深度音频博客

在线ai翻唱：选RVC翻唱还是一句话翻唱？

Thu, 08 Jan 2026 09:45:08 +0800

“ 如何用你的声音唱歌？您可以选择简单到奶奶都会用的一句话翻唱，或者选择主播们都在用的RVC翻唱。”

末尾是AI唐僧翻唱的《苹果香》

您绝对没听过，首发～

—

RVC翻唱VS一句话翻唱

刚刚上手的宝子们可以试试一句话翻唱

—

一句话翻唱步骤

按照这个步骤操作后，大约5分钟能处理完，完成通知会发送到公众号！

—

彩蛋

唐僧翻唱的《苹果香》

在手机上用uvr5和msst分离人声，免下载免显卡

Sat, 09 Aug 2025 17:06:33 +0800

“ 在“深度音频”公众号使用uvr5和msst音频分离，支持提取视频中的纯人声。”

uvr5和msst都是著名的分离音频工具，广泛用于AI音频处理、翻唱、扒谱、编曲等领域，而提取干声对训练声音模型特别有用。但是要部署这个工具有难度：1、要翻墙；2、下载几G甚至几十G的模型；3、本地电脑必须有显卡，更别提配置的技术细节，难倒了很多人。我们把MSST和UVR5封装成网页版，保持更新，大家在线就能轻松使用效果最好模型。。

—

有哪些功能

MSST功能：

UVR5功能：

—

UVR5和MSST哪个效果好

总体上MSST使用的是最新的模型，大部分情况MSST效果要好些。UVR5经过多年的打磨，在声音细节方面更胜一筹。

分离和声：uvr5分离和声要先去掉伴奏，留下纯人声+和声，再分离和声就得到纯和声及纯粹人声；msst则直接分离和声，获得带和声的背景音及纯人声。

耗时：MSST分离5分钟音频大约需要2分钟，略快于UVR5。

—

分离步骤

在“深度音频”公众号，找到UVR5/MSST，选择具体功能，直接上传音频/视频即可。如下图：

—

怎么白嫖

非VIP用户每天只能使用一次，有条件的用户请购买VIP，主要是服务器费用不低。vip可以选择wav格式，非vip只能mp3格式。感谢支持！

深度音频开放平台接入常见问题（翻唱API-UVR5接口-克隆声音API等）

Sat, 12 Jul 2025 09:50:06 +0800

开放平台API是给企业团队用的，在使用前，请创建团队。

下面描述中，团队指第三方企业团队，平台指深度音频。

01、如何获取和修改token？

团队创建好后，就可以开始调试，调试用到的token获取方式如下图：

02、如何设置回调地址？

大部分功能都需要设置回调地址（下载短视频API除外），因为处理音频，需要一段时间才能处理完成。平台处理完后会把翻唱的结果推送给第三方的回调地址。

这个地址由开发人员提供。

每个API的回调地址都不一样，一句话翻唱菜单路径：开放平台 -> 一句话翻唱API ->设置

网页上打开平台提供的API地址，直接运行，可以校验回调地址是否有效。

03、团队其他成员怎么加入？

团队子账户可以查看团队的接口记录，共享账户余额。

在【我的团队】菜单中点击“添加子账户”可生成口令，并发给待加入者，待加入者在“深度音频”公众号回复此口令，即可成为本团队子账户。口令24小时有效。

04、我怎么看不到“专业翻唱”？

克隆声音等功能已被滥用。要开启此功能，需在“深度音频”公众号回复：我要高级功能。

05、翻唱和一句话翻唱有何区别？

	素材时长	是否需要训练模型	耗时	效果
翻唱	至少3分钟	需要	约3分钟	专业
一句话翻唱	1秒-30秒	不需要	约12分钟	输出音频质量略低于专业翻唱，后继改进

06、如何计费？

开放平台接口是提供给开发者程序调用，和网站会员不共享。

接口采用预充值方式，按次计费，处理成功才扣费，处理失败不计费。金额永久有效。

API	价格	备注
翻唱	2元/首
一句话翻唱	1元/首
文字转语音	0.1元/条	克隆声音
UVR5分离音频	1元/文件
下载短视频	0.03/次

07、充值

单次充值越多越便宜，如需要更大套餐，请联系企业客服经理：thereisfuture1

充值金额（元）	到账金额（元）
100	110
300	360
1000	1300
3000	4500
5000	8000

充值入口为登录控制台后，如下图

08、哪个才是你们的官网？

这三个网站：www.clonevoice.net，www.deepvoicefix.com,www.wechatscan.com

都是公司的官方网站，每个网站宣传的侧重点不一样，请放心使用。

09、API接口地址：

https://apifox.com/apidoc/shared/d7e6d5ed-8931-41cc-a376-935a6c2ef5db/api-318007711

