VocalTune(暂定名)是一个和VOCALOID搭配使用的软件(开发中)。用于参照某段人声，自动调整VOCALOID的参数，使得其输出效果趋近于参照的人声。

使用VOCALOID的时候，单纯地填写音符可以让 米库或者其他的 VOCALOID唱出声来，但是声音并不自然。这是因为，人唱歌的时候，声音有很多的细节表现。比如，从一个词唱到另外一个词的时候，并不是从这个音高直接跳到另外一个音高，而是中间有一个过渡过程，而这个过程有时候会比较复杂。VOCALOID只提供了最基本的音高过渡。类似这样的，VOCALOID默认情况下输出的歌声表现力有限。

然而，VOCALOID为调教者提供了进行各项精细调整的能力。VOCALOID中，可以调节每个音符的摩擦音参数(VEL)、颤音等等参数。而全局的情况下，有DYN(音量)、PIT(音高)、GEN(性别倾向)等9个参数，可以进行精确到时间点的调节。通过调节这些参数，可以让歌声达到基本的自然，乃至更高的表现力。

而其中，对表现力贡献最大的是DYN和PIT两个参数。VocalTune的作用就是调节VOCALOID中的DYN和PIT(以及PBS)参数，VOCALOID输出的歌声变得自然，消除僵硬感。(其实说“使变得自然”不准确，下面解释。)

VocalTune的原理很简单。读取一个真人演唱(要清唱)的音频文件，分析它的音高和音量变化。然后读取VOCALOID输出的歌声，分析这歌声的音高与音量变化。最后，将两组分析出来的数据进行对比，得到VOCALOID里面的PIT与DYN参数。所以，确切的说，VocalTune的作用不是使VOCALOID的歌声变得自然，而是使VOCALOID的歌声趋近于用于参照用的真人清唱的歌声。

http://bbs.ivocaloid.com/thread-52186-1-4.html

首先需要说明一下MIDI时间的概念。

VOCALOID实际上应该算是一个音序器吧。如果你用电脑做过音乐，可能会明白这个。总之，VOCALOID和MIDI关系 慎密。在 VOCALOID的存储文件中，音符的位置啊什么的都是用”MIDI时间”来表示的。VOCALOID中将一个四分音符等分为480份，每一分的长度就是一个单位的MIDI时间。为什么要引入MIDI时间这个概念呢？因为作曲的时候，有时候节拍(Tempo或BPM)会改变，这样一来，在一首歌的不同段，相同的拍子 数经过的实际时间是不同的。这时候如果用实际时间 (比如1.0s啊0.05s)来计时就不方便了。你可以想象，你说“这个C5的音是在5.6s的地方”，而可能在3.0s处的Tempo改变了，这样计算一个音的位置在哪里就会很麻烦。所以才使用“MIDI时间” 来作为时间标志，因为 MIDI时间和节奏没有直接关系，是绝对的时间。

打开VOCALOID Editor，你会发现默认情况下左边会有四个小节是深色的(-3、-2、-1、0小节)，你不能在上面放置音符。因为默认是4/4拍，所以一个小节有4个四分音符。上面提到了一个四分音符长度为480个单位的MIDI时间，所以这段深色区域的长度为4*4*480=7680个单位的MIDI时间。也就是说，如果你放置一个音符在第一小节，那么这个音符开始时候的MIDI时间就是7680。VOCALOID存储时间参数的时候，是把这几个深色小节也考虑在内的。

VocalTune的设置参数中提到的时间都是MIDI时间。

打开VOCALOID Editor…原来怎么填音符怎么填歌词的就怎么填，还可以先小小调教一下，比如调一调DYN和PIT以外的参数。还有很重要一点，你需要精确地设定Tempo，推荐使用MixMeister BPM Analyzer。调教好以后保存并合成输出，得一个wav文件。注意你是输出的哪一段，这一段开始的MIDI时间是多少。

因为VocalTune的作用是使VOCALOID输出的声音逼近原声，所以说这个“原声”是必不可少的。所以第一步是找来清唱的原声。如果是原创曲…自己唱吧 囧。另外，你是想让初音翻唱的话，如果你手上有带伴奏的 无损 音频，倒是有个方法可以得到原声。打开Cool Edit或者任何一个你顺手的音频编辑软件，把原唱和伴奏都放到音轨上，完全对齐。最好是做到每个采样点都对齐…。然后将伴奏的音频Invert一下，也就是把波形上下颠倒。最后混合音轨，这样的效果就相当于用原唱“减去”了伴奏，剩下的就是清唱了。如果你用的是MP3而不是无损音频，通常来说这个方法就不会奏效了，因为MP3是有损压缩…另外，即使是无损音频也不见得会奏效..|||||

