跳到正文
当前 11 条摘要

按 #声音 标签筛选相关文章,全部摘要包含已公开的精选与非精选内容。

相关主题声音制作

按原文发布时间排列。

11月12日周四原文发布
  1. RedShark News61

    Adobe MAX 2026 Sneaks 展示全部 10 个实验项目,两项已开放试用

    Adobe 在 MAX 2026 Sneaks 展示了 10 个研发实验,其中 Project Deep Brush 和 Project Hands On 已可在新设的 Adobe Labs Playground 试用。Playground 还提供 Adobe 正在探索的 Photoshop 新能力 Project Custom Filters;Adobe 邀请创意社群体验并反馈,Project Screen Test 和 Project Sound Bender 被列为可能即将加入的项目。Adobe 表示,历年 Sneaks 项目约有一半最终会进入正式软件,但今年哪些项目会落地尚未确定。 视频方向包含四项实验。Project Scene Sweep 可理解一组镜头中的角色、地点和场景,将一次编辑一致地应用到不同剪辑点和机位;Project Screen Test 用于设定虚构角色的外观、声音和性格,并通过自然语言对话探索其在不同场景中的反应;Project Live Set 可在场景持续过程中更换主体、改造环境或重新引导摄影机;Project On Cue 则让创作者控制生成视频中动作或事件发生的时机,其可编辑时间信号既可手绘,也可从视频或音乐中提取。 音频实验 Project Sound Bender 可根据描述从完成的混音中提取声音,并在交互画布上探索变化,包括实时塑形、让声音运动匹配视频,或从描述生成新声音。图像与设计方向中,Project Deep Brush 让笔触顺应表面轮廓、在保留自然阴影的情况下改色,并可直接在场景中绘制光线;Project Sight Span 将图像转化为可导航环境,以寻找原画框之外的新角度;Project Hands On 根据图像内容在画布上生成直接操控控件;Project Rinse Repeat 将局部编辑适配并复用到其他区域,且因使用 Photoshop 原生工具重建而保持可编辑;Project Link Up 根据手势意图调整设计元素的透视、比例和风格,输出仍可编辑的矢量图稿。

    推荐理由:文章按视频、音频和图像设计梳理十个研发实验,并区分已开放试用与仍处展示阶段的项目,呈现各方向的产品化进度。

11月7日周六原文发布
  1. Production Expert78

    Vienna Symphonic Library 推出 Vienna Performer,将 MIDI 渲染为真人演奏音频

    Vienna Symphonic Library 推出 Vienna Performer,这款插件将作曲者提供的 MIDI 渲染为真人演奏音频,通过加入乐句处理、呼吸、弓向、颤音和时值变化减少演奏编程工作,但不会生成新音符。它被定位为现有音源库的配套工具,而非音源库替代品;音色、奏法、麦克风设置和空间选择仍由用户已有的音源库负责。 插件可接收 MIDI 文件、DAW 轨道、MusicXML、宿主传入的实时 MIDI,以及直接在 Dorico 和 Sibelius 中打开的乐谱。发布时提供独奏小提琴、大提琴、长笛、单簧管、圆号,以及按真实编制录制的第一小提琴、第二小提琴、中提琴和大提琴声部,素材均录制于 Vienna Synchron Stage,并与 Synchron 音源库匹配。独奏小号和低音提琴声部仍在制作,之后将加入现有订阅方案,无需另购。 渲染时必须联网,已保存到本地的渲染文件则可离线播放;输出以 FLAC 保存至用户指定的文件夹。用量按演奏分钟计算,每个乐句向上取整至最接近的 10 秒。插件无需 iLok,但需要 VSL 账户和有效订阅,支持 macOS 12 或更高版本、Windows 10 或 11,并以 VST3、AU 和 AAX 格式运行。 三个方案功能相同,仅每月渲染分钟数不同,含 VAT 的月费分别为 €9.99、€19.99 和 €49.99,对应 140、360 和 1,000 分钟;年付价格为 €99.90、€199.90 和 €499.90,相当于支付十个月获得十二个月服务。分钟数在账单日发放,月付可随时取消。 Vienna Performer 可作为额外乐器轨道加入现有 Synchron 模板,也能加入 Dorico 的播放配置并在 Vienna Ensemble Pro 8 中使用,但不支持 Vienna Ensemble Free 7,且没有独立运行版本。厂商称其不会用用户素材训练、不取得素材权利,也不存储 MIDI 或渲染结果,并将其描述为需要逐音符输入、而非依赖提示词的 AI 辅助工具。