10、IP白名单：

若第三方服务器开启防火墙，请将深度音频服务器IP加入白名单：8.130.167.6，8.130.65.67

猜歌名？不如听歌识曲，通过音频搜索音乐~

Sat, 12 Apr 2025 19:06:17 +0800

娱乐视频中经常看到听音乐猜歌名的节目，主持人哼唱一段音乐，让嘉宾识别出歌曲的信息，这是考验参与者是否有足够多的音乐积累。而现在通过AI就能听音辨歌，这样每个人都具备音乐识别的能力。

猜歌名？不如听歌识曲，通过音频搜索音乐~

多年前，通过关键字搜索内容成为获取信息的一种便捷方式，于是我就猜测未来应该能通过语音搜索相关音频，而现在通过音频来搜索歌曲则已经成为现实。音乐库保持实时更新，包括国外的音乐。

今天我们正式开放搜索歌曲的功能，上传3秒到20秒的歌声，就实现搜索市面上常见的歌曲。关注“绘声美音”公众号，在“实用工具”找到“听歌识曲”功能。

分享给所有人用，每人每天免费体验一次。注意，免费体验的数据是公开的，介意的用户请不要用自己的声音体验。在“绘声美音”公众号，找到“实用工具” -> “听歌识曲”。VIP用户每天搜索100次，次数不足用户请联系客服额外开通。

翻唱歌曲-用自己的声音唱任何歌曲

Sat, 12 Apr 2025 18:46:18 +0800

本文内容包括：

一、入门翻唱：免费用自己声音翻唱一首歌；

二、专业翻唱：训练更多优质模型和翻唱更多歌曲；

三、企业接入：快速获取翻唱歌曲能力；

一、入门翻唱

今天翻唱的平台是“深度音频”公众号，对用户比较友好：

首先：简单，只需要一部手机，不用电脑显卡，不需要下载软件，不需要魔法；
然后：自助式，不需要人工干预，更高效，点歌台提供80万首歌和10万支MV；
最后：新用户免费，可以训练声音模型和翻唱一首歌。

入门阶段的目标是用自己声音翻唱一首歌：

首先进入“深度音频”公众号，找到“翻唱”菜单，这里标记了1、2、3，这也是翻唱歌曲的步骤。

第1步、训练声音模型，根据提示，首先选择性别，然后上传样本，也就是朗读文章。为了保证样本质量，尽量在安静的环境下，大声朗读3分钟。然后就点击“开始训练声音模型”。训练模型时间大约15分钟。步骤如下图：

第2步、打开“点歌台”菜单，一键翻唱，大约5分钟完成，请留意公众号通知。

点歌台

第3步，点击“翻唱记录”菜单，查看翻唱结果。

二、专业翻唱

专业翻唱的目标通过训练优质模型来翻唱效果更好的歌曲。

在“点歌台“菜单和”翻唱记录“菜单都有“RVC声音库”的按钮，打开RVC声音库，看到“上传模型”和“训练模型”两个按钮。

上传模型：训练好的RVC模型包括.pth和.index两种格式的文件，只需上传.pth格式文件。

训练模型：训练模型（即炼丹），是提取声音特征，将音色保存到模型文件的过程。

2.1 训练模型步骤

点击“RVC声音库”菜单，再点击右边的“训练模型”，打开下界面：

第1步：输入模型名称，用于标记模型，比如你自己的姓名；
第2步：选择性别，即这个声音模型的性别，在实现跨性别翻唱时很有用；
第3步：如果选择公开，那么所有人都能看到和使用这个声音模型；
第4步：总轮数，选择300轮差不多，最多可以选择1000epoch；
第5步：上传训练素材；

