文生音频

和文生文、文生图这两类应用相比，音频领域的AI类应用也不少。

音频领域的AI类应用

Stable Audio

这当中较为有趣的是Stable Audio和Suno

Stable Audio首页

用文本生成音频也较为简单，只需要输入提示词（官方已经准备好了一些，可以让用户尽快上手），选择好模型，设置时长，或者选择一段参考音频，然后就可以创作了。

尝试创作

从官方准备好的提示词库中选择一种，例如这里选择的是Epic Rock（史诗摇滚）。

提示词库

至于提示词部分，它们代表的含义如下。

提示词	含义
Post-Rock	表示后摇，其特点是，所用乐器一般与摇滚乐相同，但节奏、和声、旋律、音色及和弦进行都有别于传统摇滚
Guitars	吉他
Drum Kit	架子鼓，欢快，节奏感极强
Bass	贝斯，一般用于低音部
Euphoric	表示极度兴奋和快乐的状态，常用于描述人们特别开心和激动的时刻，例如在成功取得目标、享受美好时光或体验到某种令人愉悦的感觉时，是表达人们对美好事物的向往和对幸福生活的追求
Up-Lifting	激昂振奋的，其特点就是贝斯和弦比较紧凑，让人感觉十分激昂，也比较有史诗感，拍速（BPM）通常介于136~142之间
Moody	一种情绪多变且喜怒无常的风格，这类曲风乖张、另类，充分流露个人情绪，尽情宣泄
Flowing	流畅感，简单来说就是节奏和词的结合，它是说唱时咬文嚼字的方式以及每个音节发音的方式或特点，即说唱要像水流一般，时快时慢，时强时弱。 一段歌词可以有很多种flow的演唱方式，从发音、断句、语速、断拍、拖拍等方面都可以影响flow
Epic	属于Soundtrack，就是为电影电视等其他媒体形式所做的配乐，发展到现在，逐渐以传统管弦+合成器的方式来演奏所谓的史诗音乐
Sentimental	属于抒情歌曲，是一种感情丰富的音乐风格，通常以浪漫和亲密关系为主题，偶尔涉及战争（抗议歌曲）、孤独、死亡、嗑药、政治和宗教，曲风哀婉雅正
BPM	拍速，每分钟里拍子的数量。速标60/BPM等于每秒打一拍，而120/BPM则等于每秒打两拍，依此类推，但具体节奏还取决于曲调所采用的音符。例如，虽然拍速相同，但四分音符和八分音符打出的拍子是不同的

所以，在音频演奏时可以留意是否有这些元素在内，提示词虽然不多，但其包含的信息量却不小。

选择好之后，就可以通过 Generate 生成音频了。

我用Stable Audio生成的音频在这里：点击欣赏。

Suno

Suno的使用就相对简单多了，但也显得更加“业余”一点：

Suno创作界面

用Suno生成音频，不需要任何专业的音乐知识，只需要一段描述即可。

至于所谓的Custom Mode，就由各位小伙伴自己玩玩吧。

我用Suno生成的音频在这里：点击欣赏。

剪映

文生音频的另一类应用就是大多数剪辑软件中都自带的朗读功能了，这里以剪映为例。

除了剪映之外，还有很多其他在线工具都能够实现文本转音频、音频降噪、修复、人声分离等功能。

---

感谢支持

更多内容，请移步《超级个体》。