    推荐理由:按演奏分钟而非功能分档的订阅设计,以及与现有音源库的分工,可供作曲者核算编程时间与持续成本。

  2. Mix Online78

    iZotope 发布 GPU 加速音频分轨应用 Photon

    iZotope 推出 Photon,一款由 12 个定制训练模型驱动的独立应用和 ARA 插件,用于 AI 音频分轨与增强;这是 iZotope 与 Boris FX 的首次合作。Photon 可在本地 GPU 上处理音频,无需上传,并能在 DAW 中通过 ARA 调整分轨或清理背景噪声。 分轨模型包括音乐 4 轨拆分、鼓组 5 轨拆分、最多 6 位说话者分离、人声与音乐 2 轨拆分,以及将影视音频拆为对白、音乐、音效和其他声音的 Cinema 4 轨模型。降噪模型面向语音修复、室内混响与房间噪声,以及交通、城市环境和强风等户外噪声。 Photon 支持同时运行并切换多个模型、从片段任意位置开始预览,以及通过 Model Manager 下载更新模型;可导出 WAV、FLAC、MP3,或保留原视频流并按源格式输出视频。产品现已提供,早期 cyber 优惠持续至 2026 年 12 月 7 日。

    推荐理由:材料集中列出分轨、语音清理、本地 GPU 处理及导出能力,可用于评估其与现有音频工作流的衔接方式。

11月5日周四原文发布
  1. RedShark News78

    iZotope 发布 Photon,利用本地 GPU 分离音轨并清理录音噪声

    iZotope 发布 Photon,这款独立应用和 ARA 插件通过 12 个定制训练模型,在本地 GPU 上完成 AI 音轨分离与音频增强,无需上传素材;它也是 iZotope 与 Boris FX 研究团队的首次合作。作为 ARA 插件,Photon 可同时运行多个模型并在模型间切换,预览可从片段任意位置开始,Model Manager 则能在无须重装软件的情况下下载新增或更新的模型。 Photon 提供 Demix Music 4 Stems、Music 4 Stems Ultra、Drums 5 Stems、Voice Separator、Voice 2 Stems 和 Cinema 4 Stems 等模型,可将音乐拆为四条音轨,将鼓声分成底鼓、军鼓、踩镲、通鼓和镲片,将单个音频文件中的最多 6 名说话者分别提取,或把视频与音频拆为对白、音乐、音效及其他内容。Denoise Voice Restore 可处理语音、噪声、电平、麦克风音色和混响,另有针对室内、嘈杂室内、室外、交通及强风环境的模型。 软件支持打开 .wav、.mp3、.flac、.aiff、.aif、.aac、.m4a、.mp4、.mkv、.mov、.mxf 和 .mpg,输出 WAV、FLAC、MP3,或以源视频格式导出并保留原始视频流。Photon 已在 izotope.com/products/photon 上线,MSRP 为 349 美元,促销价 259 美元;付费 iZotope 产品、RX Elements、RX Standard 和 RX Advanced 用户的交叉升级促销价分别为 179、129、74 和 49 美元。订阅价格为每月 19 美元,首月 12 美元;或每年 119 美元,首年 89 美元。促销持续至 2026 年 12 月 7 日。系统要求为搭载 Apple silicon 的 macOS 14 或更高版本,不支持 Intel Mac;Windows 端要求 Windows 10 或更高版本、64 位系统及至少 4 GB VRAM 的 GPU。内存最低 8 GB,建议 16 GB。

