在钢琴卷帘下面打一行字,Cubase就让虚拟歌手实时把词唱出来

首页 / AI资讯 / AI音乐

11月4日,Steinberg发布Cubase 16。三个版本同时上线:Pro 599.99美元,Artist 299.99美元,Elements 99.99美元。这次更新里最受关注的新件是Omnivocal Basic,一个基于雅马哈NX引擎的歌声合成乐器,随三个版本免费提供,自带两个音色库。它的用法把两件原本分开的事并到了一起:在Key Editor的钢琴卷帘下面新增了一条歌词轨,你在每个音符下面打上字或音节,虚拟歌手就照着唱出来。

歌词与音符绑在一起,唱法就变成了可编辑的参数

过去做一段人声小样,路径是这样的:先用合成器把旋律弹出来,再找歌手录,或者把旋律导入独立的歌声合成软件,重新对一遍词与音,导出音频再拖回工程。每一道转移都要重新对齐一次时间,改一个音符就得回头再来一遍。这条路径上最容易放弃的时刻,往往不是技术难点,而是"算了,等有歌手再说"。

Omnivocal把这一步收进宿主内部。歌词轨支持快速逐字录入,还给了发音与语言的专门控制项。乐器面板上能看到一组表情参数:演唱风格有普通、活跃、更活跃、柔和四档,另有力度、颤音、存在感三个旋钮。这些东西的意义不在于参数本身,而在于它们都是自动化的对象,可以画曲线,可以随段落变化。一句歌词从"唱得平"到"唱得有起伏",在这里是画一条线的事,而不是重新生成一遍碰运气。对编曲的人来说,这条线还能跟着段落复制,主歌一套曲线、副歌一套曲线,重复段落不必重画。

它瞄准的是草稿,不是替代歌手

Steinberg自己的说法很克制:快速勾勒人声想法,用轻量的人声制作工具让写歌这件事别停下来。这句话把产品定位交代清楚了:它是给词曲作者听效果的,不是给发行成品用的。写歌的人常有这种时刻,旋律在脑子里,但不确定配上词之后节奏对不对、换气位置顺不顺,这时候需要的是一副能立刻出声的嗓子,而不是一次录音棚预约。

这个定位也限制了它的天花板。两个音色库意味着可选的声音很少,中文、日文这类需要精细处理声调与咬字的语言,在这种轻量实现上很难做到专业级。真要做发行版本,还是得找歌手,或者用专门的歌声合成软件把每个音素抠一遍。工具的分工没有变,变的是从想法到听见声音之间的距离。

还有一个实际差别值得说清:这类工具擅长的是"音准与节奏绝对可控",不擅长的是"情绪的真实"。真人歌手唱同一句,每次的呼吸位置、尾音抖动的幅度都不一样,这种随机性正是打动人的部分;合成人声可以做到极干净,也可以按曲线把颤音加上去,但那种由身体状态带来的细微不稳,目前还做不出来。把它当草稿,这个差别可以接受;把它当成品,听众的耳朵会比制作人更早发现不对。

99.99美元这一档,改变的是谁能用上

把这个功能放进Elements版本,是这次更新里最具杀伤力的一步。此前要在工程里听到带词的人声,基本得单独买一套歌声合成软件,价格往往超过一个入门级宿主。现在入门版宿主里就有,虽然只有两个音色,但对学生、音乐老师、业余乐队来说,已经够把和声作业或者原创小样唱出来。

用户结构的变化会带来连锁反应。音乐老师可以用它给学生演示不同编曲下同一段旋律的效果;乐队可以用它做小样发给场地;短视频作者可以用它快速做一段带词的副歌。这些场景过去被成本挡在门外,不是因为技术不存在,而是因为要凑齐工具太麻烦。工具的门槛降低之后,冒出来的人往往不是专业用户,而是原本不认为自己是创作者的人。对一家卖软件的公司来说,这批新用户的价值不在当下付了多少钱,而在于他们养成习惯之后,会不会在升级时选择同一个品牌。

同一家公司两条人声线,关系没有说清

Steinberg隶属雅马哈,而雅马哈自己的歌声合成产品VOCALOID7将在11月11日发售,定价129美元,搭载第二代VOCALOID:AI引擎,是独立编辑器,有自己的音色库。于是这个11月,同一集团下面出现了两条人声合成产品线。

两者是什么关系,官方没有交代。Omnivocal用的是NX引擎,VOCALOID7用的是VOCALOID:AI,两者是否同源、音色库能否互通、以后会不会合并,都没有公开说明。这个空白对用户是有实际影响的:如果你为一个音色买了VOCALOID的音色库,它能不能在Cubase里直接用?如果不能,那选择哪一个生态就变成了一次长期绑定。

对做音乐的人来说,这类不确定比价格更值得关注。工具会降价,功能会补齐,但生态一旦分裂,迁移成本会一直跟着你。

分轨从四条变六条,改的是重混的起点

另一处更新是分轨。Cubase 16把分离出的声部从四条扩到六条,多了钢琴与吉他,Steinberg称音质也有提升,这项能力与zplane合作开发,属于Pro版。四条变六条听起来是数量问题,实际影响的是能不能干活:过去钢琴与吉他混在"其他"里,想单独替换其中一件几乎不可能,现在可以分别处理。

分轨质量决定后续所有工序的上限。分离不干净,重混时人声会发薄、镲片会金属化、低频会互相抢位置,这些瑕疵在耳机上不明显,在车里或者手机上会突然变得刺耳。值得提醒的是,分轨只对"还能拆"的素材有意义,已经压得很死的成品,拆出来的东西往往只能当参考。判断标准也很朴素:分完之后能不能接着做,而不是分得像不像。

素材来源:Steinberg官方、MusicTech、AI Musicpreneur 发布时间:2026-11-07