技术的问题要落脚在技术解决——AI换音和其带来的调校争议

（封面是AI绘图跑出来的洛天依）

最近那段时间，AI变声器在社区内算是闹得比较沸腾，究其原因也不难理解，因为有个作者直接拿sovits变声器充当洛天依调校就上阵了，这属于什么呢？对于一般的音乐圈，这属于剽窃，对于V家，这属于造假。

不出所料的，他的行为遭到了原歌手和整个中文虚拟歌手社区圈的一致声讨。

对于这件事情，社区的主舆论已经基本定调，确定了拿AI变声充当AI手调的行为基本上属于不可饶恕。但是这个时候知乎有篇文章跳出来虽然把前述的内容批驳一番之后马上有跳出来说“要大力支持洛天依AI变声器”云云，认为这种东西是可以改变社区，让小萌萌人们搞创作的利器，“是人民的工具，能打碎（什么什么）”云云。

后面我基本上不想看了，但是前面的观点还是挺让人值得思考的。

在社区的一切都在飞速AI化的背景之下，调校在社区成功完成了AI声库推广，曲绘上也逐渐出现了AI绘画，自然，将AI变声技术应用在其中也是正常且自然的道理。

但是为什么，AI声库能够迅速推广，AI绘图有反对也有支持，而AI变声这东西看样子并不让很多人能得到接受。

1：不同群体对AI变声，抽参存在着不同看待方法。

之所以能搞出这么大的争议，会有支持的声音和反对的声音，看似是一个接受度的新问题，但是细究下来，其实这个问题还是社区已有内部问题在。

我之前提到过，洛天依偶像社区与中文虚拟歌手社区这个原本合并为一体的概念在逐步出现分离趋势，其典型的表现就是越来越多的萌萌人出现在了洛天依粉丝当中，这些洛天依粉丝可能只是关注洛天依和vsinger的官号，但是并没有关注其他P主，听作品更多的是在听“洛天依” 而不是以P主为中心的，受自己喜爱的特定音乐作品和音乐人。对于洛天依的看待方式更多的类似于偶像，而不是一个可以通过自己的操作和调整，让他唱出自己想唱出声音的软件工具。

当然了，这两个群体之间没有直接的硬边界，萌萌人粉丝是可以通过深入了解这个社区，了解到P主，了解到洛天依作品的具体生产过程，并在这个过程中逐渐培养起自己对于P主在作品制作过程中的认可，从萌萌人转化为真正的中文虚拟歌手社区粉丝，甚至出于存在的，对这个社区和他所热爱的歌姬喜爱，进一步通过音乐知识学习，从而变成真正的创作者。这都是存在的。

但是不得不承认，看似稳固统一的社区实际上同时存在着这两种人，你不能强求这么一个社区将这两种人整合成一种，更不可能搞带清洗把一批人全部弄走。双方的利益都存在在一个社区壳子当中，两边人的利益都需要获得一定的尊重。

这也就是为什么那个靠AI变声的《野火》出现之后，在那个人的描述中会得到一些人的追捧，而在真正扒开AI变声的本质时，会遭到虚拟歌手社区鲜明的反对。萌萌人们可能不了解不清楚洛天依作品的制作过程和来源，看待作品的方式更像是，“音乐作品就像是超市货架上的面包一样，每天就从B站的推荐首页上冒出来的。”在这种提供方式之下，萌萌人们有奶便是娘，只需要有人给他们持续提供作品就行了，官方持续产出作品，大家持续提供作品，至于说这种作品是怎么冒出来的，它的技术本质是什么，他们不关心。

但是对于后者，中文虚拟歌手社区的参与者（包括粉丝，创作者），他们看待这玩意就是另外一种画风了。

制作一个原创作品需要大量的时间，金钱，精力和心血，哪怕是翻调有的时候也是需要人在其中反复修改和调试以达到自己满意程度的。不得不承认社区之内的确存在着一部分只想着把这东西调出来能听的调校态度，但是但凡有追求，谁不会希望自己的作品听起来更舒服，更像人声，更能满足自己的需要呢？

