AI hát theo beat của bạn

Công cụ này làm gì

Bạn đưa vào một beat chỉ có nhạc và lời bài hát, rồi chọn giọng nam AI, giọng nữ AI hoặc Giọng của tôi. Mô hình hát nghe beat, đặt một đường giai điệu cho lời của bạn và hát theo nhịp, theo tông của chính beat ấy. Sau đó máy trộn giọng lên beat gốc và trả về ba tệp: bài hoàn chỉnh, beat, và riêng phần giọng hát. Phần nhạc không bị sinh lại: beat bạn tải lên là beat bạn nghe trong bài.

Công cụ hợp với người tự làm beat nhưng không muốn tự hát, hoặc người đã có lời và cần một bản demo để nghe bài sẽ ra sao. Chưa có beat thì trang tạo nhạc làm cả bài từ đầu.

Năm bước trước khi bài hát ra đời

1. Nghe nhịp và tìm chỗ giọng vào. Máy đo tốc độ (BPM), vạch ô nhịp và tìm chỗ hết intro. Quy tắc chính: không cho giọng vào ở chỗ nhạc to lên, vì chỗ đó thường là khúc dạo chứ không phải chỗ bắt đầu hát. Bạn có thể tự nhập ở ô «Giọng vào lúc», ví dụ 0:32.
2. Nghe tông. Ba cách dò tông khác nhau bỏ phiếu. Chỉ khi đủ phiếu máy mới báo tông cho mô hình hát; không đủ thì để mô hình tự nghe beat, thay vì báo một tông có thể sai.
3. Đọc cấu trúc lời. Lời dán trơn được tự gắn nhãn: khối dòng lặp lại nhiều nhất thành điệp khúc, phần còn lại thành verse, và sau điệp khúc có chỗ cho nhạc dạo. Khổ chỉ có tiếng ngân nga kiểu «hu hu hoh» được đổi thành một khúc nhạc không lời. Lời bạn đã tự gắn nhãn thì giữ nguyên.
4. Hát, lọc, chấm. Mô hình hát trên beat đã cắt từ chỗ giọng vào, rồi giọng được đặt lại đúng giây. Track giọng đi qua bộ tách giọng để bỏ tiếng đàn, tiếng trống lẫn vào. Máy chấm từng lượt; lượt nào vào trễ thì hát lại, tối đa hai lần, rồi giao lượt tốt nhất.
5. Trộn. Giọng được đặt nhỏ hơn beat 2,2 LU, đúng trung vị đo trên một bộ dữ liệu stem công khai gồm 144 bài, rồi master về khoảng −14 LUFS với đỉnh thật −1,3 dBTP.

Những gì đã đo được

Mỗi bước trên có một bàn thử với đáp án biết trước. Đây là các con số chính:

Thêm một thước là độ ngân: phần thời gian có tiếng nằm trong nốt giữ yên từ 0,6 giây trở lên. Trên giọng thật, rap nằm ở 0,11 đến 0,19, ballad ở 0,22 đến 0,43. Một bản ballad ngân dưới 0,2 nghe như đang nói hơn là hát.

Thời gian chờ

Với beat 75 giây, đo qua tên miền thật lúc ra mắt: giọng AI mất 78 giây, Giọng của tôi 173 giây. Sau khi thêm khâu lọc và chấm, một beat 100 giây với 12 dòng lời và giọng nữ AI mất 219 giây trọn luồng. Các số này chưa tính thời gian xếp hàng khi máy đông. Giọng của tôi lâu hơn vì máy hát bằng giọng AI trước, rồi bộ đổi giọng mới chuyển âm sắc sang giọng bạn; lần đầu dùng một mẫu giọng, máy còn phải học giọng ấy.

Giới hạn

• Giai điệu là giai điệu mới. Beat, kể cả beat karaoke, không chứa giai điệu của ca sĩ. Mô hình hát đặt một giai điệu mới cho lời của bạn, nên lời bài cũ sẽ không được hát theo nét nhạc cũ. Muốn giữ giai điệu của một bản thu bạn có quyền dùng thì dùng AI cover.
• Ballad đôi khi ngân ít. Hát cả bài trong một lượt, bản ballad có lúc chỉ ngân khoảng 0,18, tức dải của rap. Hát riêng từng đoạn khoảng 100 giây đưa độ ngân lên trung bình 0,30, nhưng hai đoạn sinh riêng nghe như hai ca sĩ khác nhau, nên cách này chưa được đưa vào.
• Beat EDM có drop. Máy im đúng phần intro nhưng vẫn có thể hát qua các khúc drop hay break.
• Tên tông có thể lệch một bậc. Một bài viết ở Rê thứ từng được báo là Fa trưởng. Hai tông dùng chung bộ nốt nên mô hình hát không bị ảnh hưởng, nhưng tên hiện trên trang kết quả khác bản nhạc gốc.
• Ballad chậm có thể nhấn lệch. Ballad 71 BPM đo ra −0,36 khi so đúng phách và +0,63 khi lệch 1/16 phách. Chưa rõ cách nhấn ấy nghe hay hay dở.
• Mỗi lượt một cách hát. Cùng beat, cùng lời, mỗi lần chạy ra một bản khác.

Câu hỏi thường gặp

Beat của tôi còn giọng hát hoặc tiếng hô thì sao?

AI sẽ hát chồng lên phần giọng có sẵn. Hãy dùng Tách nhạc để lấy riêng phần nhạc trước, rồi tải phần ấy lên.

Giọng vào sai chỗ thì làm sao?

Trang kết quả ghi giọng vào ở giây nào, do máy tự dò hay do bạn chọn. Nếu sai, chạy lại và nhập giây bắt đầu hát ở ô «Giọng vào lúc», ví dụ 32 hoặc 0:32. Beat có intro dài hoặc khúc dạo lạ là chỗ máy dễ đoán sai nhất.

Có cần tự gắn nhãn [Verse], [Chorus] không?

Không bắt buộc. Trước khi có bộ tự gắn nhãn, một bài dán liền 48 dòng từng thành một verse duy nhất, giọng vào trễ 16 giây và hát như nói. Nay máy tự tìm khổ lặp lại, và với chính lời ấy đã ra đúng bộ nhãn người viết tự gắn. Muốn chắc chắn thì vẫn nên tự gắn, máy sẽ giữ nguyên.

Vì sao AI hát lặp lại lời của tôi?

Khi lời ngắn hơn beat, mô hình hát tự lặp lời để lấp phần nhạc còn lại. Một beat ba phút thường cần hai đoạn verse và hai hoặc ba lần điệp khúc. Viết thêm lời, hoặc cắt beat cho ngắn lại, là cách tránh.

Nghiên cứu liên quan

• AI hát theo beat có sẵn: vì sao nghe như rap
• AI hát theo bản nhạc có sẵn: có đúng hợp âm không?