    推荐理由:材料汇总了本地 GPU 音轨分离、降噪模型、格式兼容与硬件门槛,便于评估其在音频后期流程中的适配成本。

11月4日周三原文发布
  1. postPerspective77

    iZotope 推出 AI 分轨与降噪工具 Photon

    iZotope 推出独立应用及 ARA 插件 Photon,使用 12 个定制训练的机器学习模型进行音频分轨和增强,并在用户 GPU 上本地处理,无需上传文件。用户可选择模型处理音频并导出结果,也可在 DAW 中通过 ARA 插件调整立体声分轨的平衡和背景噪声。 Photon 的 Demix 模型包括 Music – 4 Stems Ultra、可分离底鼓等五类鼓声的 Drums – 5 Stems、最多可将 6 位说话者拆分为独立分轨的 Voice Separator、分离人声与音乐的 Voice – 2 Stems,以及面向对白、音乐和音效等内容的 Cinema – 4 Stems。降噪模型包括 Voice Restore、Indoor、Indoor Noisy、Outdoor、Outdoor Traffic 和 Outdoor Wind,分别处理语音增强、房间混响、环境噪声、交通声及风噪等问题。 软件支持同时运行并切换多个模型,可从片段任意位置开始预览处理结果,并通过 Model Manager 下载新增或更新的模型。导出格式包括 WAV、FLAC、MP3 和视频,视频导出可保留原始视频流;价格和系统要求需查阅其网站。Photon 是 iZotope 与今年 7 月收购该公司的 Boris FX 之间的首个合作项目,双方研究团队共同开发音频处理模型。

    推荐理由:本地处理、分轨模型与导出格式等信息,可用于评估其在音乐重混和对白清理流程中的适用性。

  2. ProVideo Coalition76

    iZotope 推出 Photon,以 12 个机器学习模型实现本地分轨与降噪

    iZotope 推出 Photon,利用 12 个定制训练的机器学习模型,在桌面端通过本地 GPU 加速完成音轨分离和降噪,也可作为 ARA 插件在 DAW 中调整立体声素材。该产品由 iZotope 与 Boris FX 的研究团队合作开发,支持从任意片段位置开始预览处理结果,并允许组合运行多个模型及快速切换。 分轨模型包括用于音乐的 Music – 4 Stems Ultra、可拆分底鼓等五类鼓声的 Drums – 5 Stems、最多分离六名说话者的 Voice Separator、分离人声与音乐的 Voice – 2 Stems,以及将素材拆成对白、音乐、音效和其他内容的 Cinema – 4 Stems。降噪部分包含 Voice Restore、Indoor、Indoor Noisy、Outdoor、Outdoor Traffic 和 Outdoor Wind,分别面向语音修复、室内混响与环境噪声,以及交通、城市和强风噪声。 Photon 的模型在本地 GPU 上运行,无需上传素材;Model Manager 可下载新增或更新的模型,无需重新安装软件。导出格式包括 WAV、FLAC、MP3,也可按源视频格式导出并保留原始视频流。Photon 现已提供,early cyber 优惠持续至 2026 年 12 月 7 日,具体价格需登录 iZotope.com 查看。

