【中译】无人在意的 RAXXER 的“Vocaloid 数据库文档”没用附加内容
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 估计模板的声库：
信了吧？齿擦音上的效果最明显，音与音之间的过渡也会顺畅很多。
嗯，那现在该怎么办？
你已经动手做声库了？那正好！现在你可以把大部分工作都扔掉！
开玩笑的。如果只做了初步分段，那直接新建文件夹重开就好，旧的分段文件还可以继续用。如果你做了很多……那我只能替你心疼一下了。
如果你用的是 DaisyAnnotationTool 来分段，那可以继续做完，不过 stationary 这一步请改用 VocaloidDBTool3 来做。
词典
在重建声库文件夹之前，要确保你的词典末尾已经加上了 EpR 模板：
template(phoneme="*"):
000.000000, 0.000000
0000.000000, 000.000000
0000.000000, 00.000000
0000.000000, 0.000000
在最上面加上：
default_epr_resonances_templates:
template(phoneme="ER"): ## 激励共振
200, 200 ## 250, 350
0, 0
0, 0
0, 0
把 * 换成你的元音……最后应该像这样：
default_epr_resonances_templates:
template(phoneme="ER"): ## 激励共振
200, 200 ## 250, 350
0, 0
0, 0
0, 0
template(phoneme="a"):
700, 0
1350, 100
2750, 100
3700, 0
template(phoneme="e"):
700, 0
1350, 100
2750, 100
3700, 0
template(phoneme="i"):
700, 0
1350, 100
2750, 100
3700, 0
依此类推……
注意开头必须是
default_epr_resonances_templates。
词典里的默认数字可以留着不管。如果你想自己添加，可以查看 自定义 EpR 模板 ，这部分是独立于词典的。
设置 STA
要让 EpR 发挥最大效果，需要把 stationary 录音拼接起来。这个做法在工具包的一份西班牙语文档里也出现过。
说白了，就是把同一元音的所有 stationary 按音高从低到高拼成一条。*
- 顺序可能无所谓，但这么排最清爽。
↓
上面是 [a] 的例子，其他元音同理。辅音的 EpR 估计会基于你常规的配置（据我所知）。
分段
现在是最轻松的一步。如果你以前做过声库，现在只想加上 EpR 模板，那就把 .wav、.seg 和 .trans 文件拿过来用，注意不要混进旧的 stationary。为你的 stationary 新建空白的 .trans 文件。
新建一个声库文件夹，选择加了 EpR 模板的词典，然后打开 Automatic Segmentation（自动分段）。
为了方便整理，我把 STA 的 wav 放在单独的文件夹里，你不必非得这么做。
点击 Edit Transcription（编辑转录），根据拼接在一起的音高数量填写音素数量。我这里一共 5 个。
然后像平常一样配置你的 stationary！
像往常一样把 stationary 添加到数据库里，这一步可能会比平时多花一点时间。
（可选）如果你想自己指定 EpR 的数值，参见 自定义 EpR 模板。然后跳过本节剩余部分。
接着点击 Optimize EpR Guides（优化 EpR 指南） …… 见证奇迹的时刻！！！！！！（并不）
什么都没发生……？这其实是好事，没想到吧？
如果你配置了不止一个 stationary，就会弹出一个进度条。
确认它真的干活了
进到你新建的声库文件夹里，会看到一个叫 epr_templates.txt 的文件，里面应该已经填好内容了。
完事。把剩下的声库文件加回去，再切一下辅音，你就得到了属于你自己的 EpR，大家会夸你的。
报错
无法估计第一帧和/或最后一帧的 EpR
要么是切的位置太近了，要么是你在 EpR 字符串前面（或上面）不小心打了制表符（一般是按 Tab 键出来的）。
以下 stationary 的手动 EpR 估计在不同音高上可能不一致
系统读不出音高线，不过这个影响不大。
自定义 EpR 模板
使用 PRAAT 来修改默认数值。
