iVocaloid论坛

标题: 汉语，中国语，中文歌唱的过来看yo！（各方案比较） [打印本页]

作者: jerrkiy 时间: 2011/9/25 21:06 标题: 汉语，中国语，中文歌唱的过来看yo！（各方案比较）

本帖最后由 jerrkiy 于 2011/9/25 21:10 编辑

咳咳，我说。。。
已经有足够多的汉歌唱法了，那么汉utau发展的理论基础其实也差不多了吧。
我试着说一下各种拼法的感受吧。

*外语凑合耳空版
录：不用录
用：找技术宅吧
优点：点燃汉语歌唱的世界，
缺点：复杂，普通话实在，闽南语勉强，粤语很捞。。
代表：V家

*整音版
录：麻烦
用：方便。。。？
优点：字内部过度连贯
缺点：
1，不擅长长乐句，音色会吃不消；
2，录起来工程巨大，设置也是；
3，无法控制韵母转换的速度；
4，闽南语粤语的入音不是很自然，增加长度便会破坏音质。
代表：十月绪子，袅袅歌唱（国产歌唱），百草日（粤）

*王芳梅连续音版
录：方便
用：方便。。。但不适合
优点：
1，利用同口型自然过度，实现连续音（字内）！
2，降低录音量和原音设置量
3，把汉语拼音音法分解为音素，十分有意义的一步！！
缺点：
1，缺失或累赘的普通话没有的音节
2，自制拼音列表不符合华人使用方式
代表：王芳梅

*B-ハン版（Bhiham）
录：方便
用：谁能开放个拆字插件吧。。
优点:
1，拆字较全，适合大多数人
2，利用音量来过度
3，录音工程量降低几倍
4，支撑方言和外语
5，利用不同拼法产生不同音色，拼法自由
6，有闽南语和粤语版方案，基本通杀国内流行歌
7，结构为子母音+韵母，可灵活控制转韵母的速度
缺点：
1，拼字太自由，没有固定拼法，可一字拆两半以上
2，使用方法未定型
3，音内过度不够整音版自然（结合王梅芳连续音原理解决！见升级版）
4，人工拼字较麻烦
5，待补充

【B-ハン升级版】
1，按浅色酱的作法结合王梅芳的连续音原理来设置oto.ini让歌唱过度最自然化！！
2，混搭整音音源和↑↓ 音来自然化音源和加入外来语音唱好外语
3，开发出插件实现输入方便化(未实现)
4，待补充
代表：荟音（+浅色设置oto），芦音（出现又消失），

*KRR式（待其完善后再正式评价）
录：方便
用：和B-ハン差不多
优点：和B-ハン初代原理一样，或许未来的港台方案版符合非大陆的使用方式吧
缺点：
1，缺音
2，和B-ハン未升级版一样
3，这个。。。没定型不好评价。。

*OTHER
有国际音标设想的，通过完整来变调的，未知的。。。

题外：看好袅袅为国人的量身定做，期待其越来越完善！

大家继续为汉音源歌唱努力吧！

作者: 紫曈 时间: 2011/9/25 21:19

這....好詳細不過可惜我不玩漢語
嘛,女兒兒子做好extend後可能會做?

作者: Aspirin﹏ 时间: 2011/9/25 21:40

本帖最后由 Aspirin﹏于 2011/9/25 21:50 编辑

嘛，我错了... 因为说最好要分开嘛于是就分了，再发的话又要原音设定似乎还要做demo，于是拖着拖着就忘了...主要是嫌麻烦啊要不然乃帮着内测一下...

---------------------------------------

反正已经是坑了=0= 咱现在正赶着一堆作业...

作者: maplestyle 时间: 2011/9/26 18:03

表示自己錄過一次卻難產了。弄完之後心裡想著「以後再也不要做中文了。」(淚
B-ハン升級版真的非常非常好用，乾脆以後的B-ハン音源都這樣做好了★

作者: 1274084726 时间: 2011/9/26 18:27

袅袅歌声不就是十月绪！？
【袅袅歌声是软件不是音源，你理解错了！袅袅歌声只是支持自定义音源，~~为了方便，把绪子拖去当袅袅第一代歌手…………~~】
袅袅歌声的最新版不错~~
话说王芳梅我听说过，但我找不到………………
拆字插件什么的找DSOUND看看~
浅色的OTO.ini在哪！？

