用前须知

本文是关于 DiffSinger 声库：Ria / 狸安 的特性、使用规范及制作用参考的说明。请在仔细阅读本文且同意相关条款后再进行使用。

更新日志

• 2025.01.18

  • 增加 TPSE 分支的声库版本。该版本未新增采样及更改标记。详情请看 Release 页面。

• 2025.01.14

  • 增加自动音高和微调声码器两个扩展包，适用于 Ria-DiffSinger-v0.4 以及 Ria-DiffSinger-v0.4-lynxnet， 使用方式参见 Release 页面。

• 2024.09.15

  • 增加 multi-dict 分支的声库版本。该版本未新增采样及更改标记。该版本使用需求 OpenUtau 版本 v0.1.543.0 及以上。

• 2024.09.14

  • 增加 lynxnet 分支的声库版本。该版本未新增采样及更改标记。

---

1. 声库特性
   1. 基本信息
   2. 音素（暂行）
      1. 元音
      2. 音尾
      3. 辅音
      4. 特殊音素
   3. 字典文件
2. 使用方式
3. 使用规范
4. 已知不符预期的表现（Bugs）
5. 致谢

---

声库特性

基本信息

姓名：Ria / 狸安

收录语种：粤语（1hr）、日语（30mins）、普通话（30mins）

中之人：RibosomeK

音素方案：类 ARPABET

训练步长：76k

唱法模型：音素长度（duration）、张力（tension）、发声（voicing）、气声（breathiness）

可用音域：A2~G#4

试听曲：

• 粤语：Dec.、詩、視愛睇驗
• 普通话：火星沼泽
• 日语：セブンティーナ、少女レイ、ドーナツホール

音素（暂行）

---

DiffSinger 已正式推出多语言字典分支版本及其说明，预计在 OpenUTAU 对其正式后会对现行音素方案进行少量修改。

2024.08.22 更新：关于多字典分支，经测试后预计后续更新不会更新适配，而是保留现行合并方案。

---

本声库的音素方案修改自 ARPABET，并借用了 X-SAMPA 中的一些概念，在只包含小写字母和半角分号 : 的情况写囊括了粤语、日语、普通话、英语的发音。其中元音以 2 位小写字母表示；辅音以 1~2 位小写字母表示；音尾以半角分号 : 加 1 位小写字母表示。不同于原 ARPABET 方案的地方会以星号 * 标记。另外包括的特殊音素统一为 DiffSinger 保留音素的格式，即双大写字母。

注：本声库不包含英语采样及其独占音素！

元音

音素记号	粤语	普通话	日语	英语
aa	啊 aa	啊 a	あ a	lot
ae	不 bat
ah	包 baau	包 bao		strut
ax				about
ea	石 sek			trap*
eh	啤 be	叶 ye	え e	dress
eo	春 ceon
er		儿 er		bird
ex		的 de
ih	星 sing	杯 bei		bit
ir		只 zhi
ix		字 zi
iy	衣 ji	衣 yi	い i	beat
nn			ん nn
oa	波 bo			thought*
oe	朵 doe
oh		罗 luo	お o
ox	寳 bou	凑 cou		low*
uh				foot
uw	烏 wu	乌 wu		goose
ux			う u
vw	與 jyu	与 yu

音尾

音素记号	粤语	普通话	日语	英语
:g	倉 cong	仓 cang		sing*
:i	拜 baai	白 bai		buy*
:k	白 bak
:l				all*
:m	參 caam			same*
:n	產 caan	班 ban		sand*
:p	輯 cap
:r				art*
:t	不 bat
:u	包 baau	包 bao		low*

辅音

音素记号	类型	粤语	普通话	日语	英语
b	stop	巴 baa	巴 ba
bb	stop			ば ba	bat*
c	affricate	擦 caat	擦 ca
ch	affricate		吃 chi
d	stop	打 daa	打 da
dd	stop			だ da	dig*
dh	fricative				this
dx	liquid				better*
f	fricative	發 faat	发 fa		far
fh	fricative			ふ fu
g	stop	家 gaa	改 gai
gg	stop			が ga	get*
h	fricative	哈 haa	哈 ha	は ha	hi*
j	affricate		家 jia
jx	affricate			ち chi	church*
jh	affricate				judge
jz	fricative			じ ji
k	stop			か ka	kit
kh	stop	卡 kaa	卡 ka
l	liquid	啦 laa	啦 la		lie
m	nasal	馬 maa	吗 ma	ま ma	my
n	nasal	那 naa	那 na	な na	night
ng	nasal	啞 ngaa		ガ nga
p	stop			ぱ pa	pet
ph	stop	怕 paa	怕 pa
q	affricate		恰 qia
r	liquid			ら ra
rx	liquid		日 ri		read
s	fricative	沙 saa	撒 sa	さ sa	sad
sh	fricative		是 shi		she
t	stop			た ta	ted
tf	fricative				thing*
th	stop	他 taa	他 ta
ts	affricate	渣 zaa	杂 za	つ tsu	cats*
v	fricative				vase
w	semivowel	哇 waa	哇 wa	わ wa	white
x	fricative		下 xia	し shi
y	semivowel	也 jaa	亚 ya	や ya	yet
yv	semivowel	魚 jyu	元 yuan
z	fricative			ざ za	zoo
zh	affricate		只 zhi
zr	fricative				measure*