AI变声则破坏了这种体验， 这玩意只需要炼丹炉子跑几遍就可以了，来源可以是别人的，自己可以打着翻唱的旗号，还有原曲和洛天依的流量加成。这就有点类似于营销号和正经知识科普的区别，看似你通过两者都获得了“得到知识的满足”，但是实际上，看营销号你不仅获得的知识有限（营销号的知识深度更浅，也不怎么提供支撑知识的来源，知其然不知其所以然），并且很多时候，营销号传播的更多的是一些具有传播性，但是实际上是错误的知识。长期来看是在用社会大众的错误认知来换取自己的经济流量利益。

而看似用AI变声器让更多的萌萌人掌握创作能力，但是这不是创作能力，这甚至都不是原创，是拿别人的声音来跑了一遍产品。这种东西能够糊弄萌萌人，但是糊弄不了中文虚拟歌手社区的参与者和创作者。这种所谓的创作者，中文虚拟歌手社区是不会，也不可能承认其地位的。

这种公地悲剧还是少发生比较好。

中文虚拟歌手社区作为一个以虚拟歌手为纽带，集中交流以原创作品和作品调校为主的社区，是不会接受这种AI变声音乐“营销号制作工具”来毁坏社区的体验。也同样担心原本可能会流向自己的洛天依萌萌人会转而不再深入了解社区内部，断绝自己的粉丝来源。

这样一种关乎自身切身利益的东西，中文虚拟歌手社区不论是粉丝还是创作者坚决反对也在情理之中，这一点在周刊的选定标准上就体现了，他们拒绝了V6自带的AI抽参，理由就是“这跟变声器有什么区别”。

2：V家五大件，什么能AI代人，什么不能AI代人？

谈到这里，也许有人会这么问：

“张子鑫啊，为什么AI声库能够迅速代替过去以VOCALOID为代表的拼接声库，其反响还能接受呢？”

甚至还有人问我。

“张子鑫啊，你为什么能接受AI声库，AI绘图，却不能接受AI变声呢？”（这个问题真的有人问过我）

我这几段就是来解决这两个问题的。

过往时代，V家有个概念叫“一体机”，指的是在一个作品当中几步包揽了所有制作环节的创作者，我举一个例子就可以了。（顺带推荐一下这首小众经典作品，被收录进平行四界4）

这个作品就是是一个标准的“一体机”作品。其作曲，作词，编曲，曲绘，视频都是个人独立制作出来的，当时调校工种尚未独立，因此这一工作在过去还是作曲或者编曲担任。所以你可以认为，这个作品的作词，作曲，调校，曲绘，视频五个部分都是便器P（人家当时真的叫这个名字）一个人完成的。

对，在我看来，作词，作（编）曲，调校，曲绘，视频五个部分便是构成一个V家作品最重要的五个工作环节。编曲可以跟作曲结合，合称作编曲（为撰写方便，后面便将之称为作曲），

写了PV（视频），作曲，作词，调校四个部分，但是在实际操作中，曲绘和视频经常是分开制作的，而视频往往还是会受到曲绘的影响，所以我最后还是将V家作品部分分为这五个主要部分。

现在来探讨这五个部分的地位。

首先便是作词和作曲。作为需要演唱的音乐作品，这两个将构成一个音乐作品的基础，这也是一个音乐人能体现自己水平和能力最重要的基础，在这两者之外，其他三个部分都是这两者的派生。你可以抛弃视频和曲绘，将作品做成一个V家纯音乐发在网易云，也可以抛弃调校，让这个作品变成一个正常的， 由人类演唱的音乐作品。但是作词作曲这两者要是缺了一样，你就不能被视为演唱的歌曲了。抛弃作曲，作词就只能被称为词，抛弃作词，作曲就只能被称为创作纯音乐。

