跳到正文

#教程/实践

今日 0 条
当前 4 条摘要

按 #教程/实践 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。

相关主题教程与实践

按原文发布时间排列。

11月9日周一原文发布
  1. TheWrap34

    Adobe 推出由 Dhar Mann、Kinigra Deon 等创作者主讲的 10 门 Creator Playbook 大师课

    Adobe 在 Adobe MAX 前推出免费的创作者课程系列 Adobe’s Creator Playbook,邀请 Dhar Mann、Kinigra Deon、Madeline Salazar、Curious Refuge 等创作者分享实际经验,帮助创作者提升内容制作、商业经营、分发和 AI 工具运用能力。全系列共 10 门课,将于 11 月 10 日至 12 日在 Adobe MAX 提供;Madeline Salazar 与 Curious Refuge 主讲的两门数字课程于 11 月 10 日上线,其余八门将在未来数月陆续推出。 课程涵盖借助 AI 精确增强和编辑图像、将 AI 原生创意贯穿完整制作管线、扩大创作者业务、长篇叙事与剧本创作、平台及分发策略、内容格式与开场钩子及缩略图和剪辑、品牌合作与变现、制作前的故事视觉世界构建、从素材到叙事,以及能够推动行动的品牌内容。Adobe 创作者产品营销高级总监 Meg Donovan 表示,团队历时约三至四个月开发该项目,先围绕创作技艺、商业建设、分发和 AI 工具确定课程框架,再邀请相应领域的创作者参与。 Curious Refuge CEO Caleb Ward 及其团队用数周设计了“AI-Generated Content: Take an AI-Native Idea Through the Full Creative Pipeline”课程,其中包括团队称为“Studio Anywhere”的思路,即利用 AI 帮助创作者在缺乏实体影棚预算时开展制作。Adobe 表示这是 Creator Playbook 推出的第一年,后续将根据创作者的反馈和需求探索持续支持社区的方式。 Adobe 同时公布了 Creators’ Toolkit Report 的部分结果,该报告调查了超过 2,000 名美国创作者。在已经把 AI 纳入工作流的受访者中,78%称 AI 加快了其业务或粉丝增长;全职创作者中的这一比例为 89%。60%的受访创作者认为,具备高级 AI 技能的人正在获得自己得不到的机会;51%认为熟练使用 AI 与不熟练者之间的差距会扩大。使用创意 AI 的受访者中,89%有信心学会继续成长所需的 AI 技能,60%认为 AI 至少在一定程度上让作品更容易脱颖而出,但68%表示有时不得不接受与自身设想不完全相符的结果。 在将 Agentic AI 用于创意工作的受访者中,36%曾让其完成过去过于复杂的项目,59%认为即使计入下达指令、调整结果和作出创意决定的时间,AI 智能体总体上仍节省了时间。不过,77%的创作者认同最终创意决定应始终由人类创作者作出。这些数据均来自 Adobe 发布的调查及受访者自述,不代表独立实测结论。

10月14日周三原文发布
  1. ProVideo Coalition48

    使用真人演员或 ElevenLabs 克隆声音制作多角色对话有声书

    作者以儿童读物《El gato que se le coló a Colón》的有声书制作为例,介绍如何在客户无力聘请真人配音演员的情况下,使用 ElevenLabs Pro 方案的克隆声音完成多角色对话。该项目需要六种声音,分别对应一名女性旁白及 Paquito、Cloti、Cristóbal Colón、未具名船员发言人和 Rodrigo 五个角色。这也是作者首次制作以实际角色对话贯穿内容的有声书;此前的多声音作品通常只在片头、单章、前言、序言或后记中更换声音。作者认为,ElevenLabs 目前已能提供较自然且可辨识的情绪表现,真人专业配音与克隆专业声音之间仍有差距,但差距正在缩小。 制作按作者要求,让女性旁白采用拉丁美洲口音及 seseante 发音;西班牙雄猫 Paquito 的克隆声音整体适合角色,但其卡斯蒂利亚发音不稳定,会随词句在 distinguishing 与 seseante 之间切换。作者强调,这类差异未必会被所有听众察觉,却是成品中真实存在的限制。项目网站的免费样段只包含旁白、Paquito 和未具名船员发言人,不能代表完整有声书中六个角色的全部情绪表现。 ElevenLabs 还会扫描稿件,对无法确定读音的词语和专有名词提出确认,并提供试听猜测及音标式输入字段,使设定应用于全文。在这份卡斯蒂利亚语稿件中,只有作者介绍部分的地名“Dade”需要人工输入“deid”纠正;系统最初将其读成类似英语语音的“Dah-Day”。各版本的共同核心是 Carmela Doval(亦名 Carmen L. Bofill)创作的故事;有声书的特点是六种声音的协作,纸质版和 PDF 版则以 Andreína Ascanio Toro 的插图见长。目前作者为争取较高版税,仅通过作品网站销售有声书和 PDF;纸质书则借助 TecnoTur,经 Amazon、IngramSpark 及 TecnoTur 的扩展渠道发行,后者覆盖多个拉丁美洲国家和西班牙更多独立书店。文末披露称,文中个人和公司未为本文付费,作者也未从 ElevenLabs 获得特别折扣或 NFR,但部分第三方链接可能通过联盟计划间接使 TecnoTur LLC 获益。

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30日周三原文发布
  1. ProVideo Coalition48

    《Remembering》:首部以作者本人克隆声音朗读的有声书

    TecnoTur 为 Anna Pittman 的首部著作《Remembering: Wholeness and Awakening through the Twelve Steps》制作并发行多个版本,其中英文有声书采用作者本人的克隆声音朗读。全书定稿为 308 页、63,325 词;考虑到真人配音需要投入大量录制、补录和编辑时间,且 Anna 希望保留自己的声音,团队基于制作周期和预算选择了声音克隆方案。用于克隆的真人录音来自 Ernesto Morales-Ramos 此前为 Anna 的音频冥想项目所做的录制,使用 MXL 770 电容麦克风。 在比较 FlexClip、ElevenLabs、Descript、DaVinci Resolve Studio 等方案后,作者为本项目选用 ElevenLabs Pro 计划。导入书籍的 ePUB 版本后,ElevenLabs 分析了全部 63,325 词,列出其无法确定读音的术语和人名,允许制作人员试听系统的初步发音,并在需要时以注音方式输入正确读法。文章作者将其称为“主动式配音词汇表”;该功能可为制作提供起点,但不能替代人工逐章、逐节试听,以及对生成语音进行必要的手动修改。 互动有声书采用支持章节和段落导航的 M4B 格式,主要通过 Remembering.info 直接销售,同时提供 ePUB 版本;网站另设 M4B 与 ePUB 使用说明页面,并将链接加入页脚及购买后的自动邮件收据。有声书也可通过 Spotify 获取,但作者所得版税较低。纸质书在文章发布时已面向阿根廷、澳大利亚、智利、哥伦比亚、厄瓜多尔、墨西哥、波多黎各、西班牙、乌拉圭、英国和美国销售,各地区页面以当地货币显示价格。