总之得到了人声的清唱。载入刚才VOCALOID输出的wav文件，以VOCALOID输出地wav文件为准，将人声清唱与VOCALOID输出的wav对齐，使得第一个音的位置基本相同。删减或者增加空白来，使音频开始到第一个音的距离相同。

不齐

大概对齐一下

放大继续观察，对齐

这样就差不多了

对齐后，得到两段音频之间的时间差，然后想办法补齐。

需要注意的是，这里对齐总是以VOCALOID输出的wav为准的。

修改的是人声清唱的wav。

补齐了，保存

这时候写一个INI文件。所谓INI文件其实就是一个文本文件，不过一般用来存储设置信息。总之就是打开笔记本或者其他纯文本编辑器，向里面写一些东西。

这里是一个例子：

; VSQ一节中的参数都是全局的

[VSQ]

; Input指定输入的VSQ文件

Input=input.vsq

; Ouput指定输出的VSQ文件

Output=output.vsq

; 音量差调节比例

DynamicsScale=20

; 开始调节的MIDI时间，7680默认情况下是4个小节

Start=7680

; 结束调节的MIDI时间

End=56000

; 注：MIDI时间——即MIDI里面计时的单位，不受Tempo影响。

; 嘛，搞过MIDI的人恐怕比我这个半路出家的家伙更熟悉

; 默认情况下VOCALOID中的一个四分音符被分成480份，每份长为1单位的MIDI时间

; 调节人声相关参数

[Human]

; 输入的波形文件

File=orig.wav

; 用于频率检测用的参数——最大频率和最小频率，这个区间至少要能包含你的歌中的所有音符的频率

; 具体音阶与频率的对应关系可以google之

Min_Freq=120

Max_Freq=700

; Offset确定一个偏移MIDI时间。

; VOCALOID默认留了4个小节的 不可操作部分 (VOCALOID编辑器里面黑色的那些小节)

; 音符的位置或者参数的位置是把这4个小节也算进去的，也就是说

; 即使你的第一个音符紧接着黑色小节后放置，那么它的MIDI时间仍不会是0，而是7680

; 通常人声或者VOCALOID输出的波形文件，不会专门留出这么长的空白时间

; 所以加入这个参数来说明这个音频文件的开始处对应于VSQ中的哪个时间点

Offset=7680

[Vocaloid]

File=miku.wav

Min_Freq=120

Max_Freq=800

Offset=7680

例子中以分号开头的是注释，程序不会读这些行。

这里主要解释几个参数：

1、

[VSQ]中的DynamicsScale参数。这个参数用来调节音量调节的力度。如果你发现你输出的VSQ中音量调节过头了，那么可以改小这个值。可以带小数点，不能为负数。

2、

[VSQ]中的Start参数。这个参数用来设定你从哪个MIDI时间开始调节。可以不写这个参数（连Start=也不要写），如果不写，意思就是从VSQ文件最开头开始调节。

3、

[VSQ]中的End参数。同样可以不写，不写就是调整到文件末尾。

4、

[Human]和[Vocaloid]中的Min_Freq与Max_Freq两个参数。前者规定一个频率下限，后者规定一个频率上限。这个上下限最为设定为稍微比正在做的VSQ的音域稍微宽一些。比如你的曲子中最低的音是C3，C3是130.81Hz，那么Min_Freq这里就填个100啊之类的就比较合适。

5、

[Human]/[Vocaloid]中的Offset参数。这个之前VOCALOID输出歌声的时候，有说过，记下你输出的是哪一段，这一段的开始的MIDI时间是多少。

比如你之前用 设置了从第2小节到末尾(4/4拍)，那么这个Offset就应该设置为9600，第二个小节之前有一个白色的小节，和四个系统保留的暗色小节，总共5小节*每小节4个四分音符*每个四分音符占480MIDI时间=9600MIDI时间。

参数填完以后，存成后缀名为ini的文件(其实后缀名无所谓)，然后拖到VocalTune_CUI.exe上。或者在命令行下输入“VocalTune_CUI option.ini”，其中“option.ini”就是你刚才存的ini文件。然后程序开始执行。

其实VocalTune就是这么个黑黑的东西。或许以后会写个更好看且好用的界面吧…

最后会用你在ini文件中[VSQ]下Output项所设定的名字来生成输出文件。用VOCALOID Editor打开看看吧。

最后需要注意的是：这是仍在开发中的软件，就算你正确的使用它，它也不见得不出问题（拖走。