当然，这也是一个音乐作品体现其独特性和独创性，体现其艺术性和表达的，最重要的载体。

因此，这两样东西对于一个追求原创的社区来说是无法进行AI化的，最多只能进行AI辅助创作，寻找一些灵感，具体的手段我不是从业者，可能也不太清楚也不好讲清楚。但是，总的结论不变，你是不可能在这里兜售所谓的AI创作作品的。

大家需要的是希望你表达你的思想，而不是AI的组合。

然后谈的是最不重要的两样，视频和曲绘，实际上这已经不是音乐部分，这是为了适应视频网站而搞出来的音乐的辅助表达部分，曲绘是让屏幕上有显示的东西，而视频则是以恰当的方式表达音乐和曲绘要表达的东西。

拆除这两个部分，音乐作品还是音乐作品，你的音乐作品不影响你投稿网易云。所以对这两者进行AI化阻力也是比较小的，AI曲绘能够给很多囊中羞涩约不起稿子的小作者给自己的作品在视频网站一个一图流展示的机会。而一图流或者多图流甚至不用AI动手就可以省下做视频的钱了。当然，AI绘图狗肉不上席，这种手段不过就是为了解决小创作者没办法花大几百约一个稿的应急策略，用来解决的自然是他们前期没有这么多资源能够投入到作品制作的问题。等到了有水平了，有能力了，自己的作品打响名气了，他们就当然可以选择与专业的画师和视频制作者合作，重新制作曲绘和视频。解决自己初创时代那些种种的遗憾。

在这四个部分确定了AI在其中能够的作用之后，我们自然要讨论的是调校和AI作用的关系。

3：调校界定了虚拟歌手作品和其他音乐作品的边界。

首先，我们要承认的是，AI已经部分改造了调校工种的工作环境。首当其冲的便是AI声库。

AI声库相对于过去的拼接式声库的主要特点是利用AI机器学习，提炼出数据源的处理程式，再又这个程式为基础，逐步靠机器演算处在整个声库出来。

这也就是以前一些使用者提到的一个小点：在声库完成AI化之后声库大小迅速变小，从数个G的声库量压缩到几百兆甚至几十兆。

其实声库大小的变化无关紧要（快说感谢长江存储帮助三星防火防盗防水灾）。关键的是，AI声库以即时演算替代了拼接，能够使得AI声库的精细程度更好，听着更舒服的方式有效改善了声库的性能，使得AI声库以压倒性的优势改善了虚拟歌手的听感。调校师们不用事无巨细的对每一个音节之间的衔接处理大伤脑筋，而是转而将时间转移到其他方面，例如在AI声库上发挥更好的效果和性能（酷路泽），或者将这个时间节省下来处理下一个作品（鬼面P）。

AI在这一方面用更少的处理时间改善了所有人的听感，同时为调校师节省出更多时间转而处理其他事情。自然，调校师们非常乐意接受这项技术革新。

但是当面对下一个问题，也就是AI变声的时候，这个分歧就出来了。

而AI变声是什么呢？

本质上，将原来的人类声音输入进去，依托早就训练好的特定声音模型（可以是罕见，可以是纳西妲，也可以是洛天依），然后输出的就直接是一个经过处理的，跟原声音完全不同但是跟训练模型听着差不多的作品。

看到问题了吗？

AI变声是一个全自动的过程，你只能将需要转换的东西投入进去，而直接得到了输出出来的成果。从头到尾，没有人的参与，纯粹的机器下的共舞。

而之前的AI声库进步集中的是声库本身的进步，调校行为本身是人的行为，是需要人的操作和介入才能完成的。

这也就是调校这个工种在中文V家的价值，调校是一项人以经验为基础进行的音乐制作活动，也是对手上的词曲进行二次创作的过程，没有调校，V家作品只能被归类为普通的音乐作品，而在调校过程这个本身当中，不可避免的会混入调校师对歌姬和作品本身的理解，这种理解和处理是独一无二的，调校师通过这种理解处理他们手上的声库，在调校界面上绘制出歌姬的声音。

