Suno v5.5：您自己声音的数据集

Suno v5.5 生成人声：构建音色与风格语音数据集

Suno v5.5 的“你的声音”功能允许你使用自定义语音数据集创建人声。该系统将声音分解为音色、语调和发音三个部分。音色由声道的几何形状决定，语调由音高变化（包括颤音和滑音）决定，发音则由舌头和嘴唇运动决定。这种设计提供了极大的灵活性：音色模型可以与任何语言的语调和发音模型搭配使用。

声音的可辨识度取决于这些元素的平衡。如果输出听起来不对劲，就检查哪个部分出了问题。

音色分类

演唱音色使用以下分类描述：

• 力量型（强壮）：共鸣声，带有歌手特有的2.5 kHz峰值，常见于歌剧。
• 正常型（中性）：平衡、无紧张感。
• 气声型（呼吸）：带气音、空灵，接近耳语。

像 Synth-V 这样的工具还添加了风格描述：柔和、力量、明亮、暗沉。Vocaloid 则强调气声、动态和开口度。

准备语音数据集

测试使用了11个数据集（DS），时长从6秒到4分钟不等。包含未经调音的人声和多种说话风格。在9种风格下生成，怪异度0–90，风格/音频影响50–100。

前7个数据集：

• 力量型（人声，强壮）。
• 正常型（人声）。
• 戏剧型（戏剧性演讲）。
• 哭泣型（情感哭泣）。
• 混合型（1–4的组合）。
• 富有表现力的演讲（富有表情的诗歌）。
• 无表情演讲（单调诗歌）。

额外4个用于精细调整的数据集：

• 气声型（空灵，低频清理）。
• RVC 数据集（俄英人声/演讲）。
• 单曲数据集（一首歌，包含力量/正常/气声）。
• 歌曲集（8首歌的片段）。

具有鲜明语调（哭泣、RVC）或音色（力量、气声）的数据集能产生易辨识的结果。演讲数据集能生成专业级说唱，带有情感和节奏感。

使用自作曲旋律进行编曲

编曲时，从 MIDI 草图开始：旋律、节奏和和声均为干声（无效果）。转换为 MP3，使用翻唱模式 + 你的声音 + 歌词 + 风格。

草图技巧：

• 简单音符：和弦/贝斯用四分音符，便于变化（八分、三连音）。
• 旋律：GM 单簧管或 Lead 6（人声）；哼唱旋律并调音；Synth-V/Vocaloid。
• 和声：坚持基础（避免 Am7/G、Csus2）；系统可能会简化为大调/小调。

在8个数据集上测试：民谣、“Make Me Feel”、“红毛女孩”。高音频影响能提升相似度。

使用成品轨道作为草图会限制风格自由度和质量。

保留音色的关键因素

关键点：

• 草图音高范围匹配数据集；系统会扩展，但数据稀疏时会变形。
• 提示/风格与数据集匹配：R&B 会添加滑音，与力量型声音冲突。
• 高音频影响优先数据集特征。

限制歌词变化，通过调整 verse 控制旋律。

核心要点

• 将声音分解为音色、语调和发音，实现灵活合成。
• 每种风格需多个数据集：通用集无法覆盖所有歌曲。
• 简单干声草图最大化编曲变化。
• 高音频影响 + 匹配风格保持辨识度。
• 演讲数据集生成专业说唱，饱含情感。

— Editorial Team