AI 在你的伴奏上演唱
会做伴奏，却不想自己唱？上传伴奏，粘贴歌词，选一个声音。AI 先听伴奏，再踩着节拍、贴着和弦唱出你的歌词，最后把人声混回这段伴奏。选择我的声音，就算你唱得不好，歌曲也会用你自己的音色唱出来。
- 伴奏保持原样
- 男声、女声或你的声音
- 可单独下载人声
你的伴奏
把伴奏拖到这里
MP3、M4A、WAV、FLAC 或 OGG · 最大 20 MB · 时长 15 秒到 5 分钟 · 只要纯音乐，不要人声
留空时机器会自动找到前奏结束的位置。如果伴奏前奏很长或有特别的间奏，请输入人声开始演唱的秒数。
直接粘贴无标记的歌词也可以：机器会把重复的段落当作副歌，并为间奏留出空间。想更准确，可以自己标注 [Verse]、[Chorus]、[Bridge]。
0/3000 字AI 会在这段伴奏上为你的歌词创作一段新旋律。想保留某首现成歌曲的原旋律，请改用 AI翻唱：上传原曲，机器保留旋律，只换声音。
演唱声音
由 AI 在演唱时即时生成的女声，不是任何真人的声音。
怎样的伴奏和歌词让 AI 唱得最好
- 只要纯音乐。 伴奏里还有人声或喊声，AI 会叠在上面唱。伴奏带人声？先用人声分离取出纯音乐。
- 歌词长度配合伴奏。 三分钟的伴奏通常容纳两段主歌、两到三遍副歌。每行歌词约等于一个乐句。
- 想更准确就标注段落。 [Verse] 低一些、讲故事，[Chorus] 唱高、重复。粘贴无标记歌词时机器会自己判断：重复的段落是副歌，副歌之后留一段间奏。
- 选对歌词的语言。 中文歌词却选英文演唱，发音会完全错误。
- 多跑几次。 同一伴奏同一歌词，每次都是新的唱法。留下你最喜欢的一版。
三个步骤
- 上传你的伴奏（纯音乐，不带人声）。
- 粘贴歌词，选择语言和演唱声音。
- 点击让 AI 演唱，等几分钟，试听完整歌曲 / 伴奏 / 人声后下载。
想自己混音？单独下载人声，和原伴奏一起放进自动混音：可以像在录音棚一样调整混响、EQ 和人声音量。
常见问题
- AI 会踩准我伴奏的节拍吗？
- 会。机器先测出伴奏的速度和调性，找到前奏结束的位置，再让 AI 边听伴奏边唱：唱句踩在拍子上，副歌落在伴奏推高的地方，间奏留空。之后机器会过滤结果，只保留歌声，不夹杂吉他或鼓声，再混到你的原伴奏上。你的伴奏保持原样。
- 我把一首现成歌曲的歌词贴到它自己的伴奏上，为什么 AI 唱的旋律不一样？
- 因为这个工具会创作新旋律。伴奏里只有速度、调性和和弦，没有歌手的旋律，所以 AI 会为你的歌词写一段与伴奏相配的旋律。想保留原曲旋律，请用 AI翻唱：上传带人声的原曲，机器保留旋律，只换声音。
- 我唱得不好，也能用自己的声音吗？
- 能，这正是我的声音的用途。AI 先用它自己的声音演唱，再根据 20 到 40 秒的样本把音色转换成你的。唱法、节奏和音高来自 AI，音色是你的。
- 免费吗？
- 免费。无需注册，每天不限数量。每人同时只能跑一首：这首完成后马上可以做下一首。每首歌要在显卡上运行几分钟，所以有时需要排队。
- 我的伴奏和歌词会被保存吗？
- 伴奏和声音样本在处理完成时立即删除，歌曲 24 小时后自动删除。如果使用你自己的声音，从样本学到的声音模型会在最后一次使用后保留 24 小时，然后删除。没有任何公开页面链接到你的歌曲，我们也阻止搜索引擎收录这部分内容。
- 做出来的歌归谁？
- 伴奏和歌词是你的。AI 生成的人声不属于任何歌手，你可以用在自己的歌里。如果打算商业发行，请查看发行平台对使用 AI 制作的音乐有何规定。
- 可以选某位知名歌手的声音吗？
- 不可以。只有不属于任何人的 AI 声音，或你自己的声音。未经本人同意使用他人的声音，侵犯其对自己声音的权利。
这个工具能做什么
你给它一段纯音乐伴奏和你的歌词，再选择 AI 男声、AI 女声或我的声音。演唱模型会先听伴奏，为你的歌词写一条人声旋律，并按这段伴奏的速度和调性唱出来。随后人声被混到你的原伴奏上，你会得到三个文件：完成的歌曲、伴奏，以及单独的人声。音乐不会重新生成：你上传的伴奏，就是你在歌里听到的伴奏。
它适合会做伴奏但不想自己唱的制作人，也适合手里有歌词、想先听个小样感受一下效果的词作者。还没有伴奏？AI写歌工具可以从零做出一整首歌。
歌曲诞生前的五个步骤
- 速度与人声进入时间。 工具会测量 BPM，找出小节线，并寻找前奏的结尾。核心规则是：绝不在音乐突然变响的地方让人声进入，因为那通常是一段器乐 hook，而不是第一段主歌。你也可以在「人声进入时间」框里自己填写，例如 0:32。
- 调性。 三个不同的调性检测器投票。只有当足够多的检测器意见一致时，调性才会传给演唱模型；否则就让模型自己听伴奏，而不是告诉它一个可能出错的调。
