【Rocaloid经验总述】【二】关于音源库,CBV, 和音源库制作工具

2015.3
本贴所包含信息时间过于久远，已废弃。出于保留项目历史原因在此搁置。

---

内容概述：
CBV文件结构定义，发音记号系统，音源库开发流程，音源库制作软件TDPSMStudio使用方法和原理。

---

        从《关于CybervoiceEngine和TDPSM》里，你应该知道Rocaloid的CBV是一种记载了分拆后语音帧的音源库文件。CBV这个格式是Rocaloid唯一的从初代保留到二代的数据文件后缀。CBV的格式倒是经过了三次变化。Rocaloid Renaissance 1.6核心版采用了两种版本的CBV：v0.5和v0.6。我本来像把CBV 0.5, 0.6的后缀改成CVDB，但在CVE 1.5时期为了兼容老版本CBV所以后缀没变，但较原来的CBV，CVDB多了一个文件头。

      CVDB 0.5

---

        这是Rocaloid音源库中用于保存音源数据的文件格式。
        记录的内容：数据特性、语音数据、语音帧分界线的位置。

        先说CVDB 0.5吧。Rocaloid保存的音源库规格为： PCM signed 16bit little endian 96000HZ 1536kbps mono。如果你装了Goldwave一类的波形编辑软件，按这个规格直接打开CVDB 0.5的文件，应该会看到：

        其实CVDB 0.5是在音源库数据中穿插FE 7F（32766）和FF 7F（32767）来分割语音信号周期。其中FF 7F表示最后一个周期结束。

        用winhex打开CVDB 0.5的话，你会在开头看到：

        CVDB 0.5的文件头定义如下：

1. CVDB Information
   
2. 0-3 CVDB Header 'CVDB'
   
3. 4-5 Version UInt16
   
4. 6  Consonant FF(255)-True   FE(254)-False
   
5. 7-10 StartPoint Int32
   
6. 11-14 Average Period Int32
   
7. 15  Fill FF(255)
   
8. 16-255 Information  String
   
9. CVDB Data
   
10. FE 7F Frame/Period
    
11. FF 7F CVDB End

复制代码

       （Rocaloid_HatsuneMiku 1.5.1 -RENAISSANCE-字样其实只是装帅。。。。。。。。。）


        CVDB 0.6

---

        这是Rocaloid音源库中用于保存音源数据的文件格式。
        记录的内容：数据特性、语音数据、语音帧分界线的位置。
        比CVDB 0.5更先进。

        CVDB 0.6和0.5的差别主要是，0.6里不再用FE 7F和FF 7F代表语音帧之间的界线，而是在文件头里塞下了一个帧长度表。Winhex打开如下：

        在帧长度表结束后就是一个去掉文件头的wav。所以你可以很容易地从CVDB 0.6中还原出wav，以后数据压缩也会很容易。
        而Goldwave打开的CVDB 0.6看上去跟wav几乎没区别，你甚至可以直接播放它。注意文件头会在起始处形成一个爆音。

        这是CVDB 0.6文件定义：

1. 0-3 CVDB Header "CVDB"
   
2. 4-5 Version UInt16 = 0x0002
   
3. 6 Consonant FF(255)-True   FE(254)-False
   
4. 7-10 StartPosition Int32
   
5. 11-14 PeriodStartPosition Int32
   
6. 15 Fill FF(255)
   
7. 16-17 Chunk number UInt16
   
8. 18-? Frame Chunks
   
9.       Period Length UInt16
   
10. ?+1 Wave Data
    
11.       Data Chunks Int16

复制代码

        Rocaloid Renaissance发音记号系统

---

        这一段介绍Rocaloid Renaissance使用的发音记号和对应的发音，开发音源库或者高级调教需要看：
        最后给出了一张对照表，你懒得看介绍的话可以直接去看表。

        从初代。开始（打dai kai会被和谐掉。。。）Rocaloid就使用一套与众不同的发音记号系统。不用罗马音，国际音标，X-SAMPA等记号系统的原因：

•   这些记号系统可能无法准确地描述音源库文件的发音。
•   这些记号系统有太多发音，在Rocaloid的音源库中没有对应。
•   使用复杂的发音记号不利于开发和调试。
  

        关于初代的发音记号就不详述了。初代只有1000多个CBV文件，而且每个辅音只有一组对应的CBV，比如b只有ba对应，c只有ci，k对应ke，x对应xi，p对应po……

