使用方法（中文） - xunmengshe/OpenUtau GitHub Wiki
- OpenUtau for Diffsinger是第三方基于OpenUtau框架，为DiffSinger歌声合成引擎开发的编辑器，与DiffSinger与OpenUtau开发团队均无关系
- 请遵守本仓库与其他开源代码的开源协议
- 请确保你使用的数据来源合法合规，且数据提供者明确你在制作什么以及可能造成的后果
- 本项目为歌声合成项目，无法用于其他用途，如语音合成、人声转换等
- 以下内容适用于Diffsinger no-midi模式，基于DiffSinger（OpenVPI维护版）训练的音源。
- 在使用过程中遇到了任何Bug，都可以向我反馈。在反馈时，建议提供发生 bug 时的 OpenUtau 窗口完整截图、工程文件，以及 OpenUtau 日志文件。
- 下载OpenUTAU for Diffsinger，根据你使用的操作系统选择合适的软件包
- Windows请下载OpenUtau-win-<版本号>-DiffsingerPack.zip，解压，运行openutau.exe。DiffsingerPack已经内置了声码器，无需手动安装
- Mac请下载OpenUtau-osx-<版本号>.zip，运行。然后下载声码器，拖入OpenUtau窗口安装。
- 下载音源，拖入OpenUTAU窗口安装。可以在这里找到现有公开音源。
- 安装音源时，如果需要选择音源类型，请选择“diffsinger”
- 在音轨左侧的歌手菜单的“Diffsinger”分类中找到你安装的歌手，选择。
- 歌词支持汉字或拼音输入，连音符为加号
+，呼吸音为AP。
更详细的操作说明，可以参考OpenUtau中文文档
- OpenUTAU默认开启自动预渲染，即你每进行一笔编辑，都会立即渲染音频并缓存。如果OpenUTAU卡顿，可在“工具→使用偏好→渲染”中关闭自动预渲染。
- Diffsinger相关设置可在“工具→使用偏好→渲染”中编辑：
- 渲染步数：默认为20步。升高渲染步数可提高音质，但会使合成速度变慢。
- DirectML渲染（非必须）：在Windows系统上，如果有NVIDIA或AMD独显，可使用DirectML，渲染速度更快。如需使用DirectML，请将“机器学习运行器”设置为directml，GPU选择你的独显，然后重新启动OpenUTAU。
Diffsinger支持以下参数
- 音高曲线
- DYN（音量曲线）
- GENC（性别，需音源支持，默认可调范围±100相当于∓12半音，正方向为男声（共振峰降低））
- VELC（发音速度曲线，需音源支持。增大此参数会使韵母开头和结尾的速度加快。100为原速，每增大100相当于速度x2，默认可调范围0~200相当于0.5~2倍速）
- ENE（能量曲线，需音源支持。相对值，默认可调范围±100相当于±12dB）
- BREC（气声曲线，需音源支持。相对值，默认可调范围±100相当于±12dB）
VELC和ENE默认不包含于新建工程中，可点击钢琴窗左下角的齿轮图标，点击“获取渲染器建议的表情”将其添加到工程中。
参数的可调范围也可在此菜单中设置：
如果音源支持自动音高，可在钢琴窗点击“批量编辑→音符→加载已渲染的音高”以获取自动音高。可以选中一部分音符，为其所属乐句加载自动音高。
注意：取决于你的设备性能，需要等待数十秒以生成自动音高。
音素器是OpenUTAU中，将音符转化为音素，并指定音素时长的组件。绝大多数情况下，用户不需要手动选择音素器，OpenUtau会自动根据音源选择合适的音素器。
目前OpenUTAU for Diffsinger包含以下用于Diffsinger的音素器：
这些音素器基于DiffSinger variance时长模型。目前大部分的DiffSinger使用该模型。不同音素器支持的语言不同，请根据音源支持的语言和歌曲语言进行选择。具体使用方法参见音素器说明
- DIFFS 位于General分类
- DIFFS ZH 汉语普通话
- DIFFS ZH-YUE 粤语
- DIFFS JA 日语
- DIFFS EN 英语
- DIFFS ES 西班牙语
- DIFFS IT 意大利语
- DIFFS KO 韩语
- DIFFS PT 葡萄牙语
- DIFFS RU 俄语
一些较早期开发的DiffSinger音源可能会使用以下音素器。
- DIFFS RHY 位于ZH分类，基于 Diffsinger rhythmizer音素模型。使用前请先下载模型，拖入OpenUtau窗口安装。
- ENUNU X 位于General分类，基于NNSVS音素模型。适用于ENUNU支持的各种自定义语言。使用方法
- ENUNU X EN 位于EN分类，基于NNSVS音素模型。适用于使用CMUDict的英文音源。使用方法
尽管名称相似，DiffSinger和Diff-SVC没有关系。DiffSinger是歌声合成软件，输入乐谱和歌词，输出歌声。Diff-SVC是人声转换软件，即变声器，用于将一个人的声音转换为另一个人的音色。两者的训练与使用方法也不同。两者名称相似的原因是它们都基于扩散模型（Diffusion model）。
DiffSinger不支持Diff-SVC模型，需要使用原始歌声数据另行训练DiffSinger模型。
工程文件可以在以下网站查找：
- https://www.vsqx.top/ （多种歌声合成软件的工程文件分享站）
- http://midishow.com/ （midi文件分享网站）
- 在搜索引擎或视频网站上搜索“歌曲名+svp”，“歌曲名+vsqx”，“歌曲名+midi”
我个人查找工程文件的优先级为：ustx > svip = svp > vsqx > ust > mid。这些格式可通过以下方式导入OpenUtau：
| 格式 | 导入方式 |
|---|---|
| ustx | 直接拖入 |
| svip、svp | 使用OpenSvip转换为ustx |
| vsqx、ust | 直接拖入。注意：下载时请挑选无参工程。因为有参工程可能有拆音，无法在OpenUtau上使用。 |
| mid | 直接拖入。注意：在下载前请先试听文件并查看各音轨音符数量，以检查是否存在歌声音轨。一般歌声音轨的音符数量在100~1000之间。可优先选择标注了“调教用”的mid文件。mid文件一般不包含歌词，需要手动输入歌词。 |
注意：在找到工程之后，请务必从头到尾听一遍，检查是否有音符与歌词错误，包括汉字转拼音错误。
如果提示“Error loading vocoder NsfHiFiGAN”，大小写混合的NsfHiFiGAN，一般是由于将训练用的config作为dsconfig.yaml。请注意：dsconfig.yaml不是训练用的config，请按照上述“音源打包-dsconfig.yaml的内容”来编写dsconfig.yaml。
如果你使用的DiffSinger音源包含了自动音高模型，则可通过“音符→加载已渲染的音高”获取。
DirectML在核显上运行时，可能会导致渲染卡死。
目前DiffSinger渲染器已经合并到OpenUtau官方主线。本仓库将继续存在，用于发布DiffsingerPack（内置了音素器的软件包），以及测试不成熟的新功能。