- 歌词结构。 直接粘贴的纯歌词会被自动加上标签：重复次数最多的那组句子成为副歌，其余成为主歌，副歌之后会给器乐留一段空档。只有 hu hu hoh 这类哼唱的段落会变成器乐间奏。你自己写好的标签会被保留。
- 演唱、清理、打分。 模型在从起点处截取的伴奏上演唱，人声再被放回对应的那一秒。人声轨会经过人声分离器，去掉吉他和鼓的串音。每一遍演唱都会打分；进得晚的那一遍会重唱，最多两次，最后交付最好的一遍。
- 混音。 人声比伴奏低 2.2 LU，这是在一个包含 144 首歌的公开分轨数据集上测得的中位数；随后歌曲做母带处理，响度约为 −14 LUFS，真峰值 −1.3 dBTP。
我们测了什么
每个步骤都有一个事先知道正确答案的测试台。主要数据如下：
| 测试 | 结果 |
|---|---|
| 人声起点，57 首已知答案的歌 | 从第 0 秒开唱，会在 79% 的歌里盖住前奏。现用检测器：误差在 ±1 小节以内的占 64.9%，误差中位数 0.5 小节，盖住前奏的占 1.8% |
| 调性检测，48 首已知调性的歌 | 46/48 正确（上一版为 40/48） |
| 歌词结构，300 首已标注的歌 | 找出结构 96%，正确识别副歌句子 87%，主歌未被误认为副歌 92% |
| 节奏吻合度（1 代表该伴奏的原唱） | 流行 99 BPM 为 +0.89；lo-fi 144 BPM 为 +0.66。同一伴奏上换成另一首歌的人声，只有 +0.06 到 +0.23 |
| 越南语歌词回听识别（含声调符号，按句计） | 流行 0.938；抒情 0.860；lo-fi 0.688（丢了前两句） |
| 人声轨中的伴奏串音 | 清理前 +0.736，清理后 +0.257；真人歌手中位数 +0.254 |
| 进唱过晚：用户把一首歌粘贴成 48 行不分段的歌词 | 修复前晚了 16.1 秒；两次重跑分别为 1.1 秒和 0.0 秒 |
还有一项指标是长音占比：在有声的时间里，花在稳稳保持 0.6 秒或更久的音符上的比例。在真实人声中，说唱在 0.11 到 0.19 之间，抒情歌在 0.22 到 0.43 之间。低于 0.2 的抒情歌，听起来更像在说话而不是在唱歌。
需要多长时间
对一段 75 秒的伴奏，上线时通过正式站点测得：使用 AI 声音为 78 秒，使用「我的声音」为 173 秒。加入清理和打分步骤后，一段 100 秒的伴奏配 12 句歌词、用 AI 女声，从头到尾用了 219 秒。高峰时段还要另加排队时间。「我的声音」耗时更长，是因为先由 AI 演唱，再由换声模型把音色换成你的；某个声音样本第一次使用时，工具还得先学习这个声音。
局限
- 旋律是新的。 伴奏，哪怕是卡拉 OK 伴奏，也不包含歌手的旋律。演唱模型会为你的歌词写一段新曲调，所以旧歌词不会回到它原来的旋律上。想保留一段你有权使用的录音的旋律，请用 AI翻唱。
- 抒情歌有时长音不够。 整首一次唱完时，抒情歌的长音占比可能只有约 0.18，落在说唱的范围里。把每段约 100 秒分开唱，平均值能提高到 0.30，但分开生成的两段听起来像两个不同的歌手，所以这个功能暂未开启。
- 带 drop 的 EDM 伴奏。 工具在前奏期间会保持安静，但仍可能在 drop 和 break 上开唱。
- 调名可能报成关系调。 一首用 D 小调写的歌曾被报成 F 大调。这两个调共用同一组音，所以演唱不受影响，但结果页上的调名会和原谱不同。
- 慢速抒情歌可能落在网格之外。 一首 71 BPM 的抒情歌在拍点上得分 −0.36，偏移一个十六分音符后得分 +0.63。这样的断句好不好听，目前还没有定论。
- 每次演唱都不一样。 同样的伴奏、同样的歌词，每次都是一次新的演绎。
常见问题
我的伴奏里还有人声或喊声，会怎样？
AI 会叠在它们上面唱。请先用人声分离取出纯伴奏，再上传那一份。
人声进错了位置，怎么修正？
结果页会显示人声从第几秒开始，以及这个起点是工具检测出来的还是你自己选的。如果不对，就重新跑一次，在「人声进入时间」框里填写开始时间，例如 32 或 0:32。前奏很长、器乐 hook 不寻常的地方，最容易检测失败。
需要加 [Verse] 和 [Chorus] 标签吗？
不需要。在有自动标注之前，一首粘贴成 48 行不分段的歌会变成一整段主歌，晚进 16 秒，听起来像在念。现在工具会自己找出重复的段落，在同一份歌词上，它给出的标签和词作者亲手加的完全一样。想要稳妥，照样可以自己加标签；你的标签会被保留。
为什么 AI 会重复我的歌词？
当歌词比伴奏短时，演唱模型会重复歌词来填满剩下的音乐。一段三分钟的伴奏通常需要两段主歌和两到三次副歌。多写几句，或把伴奏剪短，就能避免。
相关研究
还没有伴奏？
用 AI 几分钟做出一整首歌，或从现有歌曲中分离出伴奏。