DiffSinger 系列音素器｜DIFFS ZH / EN / JP 与 AI 声库的匹配

DiffSinger 音素器和 Classic 音素器的本质区别

Classic 重采样器（Worldline、moresampler 等）的工作流：

歌词 → 音素器展开 → 从 oto.ini 找音频片段 → 重采样 + 拼接 → 输出音频

DiffSinger 的工作流：

歌词 → DIFFS 音素器展开 → 神经网络推理 → vocoder → 输出音频

DiffSinger 不依赖 oto.ini——它用的是训练好的 AI 模型，整个声库就是一个 .yaml + 模型权重的文件。所以：

DIFFS 音素器展开成的是音素符号序列（比如中文的音素表），不是 alias
音素器和声库模型强绑定——声库训练时用的音素表是什么，DIFFS 音素器就必须按那个表展开
不需要你手动调 alias、不需要重采样器、不需要手动调包络（DiffSinger 模型自己处理）

三个 DIFFS 音素器

音素器	对应声库语言	歌词输入格式
DIFFS ZH	中文	拼音 / 汉字（取决于声库训练用的输入）
DIFFS EN	英文	ARPAbet 音标（或自然单词，音素器自动转）
DIFFS JP	日文	假名 / 罗马音

装一个 DiffSinger 中文声库后，轨道头的音素器下拉里会自动出现 DIFFS ZH 选项（如果声库训练时用了这套音素表）。

DIFFS 音素器的使用步骤

第一步：装 DiffSinger 声库

从 OpenVPI（DiffSinger 官方社区）下载一个声库的 .zip。OpenUtau → Tools → Install Singer... → 选 zip → 编码选 UTF-8 → 安装。

DiffSinger 声库的 zip 里通常有 character.yaml（声库元信息）、模型权重文件、可选的预训练 vocoder。

第二步：选 DIFFS 音素器

轨道头 Singer 选了 DiffSinger 声库后，音素器下拉里应该自动出现 DIFFS 系列选项。如果没有，说明：

声库可能不是 DiffSinger 格式（也许是 Classic UTAU 格式？去 Tools → Singers 里看声库类型）
OpenUtau 版本太旧，不认识这套音素表——更新到最新版（Beta 版可能支持更多新声库）

第三步：写歌词

输入歌词（中文拼音、英文单词、日文假名），DIFFS 音素器自动展开。

关于中文：DiffSinger 中文声库的歌词输入方式有两种：

拼音模式：每个字写拼音（如 ni hao）
汉字模式：直接写汉字（如 你好）——音素器会自动转拼音

看具体声库的 character.yaml 里的设置，或安装页面的说明。拿不准就先用拼音试。

第四步：渲染

DiffSinger 引擎渲染比 Classic 重采样器慢得多（尤其是 CPU），但声音自然度高几个档次。Preferences → DirectML / CoreML 打开 GPU 加速可以大幅提速。

DIFFS 音素器的特殊标记

滑音 `+`

和其他音素器一样，+ 续接前一个音节。

DIFFS 专属标记

某些 DIFFS 音素器支持额外的音素控制标记（取决于声库训练配置）。最常见的：

<sp>：插入一个静音间隙
<br>：呼吸音（需要声库模型支持 Breathiness 曲线）

这些标记直接写在歌词里，DIFFS 音素器会识别并插入对应的控制符号。

DIFFS vs Classic 音素器的常见困惑

问题：同一个声库能不能用 Classic 音素器

不能——DiffSinger 声库没有 oto.ini，Classic 重采样器的音素器找不到 alias。必须用 DIFFS 系列音素器 + DiffSinger 引擎。

问题：能不能一条轨道混用 Classic 音素器和 DIFFS 音素器

不能——每条轨道只能选一个音素器。如果你想一段用 Classic VCV 声库、另一段用 DiffSinger AI 声库，需要分两条轨道，各自选 Singer 和音素器。

问题：DIFFS 音素器展开的音素不对

DiffSinger 音素表是声库训练时固定的，OpenUtau 无法修改。如果出现音素展开错误：

确认 DIFFS 音素器版本和 DiffSinger 声库版本匹配（DiffSinger v1.6 声库可能需要对应 v1.6 的 DIFFS 音素器）
检查歌词输入格式（中文声库用汉字 vs 拼音，英文声库用 ARPAbet vs 单词）
升级 OpenUtau 到最新版（DiffSinger 生态更新很快，旧版可能不认识新声库的音素表）