讯息：【测试版】utau中文CVVC录音方案

• 2023-06-25 01:46:50 来源：哔哩哔哩

直接上链接：

(相关资料图)

链接：https://pan.baidu.com/s/1k6WZ61Op2um1IiJsmjMdvQ?pwd=0720 

提取码：0720 

以下内容在压缩包的txt文本里都有

首先声明本录音表只是我个人使用的录音表，分享出来而已，不要有太高的要求

其次，我放弃任何权利，你随便怎么弄都行，帮我修复BUG谢谢

然后要重重的说明当前版本0.4版本，没有示范音源，也没有测试过可行性，所以说谨慎录制

PS:如果你测完了，发现了问题，上报给我谢谢，然后我把你挂在这里当示范音源，谢谢

然后本录音表是一个针对偏说话腔的风格化录音制作的录音表，如果你是想录唱腔最好是别用这个表，会有很多录音浪费可能。

文件预览：共2305行录音，2723条oto

1.read me,共2243行录音.txt

录音方式：

顺序：CV.txt→VC.txt→VV.txt→扩充.txt

或CV.txt→扩充.txt→VC.txt→VV.txt

名词解释：

CV：是歌声合成中，每一个字的开头部分 和 每一句的开头第一个字 的采集

VC：是歌声合成中 每一个字 的  结尾部分 到 下一个字辅音 的采集

VV：是歌声合成中元音到元音的采集

扩充：扩充录音部分

本表音素采集：

CV只采集前两个音

VC只采集第二个音的结尾和第三个音的开头

VV只采集第二个音的结尾和第三个音的整个音

扩充只采集第二个音的结尾

录音注意：

录音表中存在一些可能不存在的音或者生僻的音，按照标准的元音和辅音发音录制即可

VV部分请将最后一个音，请根据录音习惯，拉长一些，因为要采集

扩充中的R表示空白，用做采集每一句的结尾音

录音表中的1是用作提示录音者一段录音的结束

录音注意2：

本表支持说话腔，和半说话腔录音，同时也支持特殊咬字，也支持正常唱录

特色就是对说话腔和半说话腔有很好的兼容

对唱录也较为自然流畅

是很好的高质量音素采集录音表

特殊：

如果CV部分使用哈鲁式三字录法，也完全可以

避坑：

本表录音量较大，不适合新人使用，新人建议找录音量更小的录音表录制

如果你对音源质量没有极致的追求，并且你也不理解为什么这样采集，请选择录音量更小的录音表

oto制作：

注意：

如果没有制作经验，请找一个有经验的协助你完成音源制作

其实并不难，只是细节操作比较多，弄不好，就跑不通

或者说你找一个中文cvvc音源，

看别人的oto是如何放置的，看别人的音源信息怎么写，看别人的presamp是怎么放置的

CVVC的oto标记请根据自己音源情况，进行实验后，再进行标记

（制作oto需要有调教经验，如果你甚至都没用过utau，都不知道怎么用，那建议委托给别人

或者先了解utau的使用方法与合成原理，再考虑进行标记）

本表暂时不能提供参考音源

制作方法：

本表提供了oto模板

但由于您的BGM曲速是未知的（甚至你可能拿去录了连呼）

所以请使用：记事本→编辑→替换

将后缀【,左边界,固定,右边界,预发声,重叠】

变更为【,对应数值,对应数值,对应数值,对应数值,对应数值】

请在setParam.exe中定位五条线的位置，再把数值批量替换，制成模板

需要制作的oto：

CVoto或CVoto2（二选一，看个人喜好进进行选择）

VCoto

VVoto

扩充oto

最后：

本表制作参考了大量现有的拆音表，在这里说一声感谢！

本表制作者小白菌已经放弃了所有权力，您可以随意修改，参考，二次发布。甚至您可以商用等等。

【新建文件夹】内有完整的制作流程产物，修改需要一定的能力，请使用【Execl插件：方方格子】和【notepad++】进行修改更为方便

要点：Excel可以快速的将文本转换为表格，方便进行批量处理，方方格子可以根据规则批量替换内容，还支持一系列复杂操作，notepad++可以快速的使用\n进行字符替换换行

使用这三个个工具，就已经足够你完成大部分utau音源制作流程了

当然【python】的功能更强大，但是不够方便，且学习成本较高，如果能掌握，对于大量的数据处理能力，会更上一层楼，有余力的utau音制先生可以考虑学习

小声：仅仅utau就已经快把我熬夜熬死了，我没时间学，不能给你们做全自动工作流了

碎碎念：

请快快来代替我更新吧，可能会有BUG，更多引擎的字典，我也没空做啦，V#我用阿学老师的开源工具自动转换了一个。

2.新人录音建议.txt

首先这个表不推荐新人使用，然后希望你是老手，当然你都看到这里了，说明你很想录这个了，那么教你快速避坑。

一些让新人录音也能变得不那么难听的技巧

如果你唱歌本身就很差，那么请这样录

如果你想录唱腔，建议你就录risku式CVVC就好了，那个录音表只要你录对了发音，就是很标准的唱腔。

如果你唱歌不好听那么请：

1.辅音一定不要录得含糊不清，要用力咬清楚，一般比较长的辅音都会比较悦耳。（但是像s，ch，这种连续的清辅音，别断开，像y和w这种浊辅音的话，允许辅音音量比较小比较长的，这个完全不影响，只要不是彻底断开。录得想要清晰，录长一点就清晰了）