        Roca Rena的发音记号系统相比一代丰富了5倍，每个辅音，例如b，对应了3-5种辅音-元音的diphone，如ba, bo, be, bi, bu（汉语拼音）。
        辅音-元音diphone在Roca Rena记号系统中表示为：第一个字符是汉语拼音，第二个字符是@ [ 3 # ~中的一个。

• @ 对应 a
• [   对应 o
• 3  对应 e
• #  对应  i
• ~  对应 u
  

        特殊情况是当辅音的汉语拼音占两个字符时，要用符号替换：

• %  对应 zh
• ^  对应 ch
• &  对应 sh
  

        把发音记号限制成两个字符以内是为了开发方便，看起来也舒服（我觉得舒服吧。。。）。

        元音如此对应：

• a   对应  a
• o   对应  ao
• e   对应  ai
• e-  对应  e
• i    对应   i
• u   对应  u
• v    对应  yu (也就是v)
  

       对于鼻音，也规划在元音之内：

• N
• NN
• NG
  

        NG偏后鼻音，前面两个看情况使用，我很难用语言表述出它们的区别。@http404求说明。。。

      还有几个特殊的发音记号

• -    对应  ri后面的"i"的发音
• -#  对应  zi后面的"i"的发音，或者zhi、chi、shi中"i"的发音
• v-   对应 yu，和v的区别是v仅是yu后"u"的发音（用作元音），v-是整个yu（用作辅音）
  

        这里给出一张表格，是目前音源库中使用所有Rocaloid发音记号：

No.	Field	Rocaloid Symbol	Pronounciation
1	Vowel	a	a
2		o	ao
3		e	ai
4		e-	e
5		i	yi
6		u	u
7		v	yu
8	b	b@	ba
9		b3	be
10		b[	buo
11		b#	bi
12		b~	bu
13	p	p@	pa
14		p3	pe
15		p[	puo
16		p#	pi
17		p~	pu
18	m	m@	ma
19		m3	me
20		m[	muo
21		m#	mi
22		m~	mu
23	f	f@	fa
24		f3	fe
25		f[	fuo
26	d	d@	da
27		d3	de
28		d[	duo
29		d#	di
30		d~	du
31	t	t@	ta
32		t3	te
33		t[	tuo
34		t#	ti
35		t~	tu
36	n	n@	na
37		n3	ne
38		n[	nuo
39		n#	ni
40		n~	nu
41	l	l@	la
42		l3	le
43		l[	luo
44		l#	li
45		l~	lu
46	j	j#	ji
47	q	q#	qi
48	x	x#	xi
49	g	g@	ga
50		g3	ge
51		g[	guo
52		g~	gu
53	k	k@	ka
54		k3	ke
55		k[	kuo
56		k~	ku
57	h	h@	ha
58		h3	he
59		h[	huo
60		h~	hu
61	z	z@	za
62		z3	ze
63		z[	zuo
64		z#	zi
65	c	c@	ca
66		c3	ce
67		c[	cuo
68		c#	ci
69	s	s@	sa
70		s3	se
71		s[	suo
72		s#	si
73	zh	%@	zha
74		%3	zhe
75		%[	zhuo
76		%#	zhi
77		%~	zhu
78	ch	^@	cha
79		^3	che
80		^[	chuo
81	sh	&@	sha
82		&3	she
83		&[	shuo
84		&~	shu
85	w	w@	wa
86		w3	we
87		w[	wuo
88	r	-#	zi
89		-	ri
90	n	N	n
91		NG	n
92		NN	n
93	v	v-	yu

        若要包含所有发音符号在所有音高下的发音，工作量太大了，所以我仅制作了C2-C5，属于比较常用的音域。
        93个发音符号 × 37个音高（C2 - C5） = 3441，也就是1.6核心版音源库中的CBV文件个数。


        CBV的文件名命名规则

---

        统一的命名规则：发音记号+下划线+音高.cbv
        如：b@_C3.cbv即C3下ba的发音。
        注意音高半音均使用#，例如C#3, D#3, F#3, G#3, A#3, C#4, D#4……但没有Eb3, Bb3这种表示。


        音源库开发流程

---

        介绍了音源库开发的四个步骤：

	步骤	使用工具
1	导出原始波形数据	Vocaloid、按键精灵
2	纠正错误的或突兀的发音	TDPSMStudio(Wave Editor模式)
3	拆帧	TDPSMStudio(Wave Analyzer模式)
4	检查，标注VOT	TDPSMStudio(CVDB Quality Control模式)