2.2 训练素材要求

翻唱歌曲的原理是替换歌曲中的音色，所以训练素材（即您的声音样本）很重要。：

1、如果不能确定素材质量，最好的办法是先在“工具” ->“UVR5提取干声”菜单提取干声，确保这个干声只出现一个人的声音，没有杂音，不符合要求的素材丢掉，原则是宁缺毋滥。
2、符合要求的声音素材，大约3～30分钟，越多翻唱后歌曲越丝滑。
3、如果被翻唱的歌曲有高音，那么素材里也要有高音。翻唱后发现有高音部分是哑音，那么可能是缺少高音样本。
4、如果训练后的效果还是不行，那就找个录音室录制好您的声音（5分钟-10分钟），用这个声音训练模型效果会挺好的。

三、企业接入

接入翻唱API是拥有翻唱能力最快的方式。上传一段的音频、一首歌及相关参数，可以得到翻唱后的歌曲。

这个过程，可能需要使用音乐库API。

甲方需要提供回调接口，用于接收翻唱后的歌曲。

一句话声音克隆（文字转语音）使用说明

Sat, 12 Apr 2025 18:17:23 +0800

大家好！一句话声音克隆深受广大用户的喜欢，这里汇总了常见问题，统一答复大家。

一、介绍：

一句话声音克隆是一种AI文字转语音技术，合成后的音频不仅音色和这句话非常像，而且语速、音量、节奏和这句话类似。所以能轻松模仿任何人说话，比如模仿《西游记》孙悟空、《三国演义》刘备说话，相识度度达95%。

二、开通：

2.1 微信公众号“深度音频”

克隆声音已被滥用，但是仍然有部分人群有需求。请在公众号回复“声音克隆”，可以开通此功能。

2.2 手机入口

点击“配音记录”后，左边菜单能看到一句话克隆，电脑登录是一样的。下面的2.3和2.4也可以在手机上操作。

2.3 电脑入口（适合新手）

登录控制台后，入口在左边菜单，路径：文字转语音 -> 一句话克隆。电脑登录地址：https://clonevoice.net/v3/

特点：简单，但是每次合成音频时都要上传参考音频。

2.4 电脑入口（适合老手）

登录控制台后，入口在左边菜单，路径：文字转语音 -> 自定义声音库。点击“创建人物”，进入人物详情后，点击“上传说话感情”，最后在人物详情页点击“一句话克隆”。电脑登录地址：https://deepvoicefix.com/v3/

特点：可以重复使用参考音频。只要合成了一个满意的音频，就可以反复使用这个参考音频。

三、常见问题

3.1 一句话克隆的参考音频有何要求：

参考音频只需3秒左右，因为一句话克隆只需要这句话的音色，能反映出这句话的感情（如愉快，伤心）就行。可以上传音频或视频，如果时间太长，系统会自动截取前6秒。

参考音频要求是：

只有一个人的声音，可以有少量背景音及杂音，不要有第二个人类的声音。
吐字清晰，支持普通话，不支持方言（方言用高清声音库或RVC声音库）。
语速均匀，避免语气词，如嗯、啊、哦，越少越好。

3.2 为什么“一句话克隆”长时间都显示“推理中”？

100字内3分钟处理完，1000字5分钟内处理完，5000字10分钟内处理完。

如果出现“失败”，请重新上传参考音频，因为重新上传时，会截取前6秒参考音频，请验证音频文案。参考音频很长可能会导致推理失败。

3.3 为什么“一句话克隆”的声音音量很小？

大概率是参考音频音量小，新合成音频的音量是根据参考音频的音量设置的。同样如果参考音频是“愉快”的语气，那么生成的音频语气也是“愉快”的。参考音频的音量、语速和感情决定了合成的音频。