作者: 瞳子酱 时间: 2011/9/26 19:27

嘛...我一直以为中文版就是拿本新华字典每个音录四个平仄音一个轻读来着= =(揍她

作者: 1274084726 时间: 2011/9/26 19:51

回复 6# 瞳子酱

表示把一声调【阳平】读完就好~【因为唱歌没有声调之分，要声调也可以调参数实现~】

作者: jerrkiy 时间: 2011/9/26 20:52

回复 4# maplestyle

我已经把B-ハン的音源全升级了，以后肯定是用升级版的吖，还有不停吸收其他方案的优点达到唱汉语最优化！

作者: jerrkiy 时间: 2011/9/26 20:56

回复 5# 1274084726

嘛，这种事情我当然知道，因为袅袅是可无穷扩大的所以才打下去，
袅袅是用整音方案的软件，BHIHAM只方案，所以袅袅目前不需要拆字吧，
不过还是很直白地说只有用音素形式才能真正唱好中文！
浅色的oto在荟音bad apple哪里！

作者: 1274084726 时间: 2011/9/26 21:21

回复 9# jerrkiy

于是我QQ让DSOUND试试做B啥的拆字插件吧~

作者: jerrkiy 时间: 2011/9/26 21:28

回复 10# 1274084726

好吖，试试看能不能用俺的方案，然后叫DSOUND能不能做个插件方便输字
（也可在袅袅里窗口输入整字但系统自动读取音素式的wav，这样便能解决转韵母的速度问题了）
不过其实人工输入字也很快的，我看了王梅芳的教程一下就好了，我等会转载过来

作者: maplestyle 时间: 2011/9/27 17:11

回复 11# jerrkiy
如果跟Dsound合作，相信會有超乎預期的結果唷★
表示裊裊那性能高到電腦會卡www

作者: 1274084726 时间: 2011/9/27 17:41

本帖最后由 1274084726 于 2011/9/27 17:52 编辑

回复 12# maplestyle
袅袅的CPU占用率和速度不成正比…………【连启动都慢……】
袅袅的变调技术能把绪子变男人…………

回复 11# jerrkiy

于是等到今天了，还没转载来啊…………
其实你是想让袅袅增加一个B啥专用版本吗！？

作者: 1274084726 时间: 2011/9/27 17:49

回复 8# jerrkiy

升级！？表示升级前的B啥很糟糕…………
http://bbs.ivocaloid.com/thread-90780-1-1.html

作者: jerrkiy 时间: 2011/9/27 21:44

回复 14# 1274084726

嘿嘿，谷歌B和葛炮B只是试验音源，不能代表水平的，只是给录音源的人做参照方便。（笑
还有这个。。。BHIHAM的ust，不是这样弄得。。。。
应该看荟音和芦音（中文）哟，那个粤语实验音源也是试验音源来的，音质都渣渣

升级后的BHIHAM的声音比其他版本好太多了。

作者: dsound 时间: 2011/9/28 17:37

做了个插件
输入：拆开的部分发音的wave文件
输出：整音的wave文件
功能：
>读取字典
>可设置拆音方法（可选择结合的部分音）
>可设置结合度
>试听

需要的童鞋qq找我伸手吧。。

图片附件: [拆] 2011-9-28 17-25-34.png (2011/9/28 17:33, 33.05 KB) / 下载次数 122
http://bbs.ivocaloid.com/forum.php?mod=attachment&aid=NTgzNTF8NmNiMmVmYjJ8MTc2MTYyMTU2NHwwfDA%3D

作者: 1274084726 时间: 2011/9/28 20:50

回复 16# dsound

于是还是用整音合成……
这个有啥用？
把整音的变成B啥，
把B啥的变成整音！？
那么我直接重新把B啥的从网站重新提取不就是整音了！？【还比这样合成的自然~】
我还以为这个是可以直接用B啥音源的插件呢…………

作者: 1274084726 时间: 2011/9/28 20:53

13L的啥下载不来！？

作者: jerrkiy 时间: 2011/9/28 21:43

回复 16# dsound

麻烦Dsound了，随然。。。。好像表达产生歧义了，不过感觉好激动啊。。。。。

然后还是。。。进入正题吧。。。。

误会一：
俺们需要的插件不是把bhiham等音素类音源合成整音来使用（这样绝对不如重新录效果好）。。。
而是求一个可以在utau或袅袅输入音素时不用走两步的插件
（例：打dai，插件自动把时值分解为da+ai两部分替代，
甚至是da+a+ai+i）
或是在袅袅里打的是整音的拼音dai，
但袅袅在后台读取的是设计好的连续音版音素结合da+ai或更复杂的拼法。。。