    推荐理由:材料列出分轨与降噪模型的适用对象、处理方式和导出格式,可用于评估桌面音频清理流程的适配性。

10月11日周日原文发布
  1. Production Expert44

    Charles Maynes:声音设计技能不受 AI 威胁,但声音行业未必安全

    声音设计师兼终混师 Charles Maynes 认为,生成式 AI 尚不能取代影视、流媒体及互动媒体声音从业者的创造性思维,但声音行业仍面临更现实的生存威胁:客户以成本和速度为先、AI 能力只能租用而非拥有、版权归属不明,以及低端市场被逐步侵蚀。AI 可以从既有作品中归纳“剑击盾牌后余振”之类的范例,却不能像人类一样以隐喻连接动作与抽象叙事,也缺少创作中的“意外收获”;复杂提示词能够细化指令,却不能弥补这种思维差异。 Maynes 指出,“声音设计师”本身定义不一:Walter Murch 式的理念将其视为统筹对白、音乐、效果、拟音和环境声并构成最终声轨的“声音导演”,而好莱坞语境中又常指创造特殊声音的人,部分统筹职能则由声音剪辑指导和终混师承担。业内清楚专业声音工作的价值,但多数客户不了解其制作过程。AI 宣传所承诺的低成本、快速结果,促使部分制片方在“便宜、快速、优质”三者中选择前两项,只追求足以发行的最低质量;高速互联网又使欧美低预算项目能够转移至劳动力成本更低的国家,工会和专业组织因而难以仅凭行业内部共识扭转局面。 文章还强调,AI 提供的“即时专长”依赖服务持续存在,用户并不拥有这种能力;一旦服务关闭,能力也随之消失。工具的创作边界由设计者而非最终用户决定,可能迫使使用者接受预设工作流和有限选项。其风险不只在于工具效果不及宣传,更在于低成本生产首先减少入门及低端岗位,令培养和延续专业技艺的人才基础萎缩,再沿质量阶梯向上扩散。Maynes 以无需演员、布景、摄影和声音团队的 YouTube AI 广告,以及在罢工和制作放缓后成为部分从业者工作来源的“Verticals”为例,说明侵蚀已从产业底部发生;同时提醒,不同文化对 AI 方案的适用性和接受程度并不相同。 在版权与市场机制方面,Maynes 将提示生成内容称为“版权黑洞”:若影片、剧集或其中的声音由 AI 生成,其所有权、可复制性及身份被竞争作品挪用后的责任都不明确。他主张通过国家和国际立法,明确拒绝为侵用既有人类作品的提示生成内容提供版权保护;并援引音乐流媒体设置 AI 内容障碍、澳大利亚近期禁止生成式 AI 音乐进入排行榜的做法,认为排行榜和媒体曝光限制可能影响投资判断,给采用 AI 的制片方带来经济压力。这些是作者提出的政策立场与行业判断,并非文中所述问题已经获得统一法律结论。 Maynes 最终认为,保护声音艺术不能只依靠知名导演拒绝 AI,因为相关企业主要瞄准的是产业金字塔底部。决定性力量仍是观众:行业需要理解观众为何会接受 AI 媒体,是成本过高、内容质量已足够,还是个性化提示生成满足了需求;同时也应反思高达 2 亿美元的制作和频繁推出大片是否必要。声音及影视从业者应在国际范围倡导人类创作者的贡献,并与以投资回报为目标的制片方进行坦诚、善意的商业协商,建立既能维持生产基础设施、又能保护创作渠道的长期共识。真正的防线,是持续创作超越既有作品简单重组、能让观众珍视而非视为一次性商品的故事。

10月9日周五原文发布
  1. Deadline69

    Paul Vaughan之女指控Royal Mail用AI再现其亡父声音

    Deadline调查发现,Royal Mail在2025年圣诞广告中使用ElevenLabs技术生成旁白;已故BBC节目、Paddington有声书旁白Paul Vaughan的女儿Lucy Wynne认为,该声音未经许可再现了父亲的嗓音。Royal Mail承认广告旁白由AI生成,但称其并非为模仿任何特定个人,制作方此前的检查也未发现声音相似问题。 该广告由Darwin & the Machines统筹,Untold Studios负责拍摄真人故事,捷克AI公司Fameplay承接旁白并使用ElevenLabs技术。Fameplay称生成提示未引用Vaughan;ElevenLabs确认这不是对Vaughan的直接声音克隆,但拒绝说明模型训练材料是否包含他的录音。Vaughan曾为BBC《Horizon》、Radio 4《Kaleidoscope》、电视剧Threads及Paddington有声书担任旁白,公开领域存在大量其专业录音。 Queen Mary University of London的声音心理学专家Nadine Lavan表示,研究显示家属辨认亲人声音的能力很强,据此可认为广告声音与Vaughan非常相似。University of York法证语音科学教授Vincent Hughes在广告音频较短的限制下,仍发现两者在辅音和元音发音模式及整体音色上存在“相当大的语音相似性”。Deadline另用三种开源AI分析工具比对,三者均认为该合成声音有较大概率与Vaughan属于“同一说话者”,但这些结果并未确定模型是否使用过其录音。 Wynne批评制作方未充分调查声音来源,也反对AI取代配音演员;她投诉后尚未收到Royal Mail道歉。ElevenLabs随后将Vaughan加入No Go Voices名单,今后不得在其平台上被直接克隆。报道以此案例说明,即使没有明确要求复制某个人,生成式语音也可能产生与真实人物高度相似的结果,并引出训练数据透明度、相似性检查及责任归属问题。

