Trả lời ngắn gọn: Để AI hát một bài bằng giọng của bạn, trước tiên bạn nhân bản giọng hát của mình: đưa cho mô hình giọng AI 8–15 phút bản thu bạn hát, và mô hình sẽ học chất giọng của bạn. Sau đó bạn chạy phần giọng hát của một bài qua mô hình đó, AI sẽ hát lại bằng giọng của bạn, thường bám sát giai điệu và nhịp gốc. Bạn có thể làm vậy với một bài có sẵn (cover AI) hoặc với một bài hoàn toàn mới do AI tạo.
Bài hướng dẫn này tập trung vào quy trình dùng giọng của bạn để hát một bài: các bước, những thiết lập quan trọng, những gì công nghệ vẫn chưa làm được và một ví dụ trước–sau để bạn nghe. Muốn biết mô hình giọng được huấn luyện thế nào, hãy xem hướng dẫn về mô hình RVC; muốn tìm hiểu kỹ các lựa chọn cover, hãy xem hướng dẫn trình tạo cover bài hát AI.
AI có thật sự hát được bằng giọng của bạn không?
Có, nhưng với một giới hạn quan trọng. Công nghệ nhân bản giọng hát hiện nay (thường dựa trên một phương pháp mã nguồn mở tên là RVC) sao chép chất giọng của bạn: màu giọng, độ dày và nét riêng. Nó không sao chép kỹ thuật của bạn. Cách nhả chữ, vibrato, luyến láy và cách lấy hơi đều đến từ người đã hát phần giọng mà bạn chuyển đổi.
Vì vậy kết quả nghe như AI dùng giọng của bạn để hát lại phần trình diễn của người khác. Với nhiều mục đích (cover, bản demo, thử một bài bằng giọng mình trước khi tập), đó chính là điều bạn cần. Nếu muốn cả cách nhả chữ của riêng mình, bạn vẫn phải tự hát.
Nếu tò mò bên trong diễn ra những gì, hướng dẫn RVC nêu ở trên giải thích chi tiết các file và quá trình huấn luyện.
Bạn cần chuẩn bị gì trước khi bắt đầu
8–15 phút bạn hát. Nhiều bài hoặc nhiều lần thu đều được; chúng sẽ được gộp lại. Độ đa dạng (nốt trầm, trung và cao) có ích hơn là thêm số phút.
Chỉ một giọng. Bản thu không có song ca, bè hay ca sĩ khách mời.
Càng sạch càng tốt. Nhạc nền được loại bỏ tự động, nhưng tiếng vang nặng, tiếng khán giả hay méo tiếng vẫn sẽ lọt vào mô hình.
Giọng của chính bạn, hoặc giọng bạn được phép sử dụng. Bạn sẽ xác nhận điều này trước khi huấn luyện.
Thu bằng điện thoại trong phòng yên tĩnh là dùng được. Bản thu khô, đặt mic gần sẽ tốt hơn bản mix chỉn chu nhưng nhiều tiếng vang.
Bước 1: Nhân bản giọng hát của bạn
Trên trang Nhân bản giọng hát AI của RaoMusic:
Đặt tên cho giọng và thêm ảnh bìa.
Thêm bản thu. Tải nhiều file lên cùng lúc hoặc chọn bài hát từ thư viện. Bạn có thể nghe thử từng đoạn trước khi huấn luyện.
Chọn chất lượng huấn luyện. Tiêu chuẩn (50 epoch, 150 điểm) thường là đủ. Cao (100 epoch, 250) và Tối đa (150 epoch, 350) mất nhiều thời gian hơn để đổi lấy cải thiện nhỏ.
Xác nhận đó là giọng của bạn và bắt đầu. Nhạc nền được loại bỏ, khoảng lặng được cắt bớt và mô hình tự động huấn luyện trong khoảng 15–40 phút. Bạn có thể đóng trang.
Nếu sau khi bỏ nhạc nền còn chưa đến 3 phút giọng hát rõ, hoặc huấn luyện thất bại, điểm sẽ được hoàn tự động. Khi huấn luyện xong, một đoạn mẫu ngắn sẽ được hát bằng giọng mới của bạn để bạn nghe xem giống đến mức nào.
Bước 2: Chọn bài bạn muốn hát
Bạn có hai lựa chọn:
Một bài có sẵn. Hầu hết bài hát trong thư viện đều dùng được, kể cả bài bạn tự tải lên, dài tối đa 10 phút. Đây là bản cover AI bằng giọng của bạn.
