主页

开发自定义标注器 标注器（labeler） 是一组配置文件与脚本，针对特定标注场景定义应用的多项行为。 本文档将引导你为 vLabeler 开发自定义标注器。 本文涵盖以下主题： 理解 vLabeler 项目 标注器结构 标注器定义 标注器内脚本编写 构建项目 属性读取器 属性写入器 解析原始标签 写入原始标签 注入参数值 其他说明 理解 vLabeler 项目 开始前，需要先了解 vLabeler 的项目结构基础知识。 条目（Entry） 条目（entry） 是 vLabeler 内最小数据单元，代表一段带起始时刻和时长的音频数据。 大多数歌声合成软件都使...

开发 vLabeler 插件 本文档介绍 vLabeler 的插件开发流程。若插件规范无法满足需求，欢迎提交问题或功能需求。 概述 vLabeler 当前支持两类插件： 宏插件（Macro plugins）：在项目编辑阶段执行，多用于条目批量编辑。 模板插件（Template plugins）：新建项目时执行，主要用于生成一批待编辑条目。 两类插件结构设计一致，但执行上下文不同，因此输入、输出存在差异。 本文涵盖以下内容： 插件文件结构 插件定义 参数定义 插件脚本编写指南 编写模板生成脚本 编写批量编辑（宏）脚本 其他说明 插件文件结构 一个 vLa...

原文地址 你好！ 我是 RAXXER，也可以叫我 Razer 或 Crazer。这篇文章会介绍一些可以为声库做的额外小技巧。 在继续往下看之前，强烈建议先去阅读 #tools-and-utilities 频道里的声库制作指南。 无论如何，这份文档都不会消失。需要帮助的话，请在 Discord 上联系我：razer_rhela EpR 估计 EpR可以指 Excitation Plus Resonances（激励加共振），或者Estimated Pitch Range（估计音高范围），这里我们取后者。如果你熟悉 RVC，可以把它当成是索引文件。它不是必须的，但确实能明显提升声库的音质。 EpR 背后的原理我不精通，但我可以教该怎么设置它！ 对比有无 EpR...

尝试通过数学公式的化简，避免一些不必要的计算，提高神经网络激活函数的计算性能。 已知tanh函数：$\tanh(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}}$ 在计算时需要计算两次指数函数 $e^x$ 和 $e^{-x}$ ，在计算上会比较麻烦。 通过将分式的分子分母同乘 $e^x$ ，可得：$\tanh(x) = \frac{e^{2x} - 1}{e^{2x} + 1}$ 让分子通过[+1-1]来凑出分母的表达式，即：$\tanh(x) = \frac{(e^{2x} + 1) - 1 - 1}{e^{2x} + 1}$ 化简得：$\tanh(x) = 1 - \frac{2}{e^{2x} + 1}$ 两者对比如下： 现在将其他包含tanh函数...

准备 Python及库若干 Vocaloid导出的文件：原始音符、DYN/BRI分别从127降到0和从0升到127的音频文件 思路 Vocaloid中每个音符的响度并不是固定的。试图通过将参数变化的音频与原始音频作差来抵消该分量。同时，元音头的重音和元音尾的渐弱也会造成一部分影响，试图通过将127~0的曲线反向，并与0~127的曲线取平均来抵消此部分影响（注：没用）。 操作 获得曲线 import matplotlib.pyplot as plt import parselmouth as pm import numpy as np plt.figure(figsize=(12,6)) org=pm.Sound("E:\桌面\Original.wav").to_intens...

混乱的发展路线 Vocaloid的软件更新速度相对来说比较缓慢，平均4年迭代一个大版本。但除了V1和V2、V4和V5之间的更新较大外，其他版本之间的更新对已经熟练使用的用户而言，仅仅是功能更新，不需要额外的学习成本。 但前提也仅仅限于熟练使用的用户。2014年底发布的V4，其界面相对于2007年初发布的V2而言，并没有太大的变化。虽然在那时，与为数不多的竞品UTAU和Cevio相比已经算好的了，但相较同期的Photoshop CC 2014、Office 2013而言，它们的设计语言则显得过于落后了。 在V4到V5的这段时间内，Sharpkey等新兴引擎引入了钢琴窗画音高线等便利功能，以及基于统计或机器学习改善合成质量、减少声库大小的革新。其中，最广受好评的便是Synthesiz...

原内容写于24/4/10，26/8/17取得进展后重写。 起源 打开Synthesizer V的安装目录，除了软件本体、配置文件和字体文件夹之外，就是clf-data文件夹了。打开这个文件夹，在里头可以看到许多文本文件，包括罗列音素的[语言]-[音素格式]-phones.txt、提供转换的[语言]-[转换内容]-dict.txt，以及包括cmudict-07b.txt等在内的各类字典等。 除了文本文件之外，无法直接阅读的[语言]-[音素格式]-jsm.data就是最为神秘的文件了。如果直接使用记事本打开，会发现文件是一堆乱码，无法直接阅读。但中间又夹杂着一些看上去像是音素的字母，前后两者非常相似，似乎是某种和音素有关的键值对。再加上当时SV0相比于VOCALOID在音素上的组合...

最近有录声库的需求 于是借此机会尝试了一下新的录音器RecStar 顺便和OREMO做一下对比 非教程向 但要是能帮上忙更好 RecStar和vLabeler一样，是UTAU古早工具链的一个进化版（…？）目前是出到0.6.0了（昨天刚出的，2024.1.31）迭代还蛮快速的（所以不保证未来会不会大改） 先来321上链接：https://github.com/sdercolin/recstar/releases/ （除了桌面版还有移动版 Github登不上去的话可以参考这里 这里用的是Windows版 移动版我没试过） 首先说一下这个东西怎么用吧。整个界面是比OREMO要现代化不少的，我这边打开的时候加载可能有点慢（所以双击一回就行不然会打开好几个），进门先是一个最近使用的...