你可能注意到了，stationary 那一步旁边有这么一行字 
我们就在这一步里操作。建议装上 PRAAT，除非你有其他能分析共振峰和带宽的工具。先把 automatic segmentation（自动分段） 关掉。
应该有一个叫 epr_templates.txt 的文件，里面就是词典自带的默认数值。
把它打开，放一边。然后打开 Praat。
通过 Open（打开） > Read from File（从文件读取） 或 Open（打开） > Open Long Sound File（打开长声音文件） 打开你之前拼接好的 stationary，会弹出一个显示 wav 文件的窗口。
选中你要看的那条，再点 View and Edit（查看和编辑），会新开一个窗口显示波形。记得放大一点，能看到窗口底部。
现在，随便选一个 stationary。根据我的测试，选哪个音高都行，不过我个人习惯选声库里听起来最自然的那个音高。
拖拽鼠标选中整个 stationary，别点丢了。
然后切到 formants（共振峰） 选项卡，点 Show formants（显示共振峰）。往下翻一点，你应该会看到四个共振峰以及对应的带宽——这些就是我们要的数据。
按快捷键 F1，或者手动点一下，会弹出一个窗口显示具体数值。现在我们回头看 epr_templates.txt，里面的一条记录大概长这样：
template(phoneme="a"):
790.000000, 10.000000
1300.000000, 70.000000
2800.000000, 50.000000
3760.000000, 0.000000
逗号前是共振峰（Formants），逗号后是带宽（Bands）。有了这些信息就可以去填 epr_templates.txt 了。比如，第一个共振峰是 1095.4409956453749，对应的带宽是 105.60436272944551。你只需要小数点前的整数，填成下面这样：
template(phoneme="a"):
1095.000000, 105.000000
1300.000000, 70.000000
2800.000000, 50.000000
3760.000000, 0.000000
其他共振峰和带宽也照此处理，最后结果大概是这样：
template(phoneme="a"):
1095.000000, 105.000000
1509.000000, 63.000000
2711.000000, 71.000000
3634.000000, 102.000000
对其余的 stationary 重复上面的步骤。全部做完后，回到自动分段，在第三步点 Optimize EpR Guides（优化 EpR 指南）。
你原来的 epr_templates.txt 会被替换掉，系统会根据你填的初始值再做一次优化。之后就可以继续正常的声库制作流程了。
跟直接使用默认数值比起来，差别大吗？
其实不大，这部分还需要更多测试。
LSF（线谱频率）
点击 Compute LSF（remake EpR）会搞乱多个参数设置。
点击 Compute LSF（Keep EpR）则会破坏 v4dev，而且编译时直接崩溃。
稳定标记（循环区域）
你可以调整 CV 的循环起点，让 stationary 放在采样最稳定的部分。实际上 stationary 并不会把 CV 拉长，它们只是帮忙给采样做共振峰处理（如果我没记错的话）。待施工。
phn_seg.py
phn_seg.py 是开发套件用来估计音素位置的脚本。点击 Segment phonemes 时调用的就是它。它是根据音量大小来估算音素边界的。如果你在用 DaisyAnnotationTool，那基本用不上这个。
可以在某个群里搜一下这个文件，应该能找到。
如果你按照原始文档操作过，那应该已经装好了 Python 3.10。
在 VocaloidDBTool3.exe 所在的文件夹里，新建一个叫 scripts 的文件夹。
把 phn_seg.py 放进去。
打开分段工具时，记得选中 VocaloidDBTool3.exe 所在的文件夹，然后点“分段音素”，它就会自动运行。
注意，因为是基于 Python 的，声库文件夹的路径里不要有空格。
提醒一下，它是根据采样的音量来设置音素边界的…… 肯定不是百分百准，但也还算好用。
开发套件提到还可以“metro-segment”音素，理论上需要另一个 .py 文件，但我们并没有那个 :[
顺带安利一下 KVOX