创建 AI 卡拉 OK

应用支持多种创建卡拉 OK 的方式，从下载音乐视频到处理自己的文件。请选择最符合源材料和处理需求的工作流程。

目录

• 从音乐视频创建卡拉 OK
• 从歌词视频创建卡拉 OK
• 从上传文件创建卡拉 OK
• 修改现有视频
• 为现成的卡拉 OK 视频添加人声
• 最快或效果最佳的卡拉 OK

从音乐视频创建卡拉 OK

从音乐视频创建卡拉 OK 可以带来最沉浸式的体验，并支持自定义歌词样式。这也是处理量最大的一种方式。若要加快处理速度，请在支持 GPU 的设备上运行 Demucs 服务。

1. 选择音乐视频

1. 搜索歌曲，并从搜索结果中选择一个音乐视频。
2. 应用不会自动判断视频是否包含歌词或卡拉 OK 内容，因此会同时启用人声分离和歌词处理。

2. 配置卡拉 OK 选项

排队前页面提供以下选项：

• WhisperX 单词对齐：为卡拉 OK 创建逐词同步的歌词。
• 重新换行歌词：设置每行的最大字符数，超过后换到下一行。
  • 对于中文、日文和韩文等东亚语言（CJK），请改为调整 Max CJK Chars。
• 语言覆盖：指定 WhisperX 对齐所使用的语言。设置后会跳过自动语言检测，也不会使用已配置的默认语言。

3. 添加歌词

WhisperX 需要歌词才能创建卡拉 OK 时间轴。应用会搜索已配置的歌词提供商。

• 应用首先使用 Last.fm，根据视频标题推断歌曲名和艺人。如果结果不正确，请在搜索前手动输入歌曲名和艺人。
• Google 按钮会打开新标签页，并搜索 Artist - Title lyrics。请将搜索结果复制到歌词编辑器中。
• 也可以上传 .lrc 或 .txt 歌词文件。
• 将歌曲加入卡拉 OK 队列前，请按需编辑歌词。

升级 LRC 歌词

部分歌词可以升级为 TTML（Timed Text Markup Language，定时文本标记语言），通常来源于 Apple Music。TTML 已经包含逐词同步信息，可以提供更准确的卡拉 OK 时间轴，并跳过 WhisperX 处理。

如果升级失败或返回了错误的歌词，请改用标准歌词结果。

4. 处理歌曲

歌曲加入队列后，应用会下载源文件、分离人声、对齐歌词，并准备好用于舞台播放的卡拉 OK 媒体。

处理失败时

如果下载失败，请参阅 yt-dlp 故障排除指南。如果人声分离出现问题，请参阅人声分离速度很慢。如果歌词对齐失败或同步不正确，请参阅 WhisperX 对齐故障排除和 WhisperX 同步故障排除。

从歌词视频创建卡拉 OK

YouTube 上有大量歌词视频。它们通常不包含逐词同步的歌词，但可能提供一些用户喜欢的视觉样式和背景。歌词视频还可以跳过 WhisperX 对齐，在仅使用 CPU 的设备上减少处理时间。

1. 选择歌词视频

1. 搜索歌曲，并从搜索结果中选择一个歌词视频。
2. 应用会识别歌词视频，只启用人声分离并跳过歌词处理。

2. 等待人声分离

歌曲需要进行人声分离。处理完成后，歌曲会显示在舞台上。

歌词视频的同步效果不一定理想

歌词视频通常是逐行同步，而不是逐词同步。它们也经常优先考虑视觉效果和动画，因此行与行之间的切换可能无法与音乐精确匹配。不过，熟悉歌曲后通常不太容易注意到这一点。

处理失败时

如果下载失败，请参阅 yt-dlp 故障排除指南。如果人声分离失败或耗时过长，请参阅人声分离速度很慢。

从上传文件创建卡拉 OK

从带有专辑封面的 MP3 文件创建卡拉 OK，可以获得沉浸式且可自定义的体验。当应用无法下载视频、其他设备或网络更适合下载，或者您想使用个人媒体库中的文件时，上传也很有用。

