如何評論B站up主sleepwalking最近展示的新歌聲合成軟體？
B站av號:av16827246
個人見解在無參下能有如此高的還原很厲害了。up的堅持也值得打call。軟體名似乎叫Synthesizer V
謝邀，但是其實沒有什麼好說的……因為更多時候我是使用者而不是創造者，所以我的看法就是非常感興趣並且抱有很高的期望。因為mo是一個很好的引擎，而這個軟體也是他基於以前的一些研究成果弄出來了，所以非常期待有一天可以用上這個軟體。
另外在github上也有一些其他的和utau有關的項目，我同樣很有興趣。希望以後可以做出一點貢獻。
效果不錯，從那個男聲可以猜測用了諧波疊加之類得演算法，否則不會在8000HZ以上仍然能看到清晰的正弦波，這在正常的語音中是幾乎不可能見到的，但是從女聲看來，卻不明顯，不知為何。
而且可以偶爾見到斷崖式斷裂的諧波，雖然很小不易察覺，基本可以判定是諧波合成過程的間斷造成的。諧波合成會受到基頻提取錯誤的較大影響，能把波形合成的如此完美，除了音源質量很高之外，作者相位演算法控制得也非常好，沒有產生波形畸變，個別音節開頭部分確實產生了一些畸變，但是由於諧波相位的連續性所以聽覺上不會造成大的影響。
至於相位是採用自計算最小相位還是從語音中提取而來，水平有限，無法看出。根據音節間得過度大膽猜測下，可能是直接進行諧波過度插值得，聽覺上連續性不錯，雖然不一定是真實的過渡。
第一個女聲是同一個音節嗎，升頻很高，升頻後語音質量非常好，但是可以看出來頻譜稍包絡微有些變化，所以我傾向於認為女聲音高採樣很充分，這是不同音高的女聲採樣而來，而沒有進行強行演算法升調，所以能得到很高的質量，反之男聲可能採樣不充分，而人聲特別是歌聲，共振峰會隨著音調的升高而略有變化(聽說這是為了讓共振峰處的諧波增益大，唱歌動聽且輕鬆)，這也是為什麼演算法強行升調造成聲音悶和假。http://synthesizerv.com/zh-cn/
已公開試用版下載！過兩天再寫詳細的評論！
發現不少我想要的功能都有了，修改了很多其他引擎不方便的地方
前言：
可以說是起步最早，效果最好了。果然七年的研究成果還是有的（還看到他有學校的語音研究小組的數據，雖然彎路不少……）
首先是作者的心路歷程，可以在作者的嗶哩嗶哩空間、作者在ivocaloid的帖子里看到（貌似不是很多人知道……大家都知道它好，沒看到作者的努力）
sleepwalking的研究早在2011年4月就開始了，軟體叫Rocaloid。（起步最早）一開始想要讓初音唱漢語，後來因侵權而停止。（想想現在連miku的官方漢語聲庫都有了，真是……）慢慢有了自己的聲庫，寫了UTAU的兼容引擎RUCE，後來就很久沒見過更新了。之前我偶然發現一個超棒的UTAU引擎moresampler，作者叫Kanru Hua，才知道他原來一直在研究。2017-12-1新的引擎synthV的展示視頻在嗶哩嗶哩上投稿。
現在是正文，對於引擎的（較客觀）評價。現在能聽到的有：初次展示、鐵壁阿童木主題曲、雖然歌聲無形（很棒）還有SILENCE（英文，很棒） https://www.youtube.com/watch?v=JyHrHVawpr4
（非專業人士，一些地方可能不準確，勿噴）
（另外我用sharpkey、vocaloid作對比比較多，其他引擎可比性不大，都被碾壓……）
現有參數：張力Tension（相當於sk的力度）、Voicing母音無聲化（估計和氣息一個意思，調整方式不同而已）、Breathiness氣息、Gender Loudness性別、Vibrato Envelope音高敏感？或顫音？、Pitch Deviation音高
左上角有個演唱風格：
歌手設定：
按我的理解：MAN-F1V2 MAN=Mandarin普通話，F=female女性，V2應該是版本號
下面是簡介
再下面是風格設定，有三個參數可設置，la應該是默認歌詞，其他的就不知道了（有下拉條，可能還有更多）
合成方面，可以說是國內最強了。（sk僅次於它）
先說優點。
1、連續性不錯，十分流暢自然。有一些地方連接上有瑕疵，但應該是聲庫的問題。
2、最讓我驚嘆的是爆發力很強，目前大部分引擎的高音都很輕柔，低音很「強力」，但是在 雖然歌聲無形 里4:10能聽到爆發力很強，還張得開嘴（這個也可能是錄音的關係，錄多一個音階。綾就是這樣子的）。不過這個有參有後期，說服力不大，但是試用者也說力度不錯，且總體上都比別的要有力很多。而且能聽到不同的地方力度明顯不一樣，假音也很不錯。相比之下，sk的高音很美不掐脖，但是太輕了。sk拉高力度會變得尖銳（不過拉低會變輕柔，很好聽）（關於大部分引擎的高音都很輕柔的問題，可能是因為人的共振峰不是不變的，會隨著音高變化而改變，也就是「唱得越高咬字越輕」而大部分引擎的變調都保留了原來的共振峰，使得降調會變得「強力」，升調會變得「輕柔」。VOCALOID的低音有個機制會讓唱低音好像真人唱不下去一樣，很自然，但是高音為了保持乾淨，會覺得掐脖，有點平滑過渡到哨音的感覺）
