从 AI 语音到 AI 作曲：我一个不懂音乐的人玩了一个月音频工具 | AI导航

我对音频一窍不通。不认识五线谱，不知道什么是混音，KTV 里只敢点"朋友"这种不需要技巧的歌。

但 AI 音频工具让我发现了一件事：不懂音乐也能"创作"出声来。下面是玩了一个月的真实感受。

ElevenLabs：差点以为对面是真人

ElevenLabs 的语音合成好到让我有点不安。它不只是读得流畅——它有语气、有情感、有抑扬顿挫。我把我写的一段文字输进去，选了一个英式口音的女声，生成的音频拿给两个朋友听，他们都以为是真人录的。

一个月免费用 10000 字符，大概能生成几条一两分钟的音频。这个额度用来试玩够了，正经做播客的话不够，得付费。

最让我印象深刻的功能是声音克隆。你录一段自己说话的音频，上传给它，它就能用你的声音读任何文字。我试了一下，出来的效果大概有七八分像——我朋友说能听出来是 AI，但"很像你"。

Suno 是那种会让你上瘾的东西。你输入一段描述——"一首周杰伦风格的中文流行歌，主题是下雨天失恋"，它给你生成两首完整的歌出来。有歌词、有编曲、有人声、有和声。

不是 demo，是完整的歌。

当然不是每一首都好听。十首里大概有三四首是"能听"的水平，一两首"还不错"。但考虑到你花了五秒钟输入提示词，这个成功率已经离谱了。

我用 Suno 给女儿写了一首生日歌。词是我写的，曲子 Suno 编的。虽然她只有三岁还听不太懂，但她妈说眼眶红了。AI 当工具，情感还是你的。

NotebookLM 是 Google 出品的一款免费工具，定位是"研究助手"。但它出了一个功能让我直呼内行：把你上传的文档生成双人播客对话。

我把自己写过的一篇长文扔了进去。等了大概三分钟，它生成了一个 12 分钟的英文播客。一男一女两个 AI 声音在讨论文章内容，有问有答，有赞同有质疑，偶尔还开个玩笑。

不是说它完美——英文播客对中文用户不友好，也不能指定风格和语调。但这个方向让我很兴奋。以后读论文、看报告、消化长篇内容，也许"听"比"读"效率更高。

Udio 也是 AI 音乐生成，比 Suno 晚出来但音质更细腻。人声更自然，Remix 功能可以把你喜欢的风格套到已有的曲子上。

但有个问题：生成速度比 Suno 慢不少。等一首歌出来大概要两分钟。对比 Suno 的二三十秒，这个差异在需要反复试的时候很明显。

AIVA 是专注古典和影视配乐的 AI 工具。你选个风格——古典、史诗、电子、爵士——它生成一首带完整乐谱的曲子。

我试了史诗风格。出来的曲子确实有电影配乐那个味儿，大提琴、管弦、定音鼓层层推进，光是听前奏就脑补出了一部战争片。但流行音乐方向不如 Suno，更像是给视频找背景音乐的人用的。

| 你要什么 | 用哪个 |

|----------|--------|

| 做播客、有声内容 | ElevenLabs |

| 做中文歌曲 | Suno（中文歌词稍好一点） |

| 追求音质 | Udio |

| 配乐、背景音乐 | Soundraw 或 AIVA |

| 把文档变播客 | NotebookLM |

| 就是好奇想玩 | Suno（上手最快） |

最后说一点：AI 音频跟 AI 绘画不一样——绘画是你给指令它输出，你看了结果满意不满意一眼就知道。音频你必须"听"完才能判断，这个时间成本更高，所以耐心比工具选择更重要。