1. 上传文件

点击上传区域，或将文件拖放到上传区域中。

上传自动化

自动化功能只需点击一次，就会准备默认的卡拉 OK 选项：

• 从文件名推断曲目信息。
• 搜索并下载歌词。
• 填写歌曲名、艺人和卡拉 OK 处理选项。
• 在提交前创建经过优化的卡拉 OK 处理设置。

2. 配置上传的歌曲

可用的歌词选项请参阅从音乐视频创建卡拉 OK。上传流程提供相同的选项。

3. 选择歌曲的添加位置

启用添加到队列后，歌曲会加入队列，并在处理完成后显示在舞台上。关闭此选项后，处理完成的歌曲会添加到媒体库，供日后使用。

处理失败时

如果人声分离失败或耗时过长，请参阅人声分离速度很慢。如果歌词对齐失败、耗时过长或同步不正确，请参阅 WhisperX 对齐故障排除和 WhisperX 同步故障排除。

修改现有视频

应用可以对媒体库中的现有媒体执行人声分离和歌词对齐。

1. 打开媒体编辑器

1. 打开媒体页面，点击媒体项目的编辑。
2. 在编辑媒体详情页面中修改歌曲名、艺人或卡拉 OK 处理选项。
3. 使用自动通过 Last.fm 根据文件名推断歌曲名和艺人。
   • 这会修改媒体库中的名称。如果还要修改文件名，请启用在磁盘上重命名。

在磁盘上重命名

只有点击重命名后，文件才会被重命名。如果只想修改歌曲名、艺人或文件名，而不处理媒体，请不要修改AI 卡拉 OK或歌词同步选项。

2. 配置歌词和处理

可用的歌词选项请参阅从音乐视频创建卡拉 OK。

歌词同步和 WhisperX

仅启用歌词同步并提供歌词时，应用会保存歌词文件，但不会运行 WhisperX。若要创建同步歌词，请再次编辑媒体并启用 WhisperX 对齐。

处理失败时

如果人声分离失败或耗时过长，请参阅人声分离速度很慢。如果歌词对齐失败、耗时过长或同步不正确，请参阅 WhisperX 对齐故障排除和 WhisperX 同步故障排除。

为现成的卡拉 OK 视频添加人声

如果您喜欢现成卡拉 OK 视频（例如 Sing King 视频）的歌词样式，但希望在练习时听到人声，可以使用应用为该视频添加人声。

自动人声对齐需要 vocal-sync

满足条件时，应用可以自动将原始卡拉 OK 伴奏与原音乐视频中分离出的伴奏对齐。请安装 vocal-sync extra，或使用 vocal-sync Docker 镜像，以启用自动人声对齐。

1. 打开 Vocal Sync

1. 打开媒体页面，点击编辑。
2. 选择添加人声，打开 Vocal Sync 页面。

2. 准备并对齐人声

1. 搜索 YouTube，或上传自己的文件，然后点击准备。
2. 应用会分离人声和伴奏，并准备预览。
   • 如果 vocal-sync 可用，偏移量会自动计算。
3. 使用 + 和 - 按钮调整偏移量，然后点击预览检查结果。
   • + 值会延后人声。如果人声早于伴奏开始，请增大该值。
   • - 值会提前人声。如果人声晚于伴奏开始，请减小该值。

使用“预览”检查播放效果

请勿使用媒体播放器控件进行检查，因为它们只播放原始视频。请改用预览和停止。

3. 提交结果

对齐效果满意后，点击提交。

最快或效果最佳的卡拉 OK

如果 Demucs 服务没有支持 CUDA 的 GPU，仍然可以使用 CPU 运行 AI 功能。

CPU 处理

使用 Sherpa+Spleeter 进行人声分离。

• Demucs 服务会根据您的配置下载模型。
• Sherpa+Spleeter 在 CPU 上运行良好，速度明显快于 Demucs。
• 分离质量不如 Demucs。

TTML 歌词升级

WhisperX 没有简单的纯 CPU 替代方案。一首典型的三分钟歌曲可能需要一到两分钟才能完成分离。不过，部分歌曲可以升级到 TTML 歌词。TTML 已包含逐词同步信息，可以跳过 WhisperX 处理。

TTML 时间轴是官方音乐歌词时间轴，通常与原歌曲发行版本匹配，而不是与某个具体的视频剪辑匹配。如果音乐视频包含片头、片尾或其他剪辑，歌词可能会与视频错开，因此 TTML 不适合这类视频。对于使用原歌曲时间轴的非音乐视频或上传的 MP3 文件，可以使用 TTML；如果视频包含额外或改动的片段，则应使用 WhisperX。

在仅使用 CPU 的设备上，Sherpa+Spleeter 配合 TTML 升级可以提供最快且效果最佳的卡拉 OK 体验。