误会二：
是某个小朋友给你谷歌B版的吧。。。
谷歌B版只是从某处提取出来用于示范渣音源。。。

误会三：
音素式音源的结合在袅袅目前效果会生硬地有断字感。。。
可控制转韵速的字内连续音音源才是可以替代整音音源的王道
不过要等袅袅支持连续音才有效，否则在袅袅里面只是渣+麻烦。。
（本人试过了。。。）

误会四：
be≠be' bei和beng的e是有区别的。。。。
幸好这个按乃说得可以调整。。。。

误会五：

其实。。。我们在讨论的是utau的插件。。。
好吧。。。技术宅。。。我们知错了。。。

作者: 1274084726 时间: 2011/9/28 21:56

回复 19# jerrkiy

我没把B啥的音源给DSOUND啊！别诬陷！！【= = 你一定是说我，我知道……】

还有误会五我也误会了…………

作者: dsound 时间: 2011/9/28 22:12

回复 dsound

于是还是用整音合成……
这个有啥用？
把整音的变成B啥，
把B啥的变成整音！？
那么我直接 ...
1274084726 发表于 2011/9/28 20:50

这个把B音转成整音
这个东西放到袅袅里的话直接就是兼容B音的插件
在音符里输入整音（例如bian），后台就按照字典和结合度去拼B音（bi和ian），然后输出整音

作者: dsound 时间: 2011/9/28 22:21

回复 dsound

麻烦Dsound了，随然。。。。好像表达产生歧义了，不过感觉好激动啊。。。。。

然后还是。 ...
jerrkiy 发表于 2011/9/28 21:43

插件作用见21L

【可控制转韵速的字内连续音音源】
转韵速是什么？不大明白。。

另外根据utau实现连续音的原理，就是把前一个音减弱，后一个音渐强，然后交叉相加，
这个按照袅袅的“声母清晰度”的参数就可以更改，
之所以有断音感有以下几点原因：
1.“声母清晰度”参数给出的范围太小，交叉相加的效果不强
2.前后两个音的音量区别太大，结合不自然
3.前后两个音的发音有区别（基频有区别）
第1点和第2点稍微优化一下就能搞定，第3点取决于音源的效果了

作者: jerrkiy 时间: 2011/9/28 23:40

本帖最后由 jerrkiy 于 2011/9/28 23:47 编辑

回复 22# dsound

回复 22# dsound
这个知道，但是重新合成整音音源效果会大打折扣不如整音自然，
而且音素音源拥有的自由特性也被磨掉了，也就没有转为整音的必要了。
也就是【B-ハン ≯ 合成整音版≯ 袅袅读取合成整音版】整音路程而不是
【输入完整拼音≯ （插件拆音转换为B-ハン可读）≯ 袅袅读取B-ハン】
不是从音源下手，而是只从输入法下手，以保留音素音源的多变的自由度。

转韵速即韵母切换的速度（dao中a到o的时间）
整音的话就会被规定死，扩大就会放大距离所以会感觉歌唱很吃力，憋不出
因为转韵是固定长度而不是相对长度
（不可能唱da....a....a.o.....o.....o..而是da..ao...........o....o...）
其实汉语拼音有一个缺点是字不对音，
这里按音标是【da+au】。(所幸ao的录音效果就是[au]ei的效果就是êi)
同理ye的ê与de的e也是有区别的，
所以才引入e‘{=ê}来区分
还有音一旦被拖长就会有失真的危险苗头，
唱有音高变化的长音更是惨。。。
要真正唱好汉语歌唱容不得一点瑕疵。。。
思路便是通过补充来完善da+ai+i+i+i，而不是一味拖长d....a...i......
这是认为整音设计应该改进的地方之一。。。。
用音素音源便是解决这个和录音工作量的

中文utau的连续音是利用相同的口型发出来的相同母音（乃所说的基频相同）
但在utau里可以可视化调整切到(bao为例)ba的过度一样,也就是可以让用户自己设置在哪里是转换的接口
（正如乃说的123，但可以让用户自己找到最合适的点来解决）
｛类比举例：a颜色【黑-红-暗红-紫】ka b颜色【黑-暗红-橙-白】ai要得到【黑-红-暗红-橙-白】kai
可以用里面的紫线切到【黑-红-暗红-】ka-【-暗红-橙-白】-ai
然后利用母音相同，口型相同（自定义到基频最近似的地方）
再给软件用a+b来读取ka+ai（需要的是打ab就可形成a b两块音符）｝
因为这是最影响音素式音源音质和自然感的地方，所以十分重要

