开源免费AI人声生成工具SoulX-Singer如何部署使用?

本文作者：辰谙

国产免费开源的AI人声合成模型SoulX-Singer的发布，让我们的AI歌手的制作变得更加快速而便捷。

在此前的AI歌声合成技术中，如果要让AI模仿某个人的声音唱歌，比如之前火爆全网的AI孙燕姿等，往往需要收集该歌手大量的干净歌声数据进行专门的模型训练，动辄几个甚至十几个小时的训练耗时又耗力。

针对这一点，SoulX-Singer可以说做出了很大的突破。使用SoulX-Singer，我们只需要提供一段极短的全新目标音色音频，SoulX-Singer就能直接用该音色唱出全新的歌曲，且保持相似度和自然度。

目前，SoulX-Singer已经原生支持普通话、英语和粤语三种语言。

在生成控制上，SoulX-Singer则支持基于MIDI和歌词来生成歌声，以及参考音频旋律来复刻原唱这两种模式。

SoulX-Singer的部署主要依赖于Python与PyTorch生态。目前我们可以采用官方代码库的命令行部署和整合包部署。无论采用哪种部署方式，都建议在配备NVIDIA GPU的Linux或Windows环境下进行操作。

以国内大神刘悦发布的整合包的部署为例，下载之后我们会得到以下的文件，其中有一个名为“开始.bat”的文件，我们双击启动：

之后就会进入这款工具的WebUI：

界面中有几个比较重要的区域，首先是歌词语种选项。我们根据实际情况进行选择即可，默认是普通话：

然后是人声分离选项，如果我们上传的音频是带有伴奏的音频，这里就需要勾选上：

接着是Prompt音频区域，这个区域是供我们上传目标音色的：

比如说，如果我们想用某个歌手的音色来翻唱某一首歌曲，在这里就可以上传目标歌手的歌声音频，如果我们想要制作自己声音的AI歌手，在这里则可以上传一段自己唱歌的录音。

这个上传之后，我们还需要在Target音频栏上传我们需要翻唱的原始音频，想要翻唱哪首歌曲就上传哪首歌曲：

上传完毕之后，参考音频文本框和目标音频文本框中会解析出我们上传的音频中说或唱的文字内容，如果有错误我们也可以手动修改。

然后，我们需要选择控制类型。前面提到过，SoulX-Singer则支持基于MIDI和歌词来生成歌声，以及参考音频旋律来复刻原唱这两种模式，其中”score“对应前一种，”melody“对应后一种：

由于我们刚才已经上传了目标音频，这里我们选择”melody“即可。如果需要更细致地控制输出的人声，我们就可以选择”score“模式，然后上传对应的MIDI文件。

最后，我们点击”开始生成“：

根据显卡性能的不同，生成所需的时间也有所不同，部分高性能的显卡的生成时间只有数秒。

SoulX-Singer在GitHub上的项目地址如下：

https://soul-ailab.github.io/soulx-singer/

国内大神刘悦发布的整合包的下载地址如下：

https://pan.quark.cn/s/eecc29900be5

对于新手来说，推荐使用整合包，以免去一些额外的学习成本。