近期，vocaloid宣布要在今年发布初音未来v6ai，由此，我想向大家关于新技术提出几个问题；

1.ai声库是什么；

不管是vocaloid1到4还是cevio，sv，ace，vocaloid6的ai之类，我们都可以叫它svs（歌唱语音合成，指可以用输入的声音与歌词曲谱来制作完整音乐的技术）下文将分为两个来讲

1）ai声库；从严格意义上来讲，其实与其说它是声库，不如说它是一个ai模型，早期的这类svs运用hmm模型（例如以前cevio的一些），这样的模型可以分为训练与合成两个阶段，首先是训练阶段，分析输入的声库的声学特征（音长音强之类）进行训练建模。而在合成阶段，它将依据输入的歌词与曲谱和已构建好的模型进行预测，合成歌声。然而这样的技术有一定的缺陷，一是由声音转换为统计信息会使其变模糊，而是过度平滑致使真实度下降的问题（此处摘自bilibili上的文章《从华智冰演唱出发的歌声合成技术综述》）。因此现如今的这类svs开始运用了dnn等模型，dnn模型相较于hmm的预测更加准确，合成效果更好，这得益于它的工作模式，dnn模型分为输入层，隐藏层，输出层，其中的隐藏层每一层都有上百个“神经元”，进行多点而又相互联系的分析，从而建立声学特征与文本，曲谱之间的关系，得到更好的效果，然而，这也需要强大的算力支持（目前主流的cevio ai与sv ai均基于此模型，v6看发布时间应该也是，当然，彼此之间有技术上的不同）

2）传统vocaloid；传统v的原理是人声采样的拼接（所以被称为声库），会根据曲调以及长度之类的调教来处理人声，与ai训练生成完全不是一回事

2ai声库哪家强

目前来看，sv的性能与音质是最好的，但它要在本地运算，正如我们前文所说，这会对设备性能要求高一点，但同时优点是可以离线使用

Ace的音色有些同质化和平淡，它是将数据传出运算，所以不需要设备性能很好

Cevio技术相较于sv略逊，不过在同类daw中算特别好的了

Vocaloid6是最具有机械音的，也是性能最差的（请看gumi）（不过对于miku他们也许会上心一点）

3传统v与ai的各自优缺

Ai优点；1自动音高带来的方便2编辑器的优秀3更易被圈外人接受的拟人声，拟真度更高（不一定更好，比如gumi的sv唱不出马赛克卷原版效果）4参数变化比v更直观

Ai缺点；1调参如同摸黑箱子，难以控制，最终表现难以预期（它更注重音源的选择，例如tetosv与gumisv，区别相当大）2唱快歌容易吞字3更高的精调成本4表意抒情更难

v优点；1更多的可调参，易于形成个人的调音风格（你不可能分不出哪个是春卷饭的niku，哪个是匹的miku）2更易被圈内人接受，更适合一些特殊曲风，更脆的机械音3发展多年的社区文化与更高的知名度

v缺点：1反人类的编辑器2繁琐的调教过程3机械音注定不会太大众

3ai声库可能会对社群产生的影响

好：降低门槛，投稿量增多，圈子扩大

坏；可能大量出现不用心或者无参作品，梗曲梗小鬼增多

4我的看法；我们可以不用，但你一定要搞，这是态度问题，没有了向前的心态与对产品用心的态度，v家必然被后来者取代，只是时间问题。至于会不会名p全用ai去了，抑或v曲在ai中隐没，但总有像我一样的人热爱术力口独有的机械音，也总有追求自己独特风格的p主，v曲有供有求，很难被隐没，我相信它一定会存续下去的

最后，引用ilem和伞村的两段话：

这个圈子当然不会因你给的原因衰落。有人要听歌而这里有，只要这个供需关系还在，文化圈就在。如果其中流行的那种文化不合你的口味，那这个时刻是你个人落魄的时刻，对其他人没有影响。

延伸：“是否像人”和“是否好听”是两条相交的线。历史和市场都可以证明“是否好听”这一条线会决定音乐的价值。创作时当然可以追求“远离人”，但这意味着如果一个声音好听而且像是人类的声音，你就要舍弃它。而当你开始舍弃“好听”的时候你就在背离音乐，转而去追求一些拓展边界的因素或者别的附加价值了。你不觉得当一个歌姬放弃了音乐也背离了听众的时候，才是她在落魄吗？—ilem

因为CeVIO太过高性能，「我家的孩子」这种概念也很难产生了。一定程度上无论是谁使用声库都感觉不出差异。虽然也有好的地方。总之是只要调好参数就能唱的程度。

但是啊，既然来了傘村家可不可以带一点自己家的感觉啊 —傘村トータ