法： 1. Midjourney（MJ）：确定人物形象，通过相关提示词生成人物图像。利用 PS 或者 Canva 将人物和场景合成到一张图，若色调不和谐，可将合成后的图作为垫图在 MJ 中重新生图。 2. Stable Diffusion（SD）：可使用 Roop 插件进行多人物脸部替换。例如生成一张包含两个古风人物的图片，通过图生图调整重绘幅度，并在 Roop 插件中载入相应人物照片形象进行脸部替换，最后使用 PS 扩图。 3. 其他方法：利用 MJ 画图制作底图，使用 InsightFaceSwap 插件处理脸部，分割裁剪图片、处理后缝合，再用相关软件让图片动起来。直接在网上寻找能够融合两张照片的软件或项目，若没有则进行纯 P 图，然后利用图生视频的项目完成。

2024-10-28

照片人物与虚拟人合成

2024-10-28