Редагування вокалу за допомогою штучного інтелекту: Як зробити так, щоб голоси штучного інтелекту звучали природніше в міксі

Редагування вокалу ШІ означає: зміну голосу ШІ — співу ШІ з Suno, Udio або ElevenLabs — таким чином, щоб mischiщо це звучить природно та яскраво. Типові проблеми включають різкі високі частоти, металеве шипіння, нестачу дихання та сумнозвісну «хитання штучного інтелекту». EQЗа допомогою деесерування, стиснення, сатурації та деякого ручного редагування ви можете отримати готовий до мікшування, професійний звук зі штучного інтелекту голос.

Зміст цієї статті

Чому вокал штучного інтелекту вражає — і водночас звучить штучно

Голоси на основі штучного інтелекту з таких інструментів, як Suno, Udio або ElevenLabs, за короткий час стали разюче якісними. Вони чисто відтворюють ноти, звучать стилістично доречно та за лічені секунди відтворюють повний вокальний трек. Тим не менш, більшість слухачів інстинктивно відчувають, що щось не так. Голос звучить одночасно ідеально та безжиттєво.

Це пов'язано не з однією помилкою, а радше з поєднанням незначних недоліків. ШІ-вокал демонструє типові «підказки»: цифрове коливання на довгих, стійких нотах (часто зване «ШІ-коливання»), жорстке, задихання у фразуванні та металева, майже кристалічна різкість на звуках s та t. До цього додаються штучно звучаще вібрато, неприродні транзиєнти та, перш за все, відсутність мікродинаміки.

Справжні сибілянти відрізняються від слова до слова. З іншого боку, сибілянти, згенеровані штучним інтелектом, часто звучать так, ніби їх скопіювали та вставили — завжди з однаковою різкістю. Саме цю однорідність наші вуха розпізнають як «синтетичну». Гарна новина: майже всі ці проблеми можна вирішити за допомогою класичних інструментів мікшування. Тому редагування вокалу за допомогою штучного інтелекту — це не стільки магія, скільки вміла техніка. Якщо ви також розділяєте свої треки від Suno, наш посібник допоможе вам це зробити. Як правильно змішувати стебла Суно Можете, як розумний перший крок.

Форманти, вібрато та перехідні процеси: тонкі артефакти штучного інтелекту

Перш ніж ми перейдемо до інструментів, варто зрозуміти три найтонші артефакти ШІ, адже їх розпізнавання – це вже половина справи.

Перші - це формантиФорманти – це фіксовані резонансні діапазони у вокальному тембрі, які роблять голосну літеру розпізнаваною як «А» або «І» та формують її тон. Генератори штучного інтелекту іноді зміщують ці форманти неприродно — голос тоді звучить глухо або дивно напружено. Тонкий зсув формант або динамічний еквалайзер у діапазоні від 800 Гц до 3 кГц можуть компенсувати це. Занадто велика корекція швидко призводить до звуку «Міккі Мауса».

Другий — це штучне вібратоСправжній співак модулює висоту свого тону дещо нерівномірно; вібрато, створене штучним інтелектом, навпаки, часто механічно рівномірне. Його можна послабити або змістити в певних точках за допомогою інструмента зміни висоти тону.

Треті - це неприродні перехідні процеси — коротка фаза атаки на початку звуку. З вокалом, створеним штучним інтелектом, початок слів іноді звучить занадто різко або занадто розмито, особливо з твердими приголосними, такими як «Т», «К» та «П». Дизайнер перехідних ефектів навмисно згладжує ці фази атаки. Разом з відсутністю мікродинаміки саме ці деталі визначають, чи «звучить по-людськи», чи «звучить по-машинно».

Крок 1: Еквалайзер проти різких високих частот та резонансів

Під час редагування вокалу, створюваного штучним інтелектом, спочатку потрібно EQПерш ніж робити щось «красивішим», потрібно все навести лад. ШІ-вокал часто має перебільшений діапазон високих частот, який швидко стає різким і виснажливим у повному міксі. Хірургічний еквалайзер — ваш найважливіший інструмент у цьому випадку. Дізнайтеся більше в нашому посібнику: Правильно налаштуйте еквалайзер.

Почніть з фільтра низьких частот: ви можете відфільтрувати все нижче приблизно 80-100 Гц для більшості голосів штучного інтелекту, не роблячи голос тонким. Потім використовуйте вузький дзвоновий фільтр для пошуку небажаних резонансів. Типові проблемні області - приблизно від 2 до 4 кГц (носовий, різкий) та приблизно від 6 до 9 кГц (скляний, різкий). Короткочасно різко підвищте вузький діапазон, прокрутіть його по частоті, доки він не стане найнеприємнішим, а потім у цій точці зменште його на 2-5 дБ.