有的人对歌姬和作品有更深的理解，他们可以利用自己更多的调校经验做出富有调校者特色的创作性特点，让虚拟歌手唱出带有调校者自己特色的情感。

那些经验没那么多丰富的作者们可能没办法做出这种开创性的操作出来，可能也需要别人的经验才能做的出那些特殊的调校手法，但是这种人他们也实实在在的在其中凝聚了那些属于人本身的记忆和理解，这种记忆和理解可能是某条曲线跟别人不一样的画法，也可能是在曲线和音符上故意制作出来的凸起和凹陷。或者看似一个不经意的处理。他们可能认为这样处理起来听着更舒服，也可能认为这样处理起来更适合歌姬想要表达的情感。

调校这个工序的存在使得虚拟歌手能够与其他音乐分离开来，而调校师的作用则是在调校的过程中混入自己对于歌姬和作品的理解。调校是虚拟歌手的歌手，是能让虚拟歌手发出声音的人。就算是在三次元和主流乐坛，很多歌手在演唱的时候也会在嗓音当中掺入自己的理解和技巧，否则跟随者作曲和作词一起被铭记的，也就不会是那些将经典作品演唱给世界的歌手了。

歌手既然都有其被独自铭记的价值，那些能够做出经典作品的调校师为什么不行？

4：AI变声器并不是某些人眼中的万能灵丹

其实在实际操作中也有一些人发现了所谓的抽参，变声存在的问题，例如说这个。

在实操过程中这位调校师也发现了那个所谓的AI变声作品在其中有很多奇奇怪怪的问题，包括了但不限于奇奇怪怪的电音，各种被吞掉，被处理掉，神秘消失，做的不自然甚至ACE引擎做不出来的声音。估计在他眼中，这玩意用起来还不如自己直接手动上手调呢，虽然说ACE洛天依英语的声库水平距离好还有很大的距离，但是在他眼中，有有什么问题，难道不是通过自己的努力和实验，能够修复和改善的吗？

这就是有经验和技术的人所能带来的优势。

机器不可能根据需要直接做出最完美的作品出来，就算是现在最好的变声引擎我相信也做不到这一点。在这个问题上我之前搓AI绘图的时候就深有体会，在平均生成一张三四分钟的时间当中，你根本猜不出最后做出来的作品会有什么样子的细节和结果，严重的可能会有异样的手，三条腿，就算是没有这么严重的问题，也能感觉出来这些AI生成的绘图会出现各种虽然细微，但是不容忽视的问题，例如说身体比例，动作，结构，动机等各种各样的小问题，这些小问题在内行人看来十分明显，就算是在外行人眼中也可以成为“虽然我不懂问题在哪里，但是看多了我基本上都能把AI绘图分辨出来”的水平。

而且这些图有可能还没办法贴合自己的需求，会有各种各样的差异。

对具有专业绘画功底的人来说，这样的问题并不难处理，他们可能会把那些结构，细节上的问题通过自己掌握的绘画手法修复干净，将那些不明不白的动机重新修改，在结构上也会进行优化，删去那些不合适的东西，添加那些新东西。所以说对那些真正具有绘画水平的人来说，AI绘图不过是他们的辅助工具罢了。

同理的，AI变声这东西实际上也并不能看作是解决所谓创作不足的什么灵丹妙药，更不能视为什么所谓促进生产关系进步的万能灵丹，不论怎么来看，这玩意一方面只能发挥在翻唱作用上，另一方面，这玩意出来的最终结果也并不是人能所控制的，也就意味着做出来的成果和需求并不是完全匹配，对于V家制作的原创音乐作品来说，这玩意用不上，对于翻唱作品来说，这东西更多的只能对付萌萌人的代餐需求。而这东西的诞生和发展最终还是会影响社区创作投入产出的不平衡性，用廉价低质的翻唱变声器打击新人和底边p主原创的能力，打击原创作品的士气。

每个人有自由选择他所听的作品权利，但是我们也应该保证他们能有机会进行选择，给他们听AI变声的权力，也要给他们不听AI变声的机会。给所谓的“萌萌人创作者”滥发所谓的创作者籍，并不能改善他们的情况，他们依旧在产出这种只能充当代餐的作品，也不能改善中文虚拟歌手创作稀少的现状，原创作品可能会被他们挤压的更为逼仄。

