DiffSinger AI 渲染｜神经网络歌声合成的新范式
DiffSinger 是什么
DiffSinger = Diffusion-based Singing Voice Synthesis，基于扩散模型的歌声合成。由 OpenVPI 团队维护（开源社区）。
工作原理和 Classic 重采样管线完全不同：
| Classic 管线 | DiffSinger |
|---|---|
| 音频片段 → 重采样 → 拼接 → 输出 | 音素符号 → 神经网络推理 → 波形生成 → 输出 |
| 依赖 oto.ini | 不依赖 oto.ini |
| 音质天花板 = 声库音频质量 | 音质由训练模型决定（可以远好于原始声库录音） |
| flags 是后处理 | 模型本身就包含演唱表现力（颤音、气声、重音） |
在 OpenUtau 里用 DiffSinger 的流程
前置条件
| 平台 | 最低要求 |
|---|---|
| Windows | Windows 10+ + .NET 8 Desktop Runtime |
| macOS | macOS 11 Big Sur+ + .NET 8 Runtime（Apple Silicon 推荐，Intel 也能跑） |
| Linux | .NET 8 Runtime（CPU 渲染，无 GPU 加速） |
| vocoder | nsf_hifigan（Windows diffsingerpack 已内置，macOS/Linux 需单独下载） |
分步操作
第一步：vocoder 导入（macOS / Linux）
下载 nsf_hifigan.oudep 文件，拖到 OpenUtau 主窗口导入。Windows diffsingerpack 版跳过这步。
第二步：装 DiffSinger 声库
从 OpenVPI / DiffSinger 社区下载 .zip，拖 zip 到 OpenUtau 窗口 → 编码选 UTF-8 → Install。
第三步：选引擎和音素器
- 轨道头 Singer → 选刚装的 DiffSinger 声库
- 引擎下拉（最上层）→ 切到 DiffSinger
- 音素器下拉 → 自动变成 DIFFS ZH / EN / JP（根据声库语言）
选完你会发现：齿轮图标里的重采样器和 Wavtool 选项消失了——因为 DiffSinger 有自己的端到端管线，不走 Classic 重采样器。
第四步：写歌词
歌词输入方式取决于声库训练配置：
| 声库语言 | 输入格式 |
|---|---|
| 中文 DiffSinger | 拼音（ni hao）或汉字（你好）——看 character.yaml 里的设置 |
| 英文 DiffSinger | ARPAbet 音标或自然单词 |
| 日文 DiffSinger | 假名或罗马音 |
滑音标记 + 和 DIFFS 系列的控制标记通用。
第五步：渲染
DiffSinger 渲染比 Classic 管线慢得多（CPU 上 10-30 倍），但自然度高几个档次。偏好设置里可以调渲染速度倍率（默认 50x，值越大越快但音质略降）。
DiffSinger 专属曲线参数
DiffSinger 引擎比 Classic / WORLDLINE-R 支持更多曲线参数（曲线在 Piano Roll 底部表达式面板里画）：
| 缩写 | 名称 | 说明 |
|---|---|---|
| PITD | Pitch Curve | 音高曲线 |
| DYN | Dynamics | 音量曲线 |
| GENC | Gender Curve | 性别曲线（formant 位移） |
| VELC | Velocity Curve | 元音头尾速度（每 +100 速度×2） |
| ENE | Energy Curve | 能量曲线（含浊音量） |
| PEXP | Pitch Expressiveness | 音高表现力曲线 |
| TENC | Tension Curve | 张力曲线（力量/鼻音） |
| VOIC | Voicing Curve | 浊音曲线 |
| BREC | Breathiness Curve | 气声曲线 |
| SHFC | Tone Shift Curve | 音色位移曲线 |
重要：声库必须支持
这些曲线参数的可用性取决于声库训练时是否开启对应数据增强——检查声库的 character.yaml 里 data_augmentation 字段，某个参数是 false 就表示声库不支持，画了也白画。
添加表达式到工程
DiffSinger 新工程不会自动加载全部 DiffSinger 曲线表达式。需要在 Piano Roll 底部的表达式面板里点：
Add all expressions suggested by renderer
才会把 VELC / ENE / PEXP / TENC / VOIC / SHFC 这些曲线全部加载进工程的表达式列表。
导出 DiffSinger 脚本
OpenUtau → File → Export Project → Export DiffSinger Script
导出 .ds 文件可以直接喂给 DiffSinger 官方推理管线——如果你需要更高性能的批处理、GPU 集群渲染、或者和其他 DiffSinger 工具链集成，这个脚本是通用格式。
DiffSinger vs Classic 的选择
| 维度 | Classic | DiffSinger |
|---|---|---|
| 音质自然度 | 中（受限于重采样 + 拼接） | 高（端到端生成） |
| 渲染速度 | 快（毫秒级） | 慢（CPU 10-30 倍） |
| 可控性 | 高（每音素每 alias 可精调） | 中（靠曲线参数，不暴露底层） |
| 声库生态 | 极其丰富（UTAU 社区 10 年积累） | 快速增长中（但总量少得多） |
| 硬件要求 | 低 | 中（DiffSinger GPU 加速需要独显） |
| 新手友好 | 难（重采样器/flag/oto.ini 门槛） | 易（只选声库 + 音素器 + 写歌词） |
DiffSinger 常见问题
问题：DiffSinger 渲染完全静音
逐项排查：
- vocoder 装了吗？Tools → Singers 里检查 vocoder 条目
- 引擎是不是选了 DiffSinger？别选 Classic 或 WORLDLINE-R
- 音素器是不是 DIFFS 系列？别选 JA VCV / EN VCCV
- 歌词输入格式对吗？中文声库用拼音 vs 汉字的区别
问题：DiffSinger 声库渲染出奇怪噪声
大概率是 vocoder 版本不对——某些高级 DiffSinger 声库需要特定版本的 vocoder（如 pc-nsf-hifigan 支持 SHFC）。去声库发布页看推荐用哪个 vocoder。
问题：DiffSinger 声库也能 Classic 引擎吗
不能——DiffSinger 声库没有 oto.ini，Classic 管线找不到 alias。DiffSinger 声库和 UTAU Classic 声库是完全不同的生态。
问题：想同时用 Classic 声库和 DiffSinger 声库在同一首歌里
分两条轨道——不同轨道选不同引擎。Classic 引擎那条轨道选 Classic 声库 + Classic 音素器；DiffSinger 引擎那条轨道选 DiffSinger 声库 + DIFFS 音素器。两条轨道可以同时播放、同时混音。