        最后附带了一个能自动调教Vocaloid的按键精灵脚本。
        如果你要加入开发音源库，看这段：

这是使用CVMaker+CVQC+VoiceWaver方案的流程图

        因为TDPSMStudio的完成，如我在【序章】提到，这个软件涵盖了CVMaker+CVQC+VoiceWaver的功能，上面的方案已经被简化：把三个工具名字用TDPSMStudio替换掉，把用CVQC优化CBV的一步改成“检查和标注VOT”即可。

        音源库的3441个文件都是从Vocaloid里导出后经由上述操作制成的。即是说初音唱了3441次……实际上的次数远大于这个数字，因为音源库来回刷了好几遍才能做出最好的。现在的音源库（1.6.1也不是最终的版本）。

        DBManager是一个音源库管理工具，用批处理写的。起初我们使用Hamachi组建虚拟局域网，用windows自带的局域网文件共享传文件。这个批处理就放在共享文件夹里。后来Hamachi速度实在跟不上，我们就用百度网盘共享文件了，同样，批处理丢进同步文件夹就好了。

        起初音源库操作经历上述三个步骤，中间会产生大量的文件。难处是这些文件即使不用了还得留着，说不定那天还会用得上。我在开发初代的时候受了个教训：总是记得以前有个音源库版本发音比当前的版本还好，回去找却发现文件已经被删掉了。

        DBManager所做的事情就是把这些中间产生的文件自动归类和取出。首先相同发音的文件放在同一个文件夹里：

        

        在这些文件夹里，不同步骤产生的文件又被放进数个子文件夹里归类。

文件夹	存储内容
Raw	从Vocaloid里直接导出的文件
Raw	经过波形调整的wav文件
Gen	经过拆帧产生的cbv文件
Edit	经过检查和调整的cbv文件

        因为一个发音会被重新制作n次，所以在Raw\Gen\Edit后面加上数字以表明版本，如Raw1, Gen2, Edit1这样……这些都是DBManager做的事情。

        因为TDPSMStudio的出现，Gen被合并到Edit里去了。
        最后的音源库版本号，如1.6.1\71-236，1.6.1是音源库总版本号；71是所有Edit版的数量，236是所有Raw+Gen+Edit版的数量。

        1.6.1\71-236，也是发此贴时的音源库版本，共包含三万五千个半手工半自动处理的文件。好在有了TDPSMStudio这种工具后音源库开发的自动化程度大大提高。

        不过开源后这种共享方式不能继续了，DBManager也得退役了。因为我不能保证不会有人修改百度网盘的密码。Rgwan提议通过打7z包互传音源库部分文件的方式共享资料。

        从Vocaloid导出文件也是批量导出的，我用按键精灵写了个脚本，输入一个发音记号就可以全自动从C2合成输出到C5：

1. PID = Plugin.Window.Foreground()
   
2. PitchList = Array("C2","C#2","D2","D#2","E2","F2","F#2","G2","G#2","A2","A#2","B2","C3","C#3","D3","D#3","E3","F3","F#3","G3","G#3","A3","A#3","B3","C4","C#4","D4","D#4","E4","F4","F#4","G4","G#4","A4","A#4","B4","C5")
   
3. Notes = Array("mo", "mi", "me", "mu")
   
4. NoteNames= Array("m[","m#","m3","m~")
   
5. NoteNo=0
   
6. NoteName = InputBox("Input the synthesis symbol:")
   
7. PitchNum = 0
   
8. 
   
9. Call Plugin.Window.Show(PID)
   
10. 
    
11. Rem Restart
    
12. 'NoteName=NoteNames(NoteNo)
    