Будьте обережні з широким підсиленням високих частот: те, що додає «повітря» справжньому голосу, часто підкреслює артефакти в голосі штучного інтелекту. Резонанси, які перетинаються з іншими слідами, є випадком Частотне маскування — тут варто зіставити вокальні частоти з інструментальними, замість того, щоб розглядати голос окремо.

Крок 2: Деессер проти штучних шиплячих звуків

Під час обробки вокалу за допомогою штучного інтелекту де-ессер майже завжди є необхідним, і ви будете використовувати його набагато агресивніше, ніж із записом, виконаним людиною. По суті, де-ессер — це частотно-селективний... компресор, який втручається лише тоді, коли різкі звуки С, З, Т та Ш стають занадто гучними.

Де-есер за мікшерним пультом: приборкання різких шиплячих звуків ШІ-вокалу під час мікшування вокалу

Як відправна точка: для яскравих або жіночих голосів зі штучним інтелектом цільовий діапазон зазвичай становить від 6 до 8 кГц, тоді як для чоловічих або глибших голосів це, ймовірніше, від 5 до 7 кГц. Встановіть зниження приблизно на 4-7 дБ і уважно слухайте: Шиплячі звуки Вони повинні стати м’якшими, але не шептавим.

Однак, одного деессера часто буває недостатньо. Перевіреною технікою є встановлення двох деессерів із помірними налаштуваннями замість одного з агресивною роботою. Зверніть увагу на розміщення: деессер слід розмістити перед процесами сатурації, інакше сатурація посилить сибілянти; і перед посилами реверберації/затримки, щоб сибілянти не загубилися в хвостах ефекту.

Крок 3: Стиснення для природної мікродинаміки

Стиснення також є ключовим кроком під час редагування вокалу, створюваного штучним інтелектом. Голоси, створені штучним інтелектом, часто надходять з генератора вже значно нормалізованими — гучність рівномірна, але саме це позбавляє голос його жвавості. Хитрощі полягають у способі стиснення.

Замість одного потужного компресора рекомендується послідовне стиснення: два компресори послідовно, кожен з яких застосовує зниження посилення лише на 2–4 дБ. Перший вловлює різкі піки, другий формує тональний характер. Це забезпечує стабільність голосу без його безжиттєвого стиснення.

Для відновлення втраченої мікродинаміки допомагає паралельна обробка: надсилання голосу на окрему шину, сильне стиснення та тонке поєднання з оригіналом. Це додає енергії та «відчутності» без згладжування природних коливань.

Не впевнені, чи ваш голос зі штучним інтелектом готовий до мікшування? Надішліть його нам — ми уважно вислухаємо його під час аналізу міксу.

Аналіз книжкової суміші

Крок 4: Насичення стерильним холодом штучного інтелекту

Під час обробки вокалу, створюваного штучним інтелектом, насичення, мабуть, є найважливішим кроком для того, щоб голоси, створювані штучним інтелектом, звучали «людськи». Вокал, створюваний штучним інтелектом, часто звучить стерильно та холодно, оскільки йому бракує ледь помітних гармонійних спотворень, які виникають у реальних записах через мікрофони, передпідсилювачі та аналогові процеси. Насичення додає ці обертони назад.

Аналогове лампове насичення для штучного інтелекту (AI) вокалу: тепло проти стерильного цифрового холоду

Використовуйте сатурацію економно: навіть невелика її кількість помітно змінює характер. Стрічкова сатурація заокруглює високі частоти та додає м’якої компресії, тоді як лампова сатурація підкреслює парні гармоніки та звучить «повніше». Оскільки сатурація підсилює високі частоти, її слід застосовувати після деесера. Перевірений часом прийом — багатосмугова сатурація: прогрійте нижні середні частоти (близько 200-800 Гц) для об’єму та збережіть високі частоти чистими.

Перевірте A/B-порівняння з необробленим сигналом — насичення спокушає вас завжди додавати «трохи більше», поки суміш не стане каламутною.

Крок 5: Реверберація та затримка для ембедування

Сухий голос штучного інтелекту окремо ширяє над міксом. Лише просторові ефекти поміщають його в правдоподібне середовище. Почніть з короткого простору або плато...Reverb Для відчуття інтимності використовуйте довшу, ледь помітну реверберацію на фоні для глибини. Більше інформації про те, як правильно налаштувати реверберацію, можна знайти у статті. Налаштуйте реверберацію за 10 кроків.

Також відфільтруйте реверберацію за допомогою Низькорізаний (приблизно від 300 Гц) та фільтр високих частот (приблизно від 8 кГц) для запобігання каламутному звуку. Попередня затримка від 20 до 40 мілісекунд забезпечує чіткість голосу, його вираженість у центрі уваги. Затримка, синхронізована з темпом пісні, злегка панорамована назовні та на зниженому рівні, додає руху — завдяки тонкому використанню голос ШІ звучить так, ніби він завжди був частиною пісні.

