初学者指南：Lucetaco 在 Replicate 上的 Singing_voice_conversion 模型

Source: Dev.to

这是一篇关于 AI 模型 Singing_voice_conversion 的简明指南，模型由 Lucataco 维护。如果你喜欢这类分析，欢迎加入 AImodels.fyi 或在 Twitter 上关注我们。

模型概述

singing_voice_conversion 模型可以将任意歌手的声音转换为另一位目标歌手的音色，同时保持原始的旋律和歌词。该模型基于 Amphion 框架，使用 DiffWaveNetSVC 技术，并采用多样的语义特征融合来从源音频中提取与说话人无关的表征。与更简单的音频转换工具不同，这一实现结合了多个预训练模型，以捕获旋律、歌词和声学特性的互补信息。

模型支持 15 位不同的目标歌手，包括西方流行艺术家如 Taylor Swift、Adele、Beyoncé、Bruno Mars、John Mayer、Michael Jackson，以及多位华语歌手（张学友、李健、汪峰、王菲、石倚洁、蔡琴、那英、陈奕迅、陶喆）。该模型由 Lucataco 创建，相较于基础的文本转语音系统（如 whisperspeech‑small），能够更精细地保留歌唱的音乐性和情感细节，而不仅仅是转换语音模式。

模型输入与输出

输入

• source_audio – 包含待转换原始歌声的音频文件。
• target_singer – 从上述 15 位歌手中选择目标歌手。
• pitch_shift_control – 在 “Auto Shift”（自动音高调整）和 “Key Shift”（手动控制）之间选择。
• key_shift_mode – 使用 Key Shift 模式时的手动音高调节范围，范围为 –6 到 +6 半音。
• diffusion_inference_steps – 质量控制参数，取值 0 到 1000 步；数值越高质量越好，但处理时间也更长。

输出

• Audio file – 转换后、符合目标歌手风格的歌声音频，保持原歌曲结构不变。

能力

该模型在保持音高、节奏和歌词内容等音乐要素的同时，能够将声线音色调整为所选目标歌手的特征。

点击此处阅读 Singing_voice_conversion 的完整指南