单元三 · 图像声音与视频的智能生成
第14课 声音的智能生成
一、学习目标
- 了解声音智能生成的基本思路。
- 认识声音的数字化表示与生成条件。
- 体验波形等相关工具并观察生成效果。
二、情境导入
语音合成、配乐生成是如何实现的？
声音在计算机中怎样被表示，又怎样被「生成」出来？
三、核心讲解
本课学习路径：
1声音生成的主要过程
2条件控制与体验
1．声音生成的主要过程
声音可数字化为波形或特征序列；生成模型学习从条件（文本、旋律约束等）映射到声音表示，再还原为可播放信号。
声音生成：在数字化表示上学习规律，按条件合成语音、音效或音乐片段。
- 先理解采样、波形等基本表示
- 再认识条件（如文本）如何引导生成
- 生成后需听辨：清晰度、自然度与是否跑调/跑题
想一想：如果采样率过低，生成或录制的声音可能损失什么？
2．条件控制与体验
通过改提示或参数，可控制音色、内容与风格；也要关注滥用风险（如伪造语音）。
条件控制：用文本或其他条件约束生成内容；条件越清楚，结果通常越可控。
- 在波形/声音组件中观察声音的可视化
- 对比不同条件的生成差异
- 讨论：未经允许使用他人音色可能带来的问题
想一想：如何分辨一段语音可能是合成的？可以检查哪些线索？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_text_to_speech — 用文字条件生成语音，体会「条件约束内容与风格」
组件 model_sound_waveform — 观察声音的数字化波形表示
五、课堂总结
- 声音可数字化表示，并在条件引导下由模型生成。
- 体验时应关注效果，也要重视伪造与授权等伦理问题。
六、拓展提升
- 设计两条不同风格的配音/配乐条件，生成后互评自然度与匹配度。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
声音智能生成的基础是：
文本等条件在声音生成中的作用是：
判断：可以随意用他人音色合成语音并公开发布，无需考虑授权。
本节小结
回顾本课要点，完成动手体验与测评。记住：声音的智能生成。