PS:不要太在乎连贯性，你只要是cvvc，字与字没有断的超级开，那么肯定是不会不连贯的鸭。

（也希望一些音制不要把人家的d，g辅音切的那么短了，切长会有杂音是会有，但是太短的辅音无参真的好难受）

PS:也建议音制对openutau进行适配，utau是常用的，但其实我平时都直接用openutau无参偷懒。utau拆音方法也很多，但只要适配openutau那么autocvvc也同样不会出错的

2.元音不要断开读，连读，连读是会音色模糊，但也没有什么办法。

在开头的元音（a，i，u，e，o，ei等等）可以录出一点气泡，意思就是要用力咬清楚，这样音色会更好听。

3.韵腹（ang的a，eng的e等等） ，尽量不要介于中间态。

4.这个录音表本身音素划分的很细，所以说即使是你用咬字腔去录，也不会有问题。

但是请你统一一下你的口型，比如同样是a，那么ba的口型就要保持跟其他a一样。

但是可以看看【presamp】里面的音素划分，ua和a不是一个音

所以即使你的ua录得非常的ua，也没问题，但你要保证在ua之内，你的口型不能忽大忽小！！！

如果发音口型很崩坏很随机，那么就算是辅音咬的很清晰，元音也会很奇怪。

5.不用在乎【presamp】里面的辅音的音素划分，按照你的喜好录就行。

辅音没有划的很细，因为其实已经够用了，而且要划分的很细，那么能分的太细了，录音量还得+++。

PS:一般来说划分更多辅音更多，是为了控制前一个元音的结束音的口型的，因为辅音类型也就那么多，但chuang和chang同样都是ch为辅音，但是因为后面跟随的元音不同，所以前一个音结束的口型和辅音的声音，也有不同。所以就会划分开来。但是例如cheng，chuang，chang，等要划分好多个音素了，像h行的音ha，hang，huang，hao，hou，每个都不太一样，越划越多，暂时不划了。每个人习惯也不一样，定制也不太现实，对说话腔音源，影响没那么大就不划了。

6.如果有能力的话，就在元音稳定的基础上去半唱录，让自己去以一种不累的状态发声。

辅音的音色更取决于先天条件（气流穿过你的身体所产生的一系列事情），但元音的音色更多是共鸣发声，但其实只要你能够把辅音咬清晰咬准了，大概率你的元音也不会太难听。

6.这个辅音清晰，其实可能你不会唱歌和配音的话，是不太懂是一种什么感觉，辅音能够真正清晰的情况下，大概率你的元音咬字和发音也不会出问题。（我思考了一下，基本上没有什么唱法，是会要求你辅音读的很模糊不清的。（划掉）

所以说如果你实在是觉得自己录不好，就去找配音教程或者练一练唱歌，找找共鸣。

虽然我没学过配音，但是我觉得配音可能学起来更系统一些，唱歌太杂了，通过配音教学找到了发声和共鸣的感觉，并且咬字也清晰准确了，那么录一个好的音源你还差什么呢？什么都不差了。

而且你还能混混什么绘圈之类的，多养几个孩子（不，不要鸭，你是来做音乐的）

7.按照辅音清晰，同类元音 口型 发音 稳定的思路去录制音源，基本上不会出错。

如果你想录唱腔：

其实唱腔就按照自己唱某种类型的曲风，会怎么唱，去设计一下自己每个音阶要用什么样子的发音咬字。那么你就可以录了，还是推荐risku式CVVC。较少的元音类型划分，能帮你校准唱腔发音（划），录音量也比较少，直接去录制八字表即可。

我这个方案主要是针对风格化虚拟歌手的，录音量大，但声音会更加自然准确。也更好录。唱腔录这个的话，你的一些采样可能会雷同，导致有浪费产生。

当然我这个字典可以完美向下兼容risku式CVVC，所以说你可以只录risku式CVVC中有的音素。这就需要自己修改录音表了。

对不起我有点忙，所以说比较仓促，我一直很忙。

很对不起。我不是不想做示例音源，也不是不想全流程测试。也不是不想三引擎字典+声库兼容性测试。

而且这个表本身。。。不是为配布做的准备。

标签：