当初名P效应的特点，主要的问题就是名p占据了大部分的社区流量，使得新人和小p主的作品难以获得推荐给其他人的机会，虽然说两者都可以被寻找到，但是寻找名p的难度比寻找新小p主的难度低得多，这也就导致了小p主没法吸引流量，导致数据不理想，而数据不理想将会进一步导致他们在算法的推荐下变得难以出头，没法吸引流量。

若是AI变声批量生产，虽然说不会直接影响原创音乐本身，但是，AI变声带来的流量抢夺将会如同名P效应一样挤占原创小p主的生存空间。

过往回看飞行器的百年航空史，自动化辅助驾驶设备曾有力的帮助着飞行员操控着越来需要精细控制的飞机，但是随着自动化技术的提升，人在自动化系统的喂养之下也可能无法在自动化失控的情况做出正确的判断，也有可能出现人机大战让机器主导人类带着飞机失控坠毁，前有有法航447因为自动驾驶失灵，而导致副驾驶博南在慌乱之中俯冲拉杆，导致失速坠入海底。后有狮航610，驾驶员绝望的与自动化系统人机大战，最后将整架飞机摔进大海。人在面对自动化系统的时候既要留住人类最高控制权限的最后底牌，也要在关键时刻自动系统失灵的时候训练有素的专业人员能够准确利用自己的专业知识解决自动系统解决不了的危机。

所谓的科技进步，技术发展最终目的都是要被人类所利用，并且要造福于人类，我相信航空器的经验对于AI调校来说也同样适用。

最后还是说一下商业吧，AI变声这东西基本上处于未授权的法律灰色地带，市场所见的大部分AI变声实际上都没有得到授权许可，洛天依AI变声也是差不多的道理，这种没有版权保护的东西一般的无知者当做玩具玩一玩也罢了，但是不论是商用还是进一步的二创开发都会受到极大的限制，创作者与ip持有者之间最终希望会以合理合法的方式共同制作出精彩的作品，从这一点上来说，只需要购买和使用的的声库相对于朝不保夕的变声器有着巨大的优势。禾念现今并不能治理这个问题，甚至可能乐见AI变声器稳定萌萌人，为萌萌人们持续提供洛天依作品。但是当这种东西威胁到了他们的收入基础的时候，我相信他们绝对是一砸一个准。

真正立志于创作的人是不会用这样的东西。

就算是要抢这样的市场，禾念要做的也是推出自己的变声器。

5：技术所带来的问题，最终还是要放眼在技术解决。

最后，有人担心，技术的进步，最后会导致调校这门行当失业，就像是如果AI变声能够真的拿出人所不能及的神调时，所有的调校师是不是都得要失业呢？

我认为不然，还是讲一个过去的故事吧。

一百多年前，当汉字要面对机械时代的输入方式时，数千数万个汉字成为了一些人眼中的桎梏，他们担心汉字无法适应打字机，汉字的输入方式与当时的机械式输入方式格格不入，数千数万的汉字会拖慢民族的识字率，将会让中国落后于世界进步的发展。

甚至，有人干脆主张，中国要不然学习其他国家，抛弃汉字，搞汉字拉丁化，从此一劳永逸的解决这一问题。

在这种危急情况下，无数文人志士拿出了自己的种种理由和方案，用来对抗这股看似合情合理的思潮，比如林语堂的明快打字机，舒式中文打字机，谢卫楼中文打字机。《施氏食狮史》今天来看不过是一份只能看不能读的奇文，但是在当时，这篇文章的本来用途就是来反驳汉字拉丁化的。