3.4 666怎么读成六六六吗，而不是六百六十六？

请把666改为汉字六六六。同样如果有多音字，请用同样读音的词语代替。

3.5 一次最多支持多少字？

5000字。

3.6 合成音频的感情不是我想要的？

合成的音频是根据参考音频来的，参考音频如果是很“凶狠”的语气，那么合成的音频也是“凶狠”的。所以如果要“温柔”的语气，请上传“温柔”的参考音频。

3.7 不上传参考音频可以吗？

可以，在“ALI声音库”有许多公开的参考音频，比如《西游记》《三国演义》《小猪佩奇》等系列的人物，可以直接使用。

3.8 有接口吗？

有的，菜单路径：开放平台 -> 克隆声音API。

在线音频编辑器-免费

Sat, 12 Apr 2025 18:04:07 +0800

免费的在线音频编辑器

合法合规-拦截违规内容

Sat, 12 Apr 2025 12:47:29 +0800

尊敬的各位用户：

近期公众号备受关注，给大家带来很多不便。主要是我们疏于管理，为止我们在内容安全方面重点改进：

1、所有的输入文案进行检查：我们依托阿里云的内容安全机制，实时阻止任何违规内容。具体如下：

标签值	含义	细分检测范围
political_content	涉政内容	涉政_敏感政治事件：近现代敏感的政治事件、不宜传播的历史事件
		涉政_社会舆论事件：社会舆情，侧重民计民生或有舆论争议的问题
		涉政_历史虚无：涉及对国家、制度、政党等的负面影射
		涉政_反动分裂：台独、藏独、疆独等反动言论及事件
		涉政_反华对立：挑起反华对立的势力、行为或事件
		涉政_领导人暗喻：现任或历任国家级领导人的指代、影射、暗喻等
		涉政_领导人家属：国家主要领导人家属及指代、影射、暗喻等
		涉政_侵华战犯：日本侵华战犯名单
		涉政_国民党战犯：国民党战犯名单
		涉政_反动人物：政治反动人物名单
		涉政_落马官员：中纪委官方网站公告的副部级及以上落马官员名单
		涉政_劣迹艺人：被官方通告、行业协会公告出现过劣迹行为的艺人名单
		涉政_非法团体：邪教、黑社会组织等
		涉政_Hx专项升级：特定时间节点上线的涉政专项保障，Hx为专项代号
sexual_content	色情内容	色情_性行为：与性行为相关的直白描述
		色情_涉黄产业：色情交易与色情产业，如发布卖淫、招嫖、黄网等信息
		色情_AV人名：匹配AV人名库中的名字
		色情_影音文资源：色情影音视频、小说文字等，如黄色电影、黄色小说等
		色情_性器官：性器官直白描述，不包含已口头化的辱骂用语
		色情_低俗：非直白描述，低俗擦边博眼球，如描述敏感部位、聊骚话术等
		色情_性暗示：性隐晦暗示，结合特定场景或上下文可认为色情
violence	暴恐内容	暴恐_极端组织：极端主义分子、暴恐组织名称
		暴恐_暴力血腥：暴力血腥事件、行为、画面描述等
		暴恐_武器弹药：重型弹药武器，如炸弹、水雷、狙击枪等
contraband	违禁内容	违禁_涉毒：毒品、精神药物、致幻类药品
		违禁_涉赌：赌博工具、赌博行为描述
		违禁_犯罪活动：违法犯罪行为或描述
		违禁_制假售假：证件类、军警用品类等制假售假行为或描述
		违禁_套现类：信用卡、花呗套现行为或描述
		违禁_站点应用：色情域名、色情APP、反动域名、反动APP等名单
		违禁_VPN工具：VPN工具名单
		违禁_书籍：禁书名单
		违禁_虚假大学：虚假大学名单
religion	宗教内容	宗教_佛教：宗教教规、人物、经文、活动、教义、知识等
		宗教_道教：宗教教规、人物、经文、活动、教义、知识等
		宗教_基督教：宗教教规、人物、经文、活动、教义、知识等
		宗教_伊斯兰教：宗教教规、人物、经文、活动、教义、知识等
		宗教_印度教：宗教教规、人物、经文、活动、教义、知识等
profanity	辱骂内容	辱骂_严重辱骂：严重辱骂内容，如人身攻击、辱骂诽谤等
profanity	辱骂内容	辱骂_口头语：辱骂口头语、低俗词
negative_content	不良内容	不良内容_种族主义：种族歧视、地域歧视、民族分裂等言论
		不良内容_封建迷信：风水预测、算命、看八字等封建迷信言论或宣传
		不良内容_消极情绪：负面消极情绪，如发布抑郁色彩内容
		不良内容_网暴言论：涉及网络暴力言论或行为描述
		不良内容_网课爆破：出于不良目的组织进入网课，谩骂攻击老师学生等行为

2、对音频和视频异步预警

委托阿里云内容安全机制，检测视频文件中是否存在违规或不宜传播的内容，建议对涉及开放公网访问的视频文件均进行该项检测。

重点识别涉黄、辱骂和负面事件等违规风险。

相信这次整改完成后，能进入良性的媒体制作环境，保证大家的利益。