WaveSpeedAI
← 部落格

Heartmula Transcribe Lyrics 現已登陸WaveSpeedAI

HeartMuLa Transcribe 使用先進的 AI 從音頻文件中提取歌詞，支持多語言轉錄，提供即用型 REST 推理 API，性能卓越。

By WaveSpeedAI2 min read
Wavespeed Ai Heartmula Transcribe Lyrics
Wavespeed Ai Heartmula Transcribe LyricsHeartMuLa Transcribe 使用先進的 AI 從音頻文件中提取歌詞，支持多語言轉錄，提供即用型 REST ...
Try it
Heartmula Transcribe Lyrics 現已登陸WaveSpeedAI

解鎖每一句歌詞：HeartMuLa Transcribe 為 WaveSpeedAI 帶來 AI 驅動的歌詞提取功能

音樂是一種通用語言，但理解其中的文字向來是一大挑戰。背景樂器、人聲和聲、藝術化的發音方式，以及跨越各種曲風的演唱風格，使歌詞提取成為音訊 AI 領域最困難的問題之一。標準語音轉文字模型是為清晰的口語對話而設計的，通常只能識別完整音樂曲目中 20–30% 的歌詞。HeartMuLa Transcribe 徹底改變了這一局面。

現已在 WaveSpeedAI 上線，HeartMuLa Transcribe Lyrics 是一款專為音樂打造的 AI 模型，能以通用轉錄工具無法企及的準確度從音訊檔案中提取歌詞。

什麼是 HeartMuLa Transcribe？

HeartMuLa Transcribe 是 HeartMuLa 開源音樂基礎模型系列的一部分——這項研究計劃在 2026 年打造出功能最強大的 AI 音樂生態系統之一。HeartMuLa 的生成器能從文字創作出錄音室品質的歌曲，而 HeartMuLa Transcribe 則解決了反向問題：將演唱的音訊還原為可讀文字。

在底層技術上，HeartMuLa Transcribe 由 HeartTranscriptor 驅動，這是一個基於 Whisper 的模型，專門針對複雜音樂訊號中的歌詞識別進行了微調。與在人聲覆疊樂器伴奏時表現不佳的通用語音轉文字引擎不同，HeartTranscriptor 在高品質音樂音訊資料集上接受訓練，使其能夠在密集的混音中隔離並解讀人聲內容。最終成果是一個能理解演唱獨特特性的模型——延長的母音、音高變化、節奏感的措辭——而非將這些特性視為雜訊。

該模型還支援多語言轉錄，可處理英文、中文、日文、韓文、西班牙文等語言的歌詞。無論您正在處理 K-pop 曲目、拉丁情歌，還是英語獨立音樂，HeartMuLa Transcribe 都能提取歌詞。

主要功能

針對音樂優化的轉錄

標準 ASR 模型是為語音設計的。演唱與語音有根本上的不同——演唱中母音與子音的比例可達 200:1，而一般語音僅為 5:1，且音高、時值和強度的表現方式也截然不同。HeartMuLa Transcribe 從根本上就是為應對這項挑戰而設計的，即使在人聲與樂器競相出現的混音音軌中，也能準確提取歌詞。

零設定工作流程

無需任何調整。上傳音訊檔案即可獲得轉錄歌詞——無需人聲分離步驟、無需調整參數、無需預處理流程。模型在單一步驟中完成人聲分離和轉錄。

多語言支援

無需預先指定語言，模型即可轉錄多種語言的歌詞。它會自動偵測並轉錄人聲內容，非常適合用於國際音樂目錄和多語言播放清單。

每首曲目僅需 $0.05 的快速處理

每次轉錄費用僅需 $0.05，無論是單次查詢還是大規模批次處理都十分划算。結果在數秒內返回，無需等待數分鐘。

廣泛的音訊格式支援

HeartMuLa Transcribe 適用於各種音訊格式和音樂風格——從精心製作的流行樂到未經處理的現場錄音。人聲清晰的高品質原始音訊自然能產生最佳效果。

實際應用場景

音樂製作與剪輯

製作人和音訊工程師可以轉錄人聲錄音，用於剪輯、審閱和存檔。當您需要在包含多個 take 的曲目上反覆迭代時，即時獲取每次人聲表演的文字版本能大幅加快審閱流程。

字幕與說明文字

製作音樂影片、歌詞影片或社群媒體短片的內容創作者需要準確的歌詞文字版本。HeartMuLa Transcribe 生成的原始文字可被格式化為有時間軸的字幕或螢幕說明文字。