特殊音素

• SP：DiffSinger 保留音素，表示空白部分
• AP：DiffSinger 保留音素，表示呼吸音
• CL：表示类似喉塞音的部分（不推荐使用）
• RP：表示语尾息（不推荐使用，使用时可搭配气声参数使用）

字典文件

本声库一共包含了 4 份字典：dsdict.yaml、dsdict-zh-yue.yaml、dsdict-zh.yaml、dsdict-ja.yaml，分别对应默认音素器 DIFFS、粤语音素器 DIFFS ZH-YUE、中文音素器 DIFFS-ZH、日语音素器 DIFFS-JA。

默认字典 dsdict.yaml 为了区分三种不同的语言，分别使用了粤拼（JyutPing）、注音（ㄅㄆㄇㄈ）、平假名（ひらがな）作为输入方式。在需要混用不同语言的情况下可以使用默认音素器 DIFFS 。一般情况下不推荐使用。

粤语字典 dsdict-zh-yue.yaml 内除了包含粤拼作为输入方式外，还包含了大陆地区通用规范汉字约 8000 个，香港地区常用字字表约 4700 个，即还可以输入汉字字符作为歌词。 由于 OpenUTAU 自带 G2P，先仅包含粤拼。使用时请选择 DIFFS ZH-YUE 作为音素器，并请注意由于多音字的存在，使用汉字字符作为歌词输入不可能百分百得到合适的发音，还请手动调整。

普通话字典 dsdict-zh.yaml 则以拼音（pinyin）、注音、汉字字符作为输入方式。其中汉字字符包含大陆地区通用规范汉字约 8000 个，台湾地区国字标准字体表-常用（甲表）约 4800 个，台湾地区国字标准字体表-次常用（乙表）约 6300 个。 同样改用 OpenUTAU 自带的 G2P。使用时请选择 DIFFS-ZH 作为音素器，同样的请注意，使用汉字字符作为歌词输入时可能存在的不合适发音。

日语字典 dsdict-ja.yaml 包含了平假名和一部分用作外来语的片假名，以及其对应的罗马字（romaji）。使用时请选择 DIFFS-JA 作为音素器。

使用方式

1. 编辑器请使用 OpenUTAU 0.1.529 及以上的版本
2. 请前往 Release 下载任一版本的声库（Ria-*.zip），当前推荐 lynxnet 分支版本
3. 请下载声码器 NSF-HiFiGAN，下载文件后缀名为 .oudep 的文件，并作为依赖安装到 OpenUTAU 中。安装方式为在 OpenUTAU 的编辑器界面的菜单栏上选择 工具 -> 安装依赖项（.oudep)，并选择方才下载的声码器进行安装
4. 在 OpenUTAU 的编辑器界面的菜单栏上选择 工具 -> 安装歌手，并选择声库压缩包，按照提示，在出现 歌手类型 时选择 diffsinger 进行安装
5. 更详细的使用方式请参阅 OpenUTAU 文档

使用规范

1. 本声库使用规范默认采用白名单，只有本节提及的使用方式是被允许的
2. 经该声库直接输出的音频文件，可以直接或经过重采样、混音、母带（以下简称加工），以媒体方式（以下简称媒体）进行传播展示，且需要注明声库的任一姓名。
3. 加工过程中所使用插件、效果器的类型不能包括 RVC（real-time voice changer）、SVC（singing voice changer）等具有变声器效果的软件
4. 媒体不能包含或用于制造：hate speech（仇恨发言）、spamming（骚扰）、trolling（钓鱼式发言）、fighting words（引战）

已知不符预期的表现（Bugs）

1. 开头元音可能会带有爆破辅音，可以在前面添加音符 AP 解决
2. 部分辅音可能会出现发声不明显，如 [n]、[l]、[h]，手动调整长度可能会改善该状况
3. 部分开头辅音可能会过短，请手动调节长度
4. 长音符音尾部分可能会过长，请手动调节长度
5. 部分情况下介音长度可能会过长，请手动调节长度

致谢

• DiffSinger
• DiffSinger 教程
• OpenUTAU
• OpenCC
• pytextgrid
• pypinyin
• pycantonese
• pyzhuyin
• 汉字标准
• 漢語多功能字庫