Một bài hoàn toàn mới. Tạo một bài gốc bằng trình tạo bài hát AI, có thể dùng lời của chính bạn, rồi chuyển phần giọng hát sang giọng của bạn ở bước tiếp theo. Đây là cách thực tế để có một bản nhạc gốc nghe như chính bạn hát mà không cần thu cả phần giọng.
Hãy chọn bài có quãng giọng gần với bản thu của bạn. Mô hình huấn luyện từ một giọng trầm, ấm sẽ khó nghe tự nhiên trên giai điệu dành cho giọng soprano.
Bước 3: Hát lại bằng giọng của bạn
Mở Trình tạo cover bài hát AI, chọn giọng của bạn trong mục "Giọng của tôi", thêm bài hát và bấm tạo. Mỗi bản cover tốn 10 điểm cho mỗi phút âm thanh và thường mất vài phút.
Có ba thiết lập nên biết:
| Thiết lập | Tác dụng | Khi nào nên đổi |
|---|---|---|
| Cao độ | Ba lựa chọn: Không đổi, hoặc nâng/hạ giọng hát một quãng tám với "Nam sang nữ" / "Nữ sang nam" | Thử đổi khi âm vực của ca sĩ gốc cách xa giọng bạn; cách này không sửa hoàn toàn được giai điệu nằm ngoài quãng giọng của bạn |
| Độ giống giọng | Mức kéo kết quả về phía giọng đã huấn luyện | Tăng lên nếu kết quả vẫn nghe như ca sĩ gốc; giảm xuống nếu nghe thấy tiếng rè kim loại |
| Độ rõ giọng hát | Giữ lại bao nhiêu hơi thở và phụ âm của bản gốc | Giảm xuống để tiếng sạch hơn, "đã chuyển đổi" rõ hơn; tăng lên nếu chữ nghe bị nuốt |
Thiết lập mặc định là lựa chọn tốt cho lần thử đầu. Mỗi lần chỉ đổi một thứ để nghe rõ từng thiết lập tác động thế nào.
Nghe ví dụ: trước và sau
Chúng tôi nhân bản ca sĩ ảo JUNO từ khoảng 15 phút bài hát của cô, rồi cho bản sao hát một bài cô chưa từng thu. Hãy nghe âm thanh huấn luyện trước, sau đó nghe cùng một đoạn điệp khúc do ca sĩ gốc và bản sao hát:
JUNO hát bài của chính mình (âm thanh huấn luyện)
"Hoax", ca sĩ gốc
"Hoax", hát bằng giọng nhân bản của JUNO
Bạn sẽ thấy bản cover giữ nguyên cách nhả chữ và giai điệu gốc, trong khi chất giọng chuyển về phía JUNO. Đó cũng là điều bạn có thể kỳ vọng với giọng của mình. Cả hai ca sĩ và cả hai bài hát trong ví dụ này đều do AI tạo và do chúng tôi làm, nên chúng tôi mới có thể chia sẻ ở đây; giọng người thật sẽ cho kết quả tương tự nhưng không hoàn toàn giống.
Cách tạo bài hát gốc bằng giọng của bạn
Nếu bạn muốn một bài chưa ai từng hát, hãy kết hợp hai công cụ:
Viết hoặc tạo lời bài hát. Dùng lời của bạn, hoặc nhờ một công cụ viết lời AI soạn bản nháp.
Tạo bài hát. Trong trình tạo bài hát AI, chọn loại giọng gần với giọng bạn (ví dụ giọng nam nếu bạn hát trầm), mô tả phong cách rồi bấm tạo. Chọn bản có giai điệu bạn thích.
Chuyển đổi giọng hát. Chạy bài đó qua trình tạo cover với giọng đã nhân bản của bạn.
Giai điệu và cách nhả chữ đến từ ca sĩ do AI tạo, còn chất giọng đến từ bạn. Để có kết quả tự nhiên nhất, hãy yêu cầu quãng giọng và phong cách mà bạn thật sự có thể hát.
Mẹo để có kết quả tốt hơn
Khớp quãng giọng. Phần lớn trường hợp "nghe không giống mình" là do bài hát cao hoặc thấp hơn hẳn quãng giọng tự nhiên của bạn. Hãy thử tùy chọn cao độ hoặc chọn một tông khác.