乃可以对比升级前后的荟音就知道了（浅色设计连续音版bad apple和我做的渣渣）

作者: dsound 时间: 2011/9/29 01:59

本帖最后由 dsound 于 2011/9/29 02:15 编辑

回复 dsound

回复 dsound
这个知道，但是重新合成整音音源效果会大打折扣不如整音自然，
而且音素音源 ...
jerrkiy 发表于 2011/9/28 23:40

这样啊
不过如果整音（比如dai）调整各个发音部分的延长程度想做也是能做到的。
现在的袅袅就是：延长音长的时候，声母部分按照“声母长度”参数调整，韵母部分按照音长调整。
至于哪部分是声母，哪部分是韵母，软件内部会自己判断。
如果想做的更细的话也是可能，每个部分各延长多少，只是目前觉得没必要，因为输出还算可以。

utau的母音结合，听（看）起来很麻烦的样子。。
居然需要用户自己设置。。应该是高级向了吧。。
而且用手画的话，是否意味着每个（音源里没有的）拼音都要画一遍才能用？
这样的话是否比录制整音源的工作量差不多？

袅袅的设计理念就是简洁易懂，尽可能的让软件内部自动化处理。。
所以袅袅中一定是：用户输入拼音（整音）－>系统根据字典判断如何拆成音素（当然字典也是由用户自定义）－>合成时，将各音素连到一起（通过判断音素的基频，音量和音高自动母音结合）

作者: jerrkiy 时间: 2011/9/29 14:08

本帖最后由 jerrkiy 于 2011/9/29 17:10 编辑

回复 24# dsound

俺觉得，既然要做汉语歌唱，也就要以最好的人声歌唱为目标，
  utau的母音结合在它的oto。ini便可可视化设置，
  特别是中文是字内连续音，不用重新录就可以做出连续音的效果
整音真正的调教太麻烦了，

按乃那样说整音调转韵速的话工作量超麻烦（乃要开放个自动分析的来做吗？不过每个拼音的转韵都是有自己的规律的kai是延长a zhong是o和ng都拉长，）。。。。
软件自动化不错，但机器不具备感性认知，分析出来不一定在最优化的点上。

简便性很重要但觉得还是以声音效果第一位，
尽量靠近自然歌唱绝对不能差不多就算了
某物可是很有发展前途的啊@

作者: 1274084726 时间: 2011/9/29 18:47

你们讨论得好————啊！

作者: jerrkiy 时间: 2011/9/29 22:38

回复 26# 1274084726

好咩啊。。。。。。。。

作者: 1274084726 时间: 2011/9/30 18:47

回复 27# jerrkiy

嘛~不说了…………

作者: jerrkiy 时间: 2011/9/30 22:20

回复 3# Aspirin﹏

嘛，先给我个补丁，快手哦！
要开做了！

作者: Aspirin﹏ 时间: 2011/9/30 22:30

回复 29# jerrkiy

大叔乃回得真是时候...
补丁什么的没有，不过有新版本~

点击进入下载－Ashine Aya Act2.xChinese.rar

密码==PM乃...

作者: VII 时间: 2011/10/1 14:48

乃们这群技术宅…为什么我全都看不懂你们说的是什么QAQ
而且那个B啥的虽然J啥说很方便但是我一点也不这么觉得…没办法得一个一个弄OTL
而且D啥做的袅袅，把俺女儿丢进去为毛她声音跟UTAU里差得那么多XSK
（好吧她就是个悲催的孩子…

作者: 1274084726 时间: 2011/10/1 20:05

回复 31# VII

声音差别是因为糟糕的变调技术…………

作者: xiphiaz 时间: 2011/10/2 08:11

本帖最后由 xiphiaz 于 2011/10/2 08:42 编辑

SU0v5

昨晚和Jerrkiy君讨论了一下B式拆音法，于是做了这样的东西。
命名为SplitU（咦为什么不叫SplitBhiham?因为缩写。。），可以定制pst文件设定拆音方案，预计可以大幅简少调教时的鼠标/键盘输入。
特点如下：

1. 支持自定义拆音方案。也就是说除了标准的B式，再有新方法也可以一并兼容。方言什么的也完全没有问题。

2.拆音方案记录在pst(Phoneme Split Table 音素拆分表)文件中。
如此一来如果做中文音源的话pst文件大概也会变成类似oto.ini的东西，但预计普适性要更强，
标准B式pst用在B式音源上应该只需少数改动。

