直播中 · 免费 · 无需注册
AI 歌词视频生成器
AI 听人声,写下每个字和它被唱出的时间,并标出少数没把握的字。
唱出来的字,怎么变成带时间的歌词
语音识别模型主要是为说话设计的,唱歌难得多:一个元音能拖满一小节,辅音被军鼓盖掉,混响尾巴听起来像多了一个字。所以这里不直接识别整首混音,而是先把人声从伴奏里分离出来,AI 听的是去掉鼓、贝斯和铺底之后的干声。
分离出的人声交给 WhisperX,它会写下每个字,以及这个字开始和结束的时间。有了逐字时间,卡拉 OK 的逐字填色、动感字一次只出一个大字的效果才做得出来。只有逐句时间的话,你只知道一句什么时候开始。
如果你贴上歌词,AI 就不用猜字怎么写了,只需要把你的字和音频对齐,所以贴了歌词的时间几乎完全准。
AI 容易出错的地方,你怎么发现
错误基本集中在几类地方:和主唱重叠的和声、即兴的语气词,修音很重或失真的人声,语速很快的说唱段,拖得很长的尾音,还有自造词、人名。叠唱的歌,分离后的人声里也可能残留一层很轻的第二个声音。
不用从头看到尾去找。AI 没把握的字会被标出来,直接跳过去,点一下,改字或者把时间前后挪一点就行。
有时贴的歌词和录音对不上,比如副歌比歌词本上多唱了一遍、录音时临时改了一个字。这种情况工具以听到的为准,并提示你,屏幕上显示的就是听众实际听到的。
你的音频去了哪里
音频只上传一次,用于识别歌词,不保存,也不用来训练 AI。之后的编辑和渲染都在你的浏览器里完成。每人每天可以识别 5 次,所以第一次跑之前就把歌词贴好,比同一首歌反复重跑划算。
一首歌,
三种 看法。
随时切换样式和比例,每个字的时间都不变。
we were neon in the rain
running every red light home
running
every
red light
Light is breaking
over the hill
实时渲染,
不是 效果图。
下面每个例子都由导出 MP4 的同一个引擎在页面上实时绘制。歌词为原创示例。
三分钟,
从头到尾。
- 00:00
丢进一首歌
MP3、WAV、M4A 都行。有歌词的话一起贴上,时间会更准。
- 00:40
AI 来听
写下每个字和它被唱出的时间。没把握的字会标出来,你只需检查那几个。
- 02:10
选好样子,导出
选样式和比例,视频直接在浏览器里生成,下载成 MP4。
免费导出。
按首付费 买高清。
没有订阅。大多数音乐人一次发歌只要一个视频,所以我们按首收费。
$9.99
- 1080p,无水印
- 可用于变现频道和广告
- 直接解锁到你的账号,不用等邮件
- 全部四种样式 + 视频背景素材
$19.99
- A2 的全部权益,三次
- 任意三首歌都能用
- 额度永不过期
在导出界面就能直接购买高清版,次数保存在账号里,任意歌曲都能用。
大家
常问。
用的是哪个 AI 模型?
WhisperX。它处理的是分离出来的人声轨,所以在编曲很满的歌上,比直接识别整首混音更稳。
AI 写出了一个我根本没唱的字,哪来的?
多半是和声、语气词或效果声在人声分离后还残留着,这种字通常也会被标记。点它改掉就行,或者贴上歌词,让 AI 照着真正的词来对齐。
每天能识别几首歌?
每人每天 5 次。已经识别过的歌,再编辑、换样式、重新导出都不算次数。
这个歌词视频工具真的免费吗?
是的。卡拉 OK 和极简样式可以免费制作并下载带小水印的 720p 视频。想要无水印 1080p、动感字和堆叠样式,或视频背景素材时再付费。
每个字的时间准吗?
大多数字误差在零点几秒内。贴上歌词几乎完全准确。AI 没把握的字会被标出来,点一下就能改。
可以用 Suno 或 Udio 做的歌吗?
可以。粘贴 Suno 歌曲的公开链接,音频、标题和歌词会自动导入;也可以从 Suno 或 Udio 下载 MP3/WAV 再拖进来。你需要拥有这首歌的使用权。
我的音频文件会怎样?
只发送一次用来给字标时间,不会保存,也不会用于训练 AI。视频本身在你的浏览器里生成。
能导出哪些比例?
16:9 适合 YouTube,9:16 适合抖音、Reels 和 Shorts,1:1 适合信息流。随时切换,时间不变。