Крок 6: Ручне редагування для протидії коливанню та відсутності дихання ШІ

Деякі проблеми неможливо вирішити за допомогою плагіна, лише вручну. «Штучне коливання» — цифрове коливання довгих нот — один із таких випадків. Тут допомагає вирізати уражену частину, скоротити її або згладити за допомогою ледь помітного інструменту висоти/тимулю. Часто достатньо просто заглушити останню секунду хиткої ноти.

Крім того, відсутність дихання є другою за величиною проблемою. Справжні співаки дихають між фразами — цей звук майже повністю відсутній у голосах, створених штучним інтелектом. Навіть кілька тихих звуків справжнього дихання на початку фраз можуть обдурити вухо, змусивши його подумати, що це людський виступ. Якщо ви бажаєте повністю замінити голос, ми покажемо вам, як це зробити. Замініть спів Суно своїм власним голосом Можете. А для тих, хто віддає перевагу клонуванню власного голосу зі штучним інтелектом (клонування голосу): клонований голос також потребує точно такої ж обробки після цього, інакше він швидко звучатиме синтетично без деессингу та насичення.

Правильний порядок: вокальний ланцюжок для голосів ШІ

  • 1. Ручне редагування — Спочатку виправити коливання ШІ, проковтування складів та дихання.
  • 2. Віднімальний еквалайзер — Видаліть низькочастотні фільтри, резонанси та різкі високі частоти.
  • 3. Де-Ессер — Приручити штучні шиплячі (до насичення!).
  • 4. Компресія — послідовне або паралельне для узгодженості та мікродинаміки.
  • 5. Насиченість — Тепло та відтінки проти стерильного холоду.
  • 6. Адитивний еквалайзер — легке полірування за бажанням.
  • 7. Реверберація та затримка (через посилання) — Вбудовування в простір.

Зрештою, вокал, згенерований штучним інтелектом, — це не якась складна наука, а ґрунтовне мікшування вокалу з кількома цілеспрямованими фокусами. Ті, хто віддає перевагу довірити останні штрихи професіоналам, можуть доручити весь свій проєкт версії, згенерованій штучним інтелектом. Змішайте пісню — Ми максимально використовуємо ваші треки зі штучним інтелектом. А після завершення міксування переходимо до наступного кроку: музика зі штучним інтелектом за версією Suno. опанувати.

ВАШ КОНТАКТ З PEAK-STUDIO

Надішліть нам ваш вокал зі штучним інтелектом або всю вашу пісню, створену за допомогою штучного інтелекту — ми дамо вам чесну оцінку того, чого можна досягти в міксі. Зазвичай ми зв'яжемося з вами протягом 3 годин.

  • Контактна особа
  • Більше 20 років досвіду
  • Найвищий стандарт якості

+ 49 (0) 931 90879510

Ви можете зв'язатися з нами по телефону з понеділка по п'ятницю з 09:20 до XNUMX:XNUMX

Часті запитання про вокал зі штучним інтелектом та мікшування зі штучним інтелектом

Через низку незначних аномалій: цифрове коливання на тривалих нотах (AI-воббл), задихане фразування, металеві, повторювані шиплячі звуки та відсутність мікродинаміки. Наші вуха сприймають цю однорідність як синтетичну.

Як відправна точка: 6–8 кГц для яскравих або жіночих голосів, 5–7 кГц для темніших або чоловічих голосів, зі зниженням на 4–7 дБ. З вокалом зі штучним інтелектом ви можете бути агресивнішими, ніж зі справжніми записами, оскільки шипіння більш рівномірні.

Походження штучного інтелекту рідко можна повністю приховати, але за допомогою еквалайзера, деесера, компресії, сатурації, ефектів кімнати та деякого ручного редагування ви можете отримати дуже близький до правдоподібного вокалу, готового до мікшування.

Основний принцип той самий, але ви використовуєте деякі інструменти більш послідовно — особливо де-ессер та сатурацію — та більше інвестуєте в ручне редагування, щоб боротися з коливаннями ШІ та відсутністю «дихання».

Редагування → субтрактивний еквалайзер → деесер → компресія → насичення → додатковий еквалайзер → реверберація/затримка через посил. Важливо, щоб деесер було розміщено перед насиченням.

Зображення Кріса Джонса

Chris Jones

Генеральний директор – інженер з мікшування та мастерингу. Засновник Peak-Studios (2006) та одного з перших постачальників онлайн-послуг з професійного мікшування та мастерингу аудіо в Німеччині.

Більше інформації про Кріса Джонса →

Це може зацікавити і вас