    推荐理由:报道结合家属辨认、法证语音分析与开源工具比对,呈现合成旁白相似性审查与责任归属的现实难题。

10月5日周一原文发布
  1. Production Expert69

    Limited Edition Audio 发布 Pro Tools AI 人声分离插件 VoxSplit Pro

    Limited Edition Audio 发布 VoxSplit Pro,一款可将同一轨道中的两名说话者分离为不同人声的 AI 插件,重点解决传统工具通常只能分离人声与背景、难以处理人声与人声的问题。插件由声音指导剪辑师兼终混师 Frédéric Le Louët 根据其制作工作中的反复需求开发,全部处理均在本机完成,不会向云服务上传音频,因此可用于受 NDA 约束的素材。 VoxSplit Pro 提供 Standard、Precision 和 Rescue 三种处理配置,可按素材难度逐级加强处理;另有可选的 finishing 阶段,用于让分离后的人声在混音中更突出。应用场景包括修复困难的现场对白、从混合母版中移除背景音乐或环境声、从完成的混音中提取旁白,以及为播客或访谈分离录在同一轨道上的两名说话者。用户可在提交处理前试听分离结果并与源文件比较,再将结果送回 Pro Tools 时间线或导出为文件。 插件在 Pro Tools 中以 AAX AudioSuite 运行,同时提供 VST3 和 Standalone 版本;支持 macOS,并针对 Apple Silicon 优化。产品通过 iLok 账户激活,提供覆盖三种格式及三种处理配置的 7 天全功能试用。现已上市,首发价为 €199,常规价格为 €249,价格包含欧盟增值税;采用一次性永久许可证,不设订阅。