13. For i = 0 To 36
    
14. Delay 100
    
15. 'Select All
    
16. KeyDown 18, 1
    
17. KeyPress 69, 1
    
18. KeyUp 18, 1
    
19. Delay 50
    
20. KeyPress "E", 1
    
21. Delay 100
    
22.         'Goto Skip
    
23.         FileName = NoteName & "_" & PitchList(i)
    
24.         'CTRL+ALT+SHIFT+S
    
25.         KeyDown 17, 1
    
26.         KeyDown 18, 1
    
27.         KeyDown 16, 1
    
28.         KeyPress 83, 1
    
29.         KeyUp 16, 1
    
30.         KeyUp 18, 1
    
31.         KeyUp 17, 1
    
32.         KeyPress "Enter", 1
    
33.         Delay 50
    
34.         'Input FileName
    
35.         SayString FileName
    
36.         Delay 100
    
37.         KeyPress "Enter", 1
    
38.         Delay 100
    
39.         'Wait For Synthesis
    
40.         Call WaitForColorChange(673,329)
    
41.         Rem Skip
    
42.         'Find Note
    
43.         FindColor 115,93,800,520,"F4E90B",intX,intY
    
44.         NoteX = intX + 30
    
45.         NoteY = intY + 5
    
46.         'Move
    
47.         MoveTo NoteX, NoteY
    
48.         Delay 100
    
49.         LeftDown 1
    
50.         Delay 100
    
51.         MoveR 0, -5
    
52.         Delay 10
    
53.         MoveR 0, -4
    
54.         Delay 10
    
55.         MoveR 0, -3
    
56.         Delay 100
    
57.         LeftUp 1
    
58.         Delay 100
    
59.         LeftClick 1
    
60.         Delay 100
    
61.         'Scroll
    
62.         If NoteY < 200 Then
    
63.                 MouseWheel 4
    
64.         End If
    
65.         Delay 100
    
66. Next
    
67. Call Restore
    
68. NoteNo = NoteNo + 1
    
69. FindColor 115,93,800,520,"F4E90B",intX,intY
    
70. NoteX = intX + 30
    
71. NoteY = intY + 5
    
72. If NoteNo = 4 Then
    
73.         Goto EndS
    
74. End If
    
75. 'Delay 20
    
76. 'MoveTo NoteX, NoteY
    
77. 'Delay 20
    
78. 'LeftDoubleClick 1
    
79. 'Delay 20
    
80. 'SayString Notes(NoteNo)
    
81. 'Delay 20
    
82. 'KeyPress "Enter", 1
    
83. 'Delay 50
    
84. 'Goto Restart
    
85. 
    
86. Rem EndS
    
87. 
    
88. Function WaitForColorChange(x, y)
    
89. Rem F_WFCC
    
90.         Delay 10
    
91.         If GetPixelColor(x, y) = "C8D0D4" Then
    
92.                 Goto F_WFCC
    
93.         End If        
    
94. End Function
    
95. 
    
96. Function Restore()
    
97.         For i = 0 To 36
    
98.                 Delay 20
    
99.                 KeyDown 17, 1
    
100.                 KeyPress 90, 1
     
101.                 KeyUp 17, 1
     
102.                 Delay 10
     
103.                 FindColor 115,93,800,520,"F4E90B",intX,intY
     
104.                 NoteX = intX + 30
     
105.                 NoteY = intY + 5
     
106.                 If NoteY > 455 Then
     
107.                         MouseWheel -1
     
108.                         Delay 20
     
109.                         MouseWheel -1
     
110.                 End If
     
111.         Next
     
112. End Function

复制代码

        这是适用于V3的版本，简单改一下就可以适用于V2。你可以看到代码里隐藏了一个可以合成整个辅音-元音系列的功能，像这样按顺序合成：ma mi me mo。（人类已经不能阻止我开发Rocaloid了。。。）

        关于TDPSMStudio

---

        TDPSMStudio是Rocaloid Renaissance中最新的用于开发音源库的软件，打破了以往用一批零散的工具开发音源库的局面。接下来的几段介绍TDPSMStudio的使用方法。
        既然它替代了以往一堆软件的功能，它有多个工作模式：

• 拆帧器模式
• 波形编辑器模式
• 检查器模式
  

        要加入音源库开发请读这几段：

        TDPSMStudio 1.0.5.27281下载地址（484KB）：

          http://pan.baidu.com/share/link?shareid=543662&uk=3423845838

        这个压缩包里包括了TDPSMStudio本体和一个测试用的o_C2.wav文件。（其实o_C2.wav保存的是%[_C2的数据。音源库里用%[代替o的发音。）

        TDPSMStudio有三种模式，分别对应原本VoiceWaver, CVMaker 和 CVQC的功能（波形编辑，拆帧，检查）。

        Wave Analyzer模式

---

        这是用于拆帧的模式，打开TDPSMStudio后的默认模式。

        在Symbol后输入发音记号，在Pitch里输入音高（遵循文件名的音高命名方式），然后点击Open即可打开一个wav文件。

        波形下面的框是三种模式通用的。Amplitdue滑块控制显示面板上波形的竖向缩放比例；如果打开的是一个辅音-元音Diphone，就把Consonant勾上；Data Length是拆帧拆出来的数据长度，一般Diphone用0.5秒，元音用2秒；Balance Wave是自动平衡波形，一般情况下勾上。不过Balance多了理论上会对波形质量造成影响，如果这个波形之前被Balance过，就不用选了。前面说了，o_C2这个文件其实是zho的发音，所以把Consonant勾上就可以当成Diphone分析，不勾上就可以当元音分析。