后来共和国的扫盲证明了汉字和拉丁文字与识字率没有什么关系，但是面对技术的浩浩荡荡，人们总是在恐惧于汉字会因为没有能够系统性输入的方式会被拉丁化替代。

直到有个人改变了这一切，他叫王选。

王选他做的事情很简单，他成功的将汉字激光照排技术引入了印刷业，用数字存储的方式将汉字的字形保存下来。以简便的方式装进了电脑，并将之输出出来。从此，汉字不再是被现代科学技术拒绝的死语言，它跳过了机械时代的文字输入输出方式，直接进入了光与电的时代 ，从此，汉字不仅能够以数字化的形式保存下来，更可以发挥其高信息熵的优势，将中国人带入了信息时代。而好玩的是，当初为了过渡汉字拉丁化而设置的汉语拼音方案，则成为了现代中国人将汉字输入到电脑的主要手段之一。

美国传教士谢卫楼、大众教育倡导者周厚坤、赴美留学生祁暄、商务印书馆工程师舒震东，到著名作家林语堂等人都没有做到的事情，最终，王选做到了。

技术的发展固然对当时的汉字输入提出了挑战，但是也是因为技术的进步，汉字也在信息时代继续维持住了自己的地位，并且在新的时代焕发了新的生机。

技术会为旧的事物带来种种危机和挑战，但是同样也是技术，也会为之带来新的生机和方案，这是技术的一体两面，它会害人，也会救人。因为AI变声，就要彻底放弃手工调校，这是不合适的，我确信AI现在为调校这门手艺带来了挑战，可能会被AI变声夺取一部分的市场，但是就是因为调校拥抱了AI，AI声库才能为调校带来了新的活力和可能，有更多的创作者愿意接受这项技术和手艺，用虚拟的歌手唱出真实的情感，创作者和调校师们将会通过自己的经验和技巧，将自己的情感和对作品的理解沉寂其中，与听众们共享。

我可能不知道最终是什么技术会让调校重新发挥第二春，也许是AI的进一步大发展，也有可能是未曾设想的新技术加入其中，但是我总是相信，总会有一项新技术，将会让调校变成一门门槛更低的行当，每一个人有能力，并愿意为之努力的人能够发挥自己的理解，让虚拟歌手演唱出自己心中的声音。

结尾

关于调校，我的态度比较复杂，在没有AI的时候，我建议要推广调校训练，建立标准调校手册，AI出现之后，降低了调校难度，也出现了类似平四那样的调校学员培训班（这事估计都上过第七版李选的），而现在，我却在明确的拒绝AI变声对中文虚拟歌手社区的影响。

但是我在调校上的主要主张基本上没有什么大的变化

1. 调校的门槛必须降低，必须能够让每一个拥有一些音乐基础的创作者都可以掌握调校技术，不需要进行专门训练，除了顶级调校者以外尽量减少专职中低端调校的数量，推动现有的中低端调校转化为具有音乐创作能力的创作者。
2. 建立完备的调校培训体系，使得愿意学习调校的人都可以以合理的成本接受合格的调校学习。
3. 在此基础上，可以保留少部分专岗的中高级调校，在需要进行特殊的艺术加工和表现利用的时候邀请他们。

我对调校的期望是希望它能让每一个创作者都能接触到，是一个圈内作者人人能掌握的基本技能，为此我们可以进行培训，为此我们可以降低操作的门槛，为此我们可以引入新技术使得那些过去的重复性劳动让AI和电脑代劳。

但是调校是一门沟通词曲和成品，区分一般作品和虚拟歌手作品的特征性技术。想要让中文虚拟歌手社区拒绝它是不可能的。当然，AI变声为这门手艺提出了不大不小的挑战，可以想见，未来也将会有下一个《野火》这种挂羊头卖狗肉的作品，AI变声也会继续进步，甚至可能做出越来越逼真的东西出来，挑战大家的底线，甚至也有人为止叛变。

但是不容否认的是，中文虚拟歌手是一个以虚拟歌手调校为载体的原创作品社区，原创的精魂不灭，调校的努力不停。以展现自己心中的精神和歌曲，中文虚拟歌手社区虽不一定能等到拯救自己的下一个风口，但是却也能在互联网文化创作下留住自己的一笔。

技术所带来的困难和危机，最终总是以技术的进一步进步作为解决方案。