    推荐理由:文章交代本地处理、三档配置与宿主格式,可帮助后期人员判断其是否适合保密素材和双人对白修复。

10月2日周五原文发布
  1. Production Expert75

    如何用 MVSEP 将《A Day in the Life》的 4 轨录音分离为 38 轨

    John “Wheels” Hurlbut 以亲自进行的音乐修复与 Dolby Atmos 混音为例,说明如何用 Steinberg SpectraLayers 和 MVSEP.com 从单声道、立体声或少量多轨录音中分离乐器、人声及环境声;其中,他把 The Beatles 的《A Day in the Life》4 轨录音拆成 38 轨,分离与混音约耗时 30 小时。 Hurlbut 最初在专业项目中使用 SpectraLayers。为《The Lake》处理 Bryan Adams 的《Run To You》时,他先移除副歌前的人声,再将音乐上混至 5.1;在修复 The Leslie Spit Treeo 等 EMI Canada 档案录音时,他用 De-Noise 模块采样并去除模拟多轨中的磁带底噪,还把原始发行版从 Tidal 录入 DAW、分离为鼓、贝斯和吉他等参考 stem,再通过 Nuendo Control Room 在参考 stem 与新混音之间 A/B,对照还原原始平衡,之后转入 Dolby Atmos 混音。 分离工具也用于补回多轨中缺失的内容。处理 Tom Cochrane 的《Boy Inside The Man》时,他从原始混音的鼓 stem 中寻找底鼓和军鼓采样,以 Nuendo Hitpoints 生成 MIDI,再用 Groove Agent 触发;Glass Tiger 的《The Thin Red Line》缺少开头群体音效,他用 SpectraLayers 的 Unmix Crowd 从立体声混音中提取;Queensrÿche 的《Suite Sister Mary》多轨缺少哥特式合唱,他先分离人声,再用 Unmix Chorus 拆分主唱与背景人声。对于现场录音中的串音和吉他指滑噪声,他分别使用 Unmix Song 或频谱绘制处理。 作者随后测试 MVSEP.com,认为它提供的乐器与人声分离算法比 SpectraLayers 更细,同时还包含 audio-to-MIDI、修复和声音克隆等功能。注册账户的大多数分离可免费使用,但音频格式受限;Premium 单次分离通常消耗 1–4 credits,ensemble separation 可超过 20 credits,600 credits 售价为 10 美元,并支持一次批量上传最多 40 个文件。在 Rush 的《The Spirit of Radio》立体声版本上,他不仅分出了吉他 stem,还进一步拆出主音、节奏部分及副歌中的人声效果。 处理《A Day in the Life》时,他从原始 4 轨出发,将鼓拆成底鼓、军鼓、踩镲、Ride Cymbal 和三个手动划分的 Tom 轨,并分出贝斯、钢琴、木吉他、沙锤、康加鼓、John 与 Paul 的人声。人声中的合唱段通过 Choir 算法拆成女高音、女低音、男高音和男中音;单声道管弦乐轨又被分成小提琴、大提琴、Arco Basses、长笛、单簧管、双簧管、小号、圆号、大号、定音鼓和打击乐。加上从原始混音提取的前接人群与音乐、结尾钢琴或管风琴、18K 正弦波及内圈音频,共得到 38 轨。作者称这些轨道没有可闻伪影,但这一判断来自其个人测试。 MVSEP 由 Roman Solovyev 和 Olimjon Elmurodov运营。Solovyev 表示,模型使用 Python、PyTorch 和其开源训练框架开发,当前常用架构为 BSRoformer;许多模型可通过 MSST 仓库或 Ultimate Vocal Remover 在本地运行,包括 53-stem Mega model。平台约有 20 台 GPU 服务器,平均每天处理约 25,000 首音轨;Premium 用户优先,免费用户有时需要排队,计算量较大的 124-band BS Roformer 偶尔仅向 Premium 用户开放。团队还在开发用于众包盲测分离算法的 Music Arena,并计划增加面向罕见乐器的专用模型。

    推荐理由:作者以多项档案修复和沉浸声混音实例,展示分离工具如何辅助还原原始混音并补回缺失素材。

9月23日周三原文发布
  1. Mix Online72

    AudioShake 发布对话分离工具 Multi-Speaker 2.0

    AudioShake 发布 Multi-Speaker 2.0,更新其对话分离工具,可将一段混合对话中的不同人声拆分为独立、干净的音轨,并针对笑声盖过对白、相邻领夹麦串音及多人重叠说话等 Crosstalk 场景隔离声音,同时尽量保留自然表达。 编辑可通过 AudioShake Studio 或 API 上传混合文件,导出与源素材采样率匹配的独立说话人音轨,以及包含房间声、交通声和背景噪声的独立环境声轨,用于压低、修饰或重建声场。系统还会提供定向置信度标记,把低置信度片段定位到 20 毫秒帧,便于编辑直接检查可能需要人工复听的位置。 报道称,2.0 版在嘈杂环境中的隔离更清晰,与 1.0 相比串音减少 32%,并提供 8 kHz 至 48 kHz 的全频段覆盖。AudioShake 称其采用纯声学模型而非预测式语言模型,以保留带口音的表达、多语言对话和重叠发声,避免产生臆造式编辑。Multi-Speaker 2.0 已在 AudioShake Studio 提供。

    推荐理由:材料给出串音分离、置信度标记及独立环境声轨等细节,可供对白编辑评估检查与重建流程。