音樂目錄管理與分析

音樂資料庫、串流平台和版權管理系統可利用歌詞提取來豐富後設資料、強化搜尋功能，並實現大規模內容分析。以每首 $0.05 的成本處理數千首曲目，即使對大型目錄而言也具備經濟可行性。

卡拉 OK 與跟唱準備

從音訊曲目生成歌詞文字，用於製作卡拉 OK 字幕、跟唱指南或歌詞手冊。搭配時間資料即可實現同步文字高亮顯示。

語言學習與轉錄

透過音樂學習新語言的學生可以從歌曲中提取歌詞，在情境中學習詞彙、文法和發音——這比教科書練習更具吸引力。

在 WaveSpeedAI 上快速開始

只需透過 WaveSpeed Python SDK 撰寫幾行程式碼，即可將 HeartMuLa Transcribe 整合到您的工作流程中：

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "audio": "https://interactive-examples.mdn.mozilla.net/media/cc0-audio/t-rex-roar.mp3"
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/heartmula/transcribe-lyrics", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
prediction_id = task.get("id")
if not prediction_id:
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = task.get("urls", {}).get("get") or f"https://api.wavespeed.ai/api/v3/predictions/{prediction_id}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout"}:
        raise RuntimeError(result)
    if status not in {"created", "processing"}:
        raise RuntimeError(f"Unexpected status: {status}")
    time.sleep(2)

快速入門指南

  1. 註冊wavespeed.ai 並取得您的 API 金鑰
  2. 安裝 SDK，執行 pip install wavespeed
  3. 提交音訊 URL——提供指向音訊檔案的公開可存取連結
  4. 獲取歌詞——API 返回包含完整轉錄文字的 JSON 物件

專業使用技巧

  • 使用人聲清晰、突出的高品質音訊檔案以獲得最佳轉錄準確度
  • 人聲高於樂器伴奏的曲目將產生最可靠的結果
  • 將 HeartMuLa Transcribe 與 HeartMuLa Generate Music 搭配使用，即可創作歌曲並驗證生成的歌詞是否與您的輸入相符

為何選擇 WaveSpeedAI？

  • 無冷啟動——HeartMuLa Transcribe 始終保持熱機狀態，隨時準備即時處理您的請求
  • 實惠定價——每次轉錄僅需 $0.05，無隱藏費用或最低消費限制
  • 簡單的 REST API——單一端點、單一參數、即時結果
  • 可擴展的基礎設施——無論是處理單首曲目還是批次轉錄整個音樂資料庫皆可應對
  • 生態系統整合——可與其他 WaveSpeedAI 模型搭配使用，包括 HeartMuLa 的音樂生成模型，實現完整的音訊 AI 工作流程

結語

歌詞提取長期以來是 AI 音訊工具箱中的一項空白。通用語音模型並非為音樂而設計，而手動轉錄則無法規模化。HeartMuLa Transcribe 以一款專為音樂優化的轉錄模型填補了這一空白，它快速、實惠，且能跨語言和曲風準確運作。

無論您是正在審閱人聲 take 的音樂製作人、製作歌詞影片的內容創作者，還是為音樂目錄豐富可搜尋文字的平台，WaveSpeedAI 上的 HeartMuLa Transcribe 都能為您提供大規模完成這一切的工具。

立即在 WaveSpeedAI 上試用 HeartMuLa Transcribe Lyrics →

分享