        红色的线代表音量大小，黑色的线是用来反映音量变化速率的，一般用不着。

        载入一个wav后，会先出来连根粉红色的线，这是TDPSMStudio识别出的一个周期。拆帧时就会以这个地方为起始点拆帧。

        波形视图的缩放方法跟Goldwave一样，鼠标滚轮控制缩放和移动，缩放的中心点即鼠标所在位置，很容易上手。

        菜单栏下面的一排按钮里，有个Analyze Frame。点一下就可以自动拆帧。如果成功了会变成这样：

        辅音部分因为没有周期性，会自动用音高对应的周期代替。

        如果你在和TDPSMStudio同一目录下放了一个发音记号从C2到C5的所有发音的wav文件，就可以按Analyze Frame To All，一次按下对所有wav自动拆帧。TDPSMStudio理论上支持任意CPU核心数量的电脑，并且可以100%利用电脑的性能。在批量操作的时候会变得非常卡，鼠标甚至都会被卡住。。。好在处理37个文件速度很快，在i5-3320M上不到10秒就可以完成37个文件的批量处理。

        在Settings->Analyzer里可以对分析器（拆帧器）进行设定：

Silence Threshold	判断为静音的音量阀值
Allowing Error	范围是0-1，当识别出的相邻两个周期长度区别超过这个倍数时，就停止分析（判断为VOT）
Self Correlation	使用自相关算法
Self Difference	使用自差分算法
Search Window	搜寻窗口大小，即寻找周期长度的范围

        Wave Editor 模式

---

        从Mode -> Wave Editor可以进入这个波形编辑器模式。在Wave Analyzer模式的基础上，可以用鼠标左右键单击波形窗口选中一段波形。

        此外你会看到一条红线，这是TDPSMStudio自动识别的VOT位置。

        此模式下左边一排工具栏处于可用状态，从上向下功能依次为：

• 播放选定区域
• 停止播放
• 复制选定区域
• 切除选定区域
• 将复制的部分混音在选定区域的左边界线
• 改变选定区域的音量
• 平滑（模糊）选定区域
• 标准化选定区域内的音量
• 缩短选定区域（相当于CVE中的Shrink，须选中VOT之前的部分，不然会崩）
• 使选定区域静音
• 淡入选定区域
• 按二次函数，减弱选定区域中心
• 自适应性标准化+平衡（其实是标准化使音量全部在0.1以内）
  

        在Fade In或者Weaken按钮上按右键，右键菜单中有一列数字可以选择，这是一些参数。Fade In弹出的参数是淡入前的起始音量（比例）。Weaken弹出的参数是最低音量比例。

        与Wave Analyzer模式类似，如果你已经在TDPSMStudio所在目录放置了从C2到C5的同一个发音记号的37个wav文件，打开发音记号_C2后按Adjust To All可以批量对所有wav文件进行处理。

Automatic Adjust	字面意思是自动调整，其实是标准化+平衡，找不到合适的名字了……后面跟的数字是音量大小限制
Smoothen At VOT	在VOT处平滑音量变化。Vocaloid在音高较高的时候，某些辅音的音量会突然上升，导致听上去不自然。此功能可以把VOT处的音量变化抑制在Limit以内
Shrink Consonant	缩短辅音
Limit Consonants	某些辅音的音量过大，Limit Consonant其实是个针对于辅音的Automatic Adjust
Consonant Fading In	淡入辅音，同样是针对辅音音量过大的问题
Until	从当前音高一直批量处理到指定音高

        若要保存调整后的wav，按快捷键Ctrl + C。

        CVDB Quality Control 模式

---

        这个模式直接对应CVQC的功能，即对批量CBV文件的检测。如果你已经生成了一个CBV文件，或者已经把CBV文件丢到TDPSMStudio同一目录下，输入发音记号和音高即可打开CBV。