Sửa âm thanh huấn luyện, đừng sửa thiết lập. Nếu bản cover nào cũng nghe đục, có lẽ bản thu có lẫn nhạc nền, tiếng vang hoặc giọng khác. Hãy huấn luyện lại bằng các đoạn sạch hơn.
Bắt đầu từ giọng hát nguồn sạch. Bài có nhiều hiệu ứng, nhiều lớp bè hoặc ad-lib kiểu rap sẽ chuyển đổi kém sạch hơn một giọng chính rõ ràng duy nhất.
Đừng mong có kỹ thuật của bạn. Nếu bạn hát nhiều vibrato còn ca sĩ gốc thì không, bản cover sẽ không có vibrato.
Những gì nhân bản giọng AI chưa làm được
Học phong cách của bạn. Nó đổi chất giọng, không đổi cách nhả chữ, khẩu âm khi hát hay các kỹ thuật thanh nhạc.
Xử lý hoàn hảo bài nằm ngoài quãng giọng. Những nốt rất cao hoặc rất thấp không có trong âm thanh huấn luyện thường nghe gượng.
Tách giọng hoàn hảo. Bè phụ trong bài gốc có thể lọt qua bằng giọng của bạn hoặc thành tiếng nhiễu.
Thay thế phần trình diễn thật khi phát hành. Với bản phát hành chính thức, nhiều nghệ sĩ vẫn tự thu giọng chính và dùng giọng nhân bản cho demo và thử nghiệm.
Cho AI hát một bài bằng giọng của bạn có hợp pháp không?
Nhân bản giọng của chính bạn là trường hợp ít rủi ro, dù bạn vẫn nên tuân thủ quy định của từng nền tảng về AI và giọng tổng hợp. Dùng giọng người khác khi chưa được phép thì khác: có thể vướng vấn đề về sự đồng ý, quyền nhân thân và chính sách nền tảng, và một số nơi hiện đã có luật nhắm riêng vào việc nhân bản giọng, như ELVIS Act của Tennessee. Chỉ nhân bản giọng của bạn hoặc giọng bạn được phép sử dụng.
Bài hát là một câu hỏi riêng, với hai lớp quyền. Phần sáng tác (giai điệu và lời) thuộc về nhạc sĩ và nhà xuất bản âm nhạc, còn bản cover AI làm từ một bản nhạc có sẵn cũng dùng lại phần nhạc nền của bản thu gốc, vốn thuộc về chủ sở hữu bản master đó. Chia sẻ hoặc phát hành công khai bản cover như vậy có thể cần xin phép cả hai, và các nền tảng có thể gắn cờ nó. Hướng dẫn làm bài hát cover AI hợp pháp của chúng tôi trình bày các lựa chọn. Bài hát gốc do chính bạn tạo sẽ tránh được phần lớn những vấn đề này.
Câu hỏi thường gặp
Có. Bạn huấn luyện một mô hình giọng AI bằng 8–15 phút giọng hát của chính mình, rồi chạy phần giọng hát của một bài qua mô hình đó. AI thường bám theo giai điệu và nhịp, đồng thời chuyển chất giọng của ca sĩ về phía giọng bạn.
RaoMusic yêu cầu tổng cộng 8–15 phút để sau khi bỏ nhạc nền vẫn còn ít nhất 3 phút giọng hát rõ. Độ đa dạng trên toàn quãng giọng quan trọng hơn độ dài.
Khoảng 15–40 phút huấn luyện, tùy chất lượng bạn chọn và lượng âm thanh bạn tải lên. Sau đó mỗi bản cover thường mất vài phút.
Có, đó chính là mục đích của giọng nhân bản. Chọn một bài trong thư viện, hoặc tạo bài mới, rồi chuyển phần giọng hát sang giọng của bạn trong trình tạo cover bài hát AI.
Không. Nhân bản giọng sao chép chất giọng, không sao chép kỹ thuật. Cách nhả chữ, vibrato và luyến láy đến từ ca sĩ gốc của bài bạn chuyển đổi.
Có. Tạo một bài gốc bằng trình tạo bài hát AI, rồi chuyển phần giọng hát bằng giọng đã nhân bản của bạn. Bạn chỉ cần thu âm thanh huấn luyện một lần.
Không. Huấn luyện một mô hình giọng tốn 150–350 điểm tùy chất lượng, và mỗi bản cover tốn 10 điểm mỗi phút. Nếu huấn luyện thất bại, điểm sẽ được hoàn tự động.