3. 拆音长度可以定义为定长或者比例式。
例：jiong = ji + io + ong，分别设定为40（定长），30%（比例），50%（比例）。
那么音符的长度减去40后其余部分按30:50比例分给io和ong。

4. 目前独立于utau存在，还未做成插件形式。通过导入已输入拼音的ust运作。
小研究了一下U插件，但是看来还得要请教一下DSOUND君插件的接口原理。
顺便会做成图形界面。Nobody likes console (except coders). 嗯我喜欢命令行因为不用装VS。

5. pst中不存在的音会保持原样。因pst设置不当或者ust做得太极限导致无法正常拆分的也会保持原样。
不用担心ust会整个乱掉。

运行示例：

拆音前
before

拆音后

例中为了测试各种未预见状况，chong字的pst未设置，bian字故意设置成总长超过了音节长度，所以这两个字没有拆。
接下来就等Jerrkiy的标准Bhiham式pst了哇咔咔。

PS. 本来还打算做汉字直接转音素，但是试了一下utau，输入拼音比汉字要方便得多，那就没有必要做了。
PSP. 和J君讨论之后发现，B式拆音法又经过了修改，已经相当完善了，可以预见音节间的过渡会是一流的。
   并且因为可以重复使用整音来截取其中不同音素，录音量会减少。
   同时可以在oto中完成大部分后期，不需要再在AA中截取音素了，后期工作量也会减少。
   以上，可惜J君并没有发布书面的解释，所以大家可能不是非常理解。

嗯。。就这么多。大家赶紧签订契约做中文音源吧 >.<

图片附件: [SU0v5] SplitU_0v5.jpg (2011/10/2 07:46, 79.31 KB) / 下载次数 133
http://bbs.ivocaloid.com/forum.php?mod=attachment&aid=NTg0Mzl8YTE4NDEyZGR8MTc2MTYyMTU2NHwwfDA%3D

图片附件: [before] QQ截图20111001203026.jpg (2011/10/2 08:38, 30.99 KB) / 下载次数 125
http://bbs.ivocaloid.com/forum.php?mod=attachment&aid=NTg0NDJ8MDk0ZWUxMjZ8MTc2MTYyMTU2NHwwfDA%3D

图片附件: [after] QQ截图20111001203047.jpg (2011/10/2 08:38, 28.79 KB) / 下载次数 127
http://bbs.ivocaloid.com/forum.php?mod=attachment&aid=NTg0NDN8YmE5MzE0YTF8MTc2MTYyMTU2NHwwfDA%3D

作者: xiphiaz 时间: 2011/10/2 08:27

回复 31# VII

其实就在于中文没有oremo吧

作者: chiri流歌 时间: 2011/10/2 09:23

回复 33# xiphiaz

技术宅！！！你让咱们这些小白情可以堪啊！！！
嘛回正题，这个还真的不好理解……【蹲墙脚画圈圈诅咒某妹纸以及他带来的一群技术宅【不对
球公开测试www【死

作者: VII 时间: 2011/10/2 12:07

回复 35# chiri流歌

不对某妹纸是谁啊XSK

作者: VII 时间: 2011/10/2 12:08

回复 35# chiri流歌

还有不对啊为什么是“他”啊喂

作者: xiphiaz 时间: 2011/10/2 13:05

回复 35# chiri流歌

和J君测试了一下，目前程序有几处地方需要修改，并且等J君完善pst之后就上传论坛 >w<

作者: xiphiaz 时间: 2011/10/2 13:06

回复 35# chiri流歌

某妹纸是谁啊0 0

作者: 1274084726 时间: 2011/10/2 19:45

回复 33# xiphiaz

= =
论坛真是卧虎藏龙啊…………
而且都是LV.3或以下的童鞋……………

作者: xiphiaz 时间: 2011/10/3 04:29

回复 40# 1274084726

呵呵。。论坛等级嘛。。浮云啦

作者: hqy123 时间: 2011/11/1 20:26

啊！我一直在找得东西，出现啦~~但是那个那啥B的升级版哪里有录制教程呢。。

作者: wdxwchw 时间: 2011/11/2 00:18

新人路过帮顶........

作者: xiphiaz 时间: 2011/11/2 01:35

回复 42# hqy123

其实是有的，只不过貌似没有整理完，找J要吧

欢迎光临 iVocaloid论坛 (http://bbs.ivocaloid.com/)