        波形视图上呈现的就是拆帧后的CBV，红线代表准许CVE识别为周期性信号的位置。为了保持稳定，红线的位置被刻意放在VOT之后一小段时间。在此之前的信号被当作辅音的部分，CVE不对其进行处理或参与过渡。因为红线位置过于靠后会导致合成时产生爆音。一般此位置需要手动稍微向前调整。

        调整周期其实位置只需在调整后的位置点击。若要保存起始位置调整后的CBV，按快捷键Ctrl + C。

        适用于任何模式的功能

---

        快捷键：

        这种特殊的，和Windows常用快捷键不同的快捷键排布方式是为了能用左手操纵键盘，同时右手操纵鼠标，以提高操作效率。
• Ctrl + A     上一个音高
• Ctrl + S      打开这个音高
• Ctrl + D     下一个音高
• Ctrl + C      保存
  

        遍历：
       此功能用于检查处理后的文件。
        在任何模式下View All和Stop按钮都是可用的，View All用于把所有文件按音高顺序打开一遍，Stop是停止View All。

        波形预处理：
        此功能是在载入波形时对波形进行的处理，为了方便拆帧和语音分析。
        从Settings -> Preprocess可以进入。
        为了方便拆帧，TDPSMStudio会对波形进行（多次）移动平均。

Moving Average:

• Enabled： 启用移动平均预处理
• Twice：二次移动平均
• Extra：再多一次移动平均
  

• 2/3 Periods：移动平均长度为基频周期长度的2/3
  

• 1/2 Periods：移动平均长度为基频周期长度的1/2
  

• 1/3 Periods：移动平均长度为基频周期长度的1/3
  

• 1/4 Periods：移动平均长度为基频周期长度的1/4
  

Envelope Mapping:

• 1 Period：包络精确到1个基频周期长度
• 2 Periods：包络精确到2个基频周期长度
• 4 Periods：包络精确到4个基频周期长度
  

Start Position:

• Fixed：拆帧的开始点是固定的
• Delayed：拆帧的开始点在音量突破静音阀值（在Analyzer中设置）之后。
• 下面的文本框设定Delayed的延迟时间。
  

        TDPSMStudio的原理

---

        关键字：移动平均，自相关算法，自差分算法。
        如果你加入TDPSMStudio的开发，请读下面：

        前面的说明中应该已经能看到一些原理了。
        移动平均之所以能利于之后的拆帧，是因为经过两次长度大约1/3基频周期长度的移动平均后，大多数语音波形会变成一峰一谷的形式。
        如果仅是选取任意点为周期分界进行拆帧，在PSM混合时可能会对波形造成比较大的损害。例：“i”和“u”是波形类似正弦的简单波形，假如我以i的波峰前的过零点为周期（语音帧之间的）分界；以u的波谷前的过零点为周期分界，那么在从i到u的过渡中可能有一刻，i和u的波峰波谷互相抵消，这个过渡就被断开了。        将波形移动平均后变为一峰一谷的形式，TDPSM选择波峰前的过零点作为周期分界，也有助于提高合成质量。不过这么做仅仅是减轻了对音质的损害，这是PSM目前没解决的问题之一。
        关于前文中提到的“自差分”算法，我不知道学术上怎么称呼，只是我自己给它取的名字。
        [2013-7-25补充]这个“自差分”学术上叫AMDF，自相关在这里称为ACF。
        这是离散信号自相关算法的公式，如果你学过DSP，你懂的肯定比我多：

        其实它就是把一段长度为l的波形，从x处移动到x+n的位置，并不断把移动前后对应位置上的数据乘起来。正正得正，正负得负，负负得正，所以移动n位后波形重合度越高，On的值也越大。

        那么理论上值最高的On（除了O0）就是周期交接处的位置。

        自差分就是把乘法改成减法然后取绝对值：

        它是把一段长度为l的波形，从x处移动到x+n的位置，并不断计算把移动前后对应位置上的数据的大小区别。所以移动n位后波形重合度越高，On的值也越接近0。

        那么理论上值最低的On（除了O0）就是周期交接处的位置。

那个强大的脚本让我想起了葛叔练声的场景。
另外就是音源库共享可以用我说的7z+index法。当然也可以在GH上弄个音库的目录
然后弄分支啥的。不过那个可能会导致GH罢工……但是方便。

教得很棒!讓在下獲益非淺!