3、引擎的「味兒」較少，自然，比較貼近真人。不同的引擎演算法不同，導致失真的方法不一樣，就會有不同的「味道」。MUTA的電音、UTAU的拼接感【其他的可以換引擎解決，UTAU的拼接感幾乎不可避免】、裊裊濃濃的鼻音以及卡拉卡拉的聲音、Sharpkey低音及o、ao、ou奇怪的失真，不知道怎麼描述，像是一種奇怪的鼻音。（這也是為什麼sk那麼好用我卻不用的原因，我聽不慣）而synV只有在低音有一些鼻音（個人感覺比sk的要自然好多……），有些模糊的感覺。
4、雜七雜八：界面支持多語言，能直接用漢字錄入歌詞等等（2018.8.8：界面可以改變顏色 https://www.youtube.com/watch?v=JyHrHVawpr4 這裡看到的）
然後是缺點。
1、雖然歌聲無形那裡，GEN好像有點過猛，有時是正太有時是萌妹。一般唱歌沒變化沒那麼大。（也許是調教的問題）
2、參數調整不方便，尤其是pit。學學Sharpkey啊！不要學VOCALOID！！對齊簡直不要太麻煩！！！不方便我們這些滑鼠黨！！！！（sk的參數界面是我接觸過的所有歌聲合成軟體里最棒的一個了，沒有之一！）（更新：出了試用版，調參界面是半透明的，兩種方式可以共存
3、迷之顫音，還不知顫音的機制，初次展示和雖然歌聲無形的顫音都很多。
4、雙擊輸入音符，感覺不是很方便
5、參數還不是很多，比較缺的是音素調整，尤其是輔音（至少我沒看到有展示），moresampler的參數（flag）還是挺多的。另外，期待嘶吼效果（moresampler的嘶吼很棒）
6、低音有些悶，高頻有些突出（後期可修）
我的理想中的歌聲合成軟體：
1、學Sharpkey的調參方式！最好兩種都方式可以選！（更新：出了試用版，調參界面是半透明可以調整高度的，兩種方式可以共存。PIT雖然還不能直接畫，但是可以實時看到調整效果，還是方便了不少
2、一個很重要的——函數畫筆！可以自定義那種，像domino畫筆一樣
3、現在最缺的參數：音素調整，包括輔音的調整。
4、開口度參數，不是V的OPE，而是像vocaloid1那樣的F1、F2共振峰，可以讓Gender Loudness調整其中一個共振峰，開口度調整其中另一個共振峰。（但是我不知道為什麼好好的F1F2在v3被取消了，是有什麼問題才取消的嗎？好像其他引擎也沒有……）
5、嘶吼參數，moresampler的嘶吼效果不錯
6、滑音調整，雖然Pitch Deviation可以代替，但是滑鼠黨要畫准太難了。希望這樣調：
選中滑音，滑鼠左右移動調整滑音位置，滑鼠滾輪調整滑音時間。
之所以要分開調而不像UTAU那樣調，是因為一般只需要調其中的一項，這樣會方便不少。
滑音時間也比較重要。時間太長會產生拖沓的感覺。V4就沒有這個參數，大家一般是在音符後面添加一個短短的延音音符來減少滑音時間。
7、輔音音量調整（UTAU里有這個flag），雖然其他引擎都沒有但我覺得需要。有的參數只會影響母音的音量（V4的BRI），這時就要調整輔音的音量。輔音速度和輔音音量是掛鉤的，如果不一致會很奇怪（曉伊的b、d、g，雖然歌聲無形）。輔音音量也會影響一定的力度。
8、重音和衰減。可以直接在鋼琴窗調。點住音頭上下滑動調重音，點住音符中間上下滑動調衰減。
9、顫音調整。V5顫音調整的方式不是很好，更喜歡UTAU的。
10、
synth V一定程度上滿足了我對歌聲合成的幻想
不知是否開源，聲庫是否支持自製。希望可以吧，作者之前一直都開源的。希望可以！
非引擎的問題：中文妹妹的in、ing不符合流行音樂啊，發成了ien和ieng……
VOCALOID5出來了！看起來像是面向專業用戶的樣子。synthV也要加油啊
（以後再更）
不好評價，因為人家是創造者，我們沒有那麼高成就。
不過就軟體角度說，這個軟體就相當於簡化了的VOCALOID(只要有會調音軌的基礎就好學)，希望能做正式版上架，一個人的努力，做成這樣相當不錯的。
好。（匿
（占坑有時間來寫
簡要評價在此 https://weibo.com/1897825862/FxGE7hHWV
就是那個啊，三年前sleepwalking開發了支持utau的ruce程序，並聲明接下來會開發獨立的合成軟體。當時就被ruce的效果驚艷了。。。現在，這個引擎的特點，從視頻中就能發現:界面簡單，操作簡單，性能好。起步是最早的，現在可以說，效果也是最好的。
推薦閱讀：
