主界面
左侧三条教学轨(M/S 开关)| 中间钢琴卷帘(音符块+音高曲线蓝线)| 右侧音高校正参数区 + 工具 | 中右教学评估侧栏。
教学评估七项
- ① 音高准确率 —— 旋律口径(对照标准人声轨 ≤50 音分)+ 绝对音准口径(十二平均律)
- ② 节奏正确率 —— 范唱口径为主(学生起音 vs 参照轨起音),BPM 只测伴奏轨
- ③ 颤音幅度 —— Seashore 峰-峰法
- ④ 平均音量 —— BS.1770 / LUFS 综合响度(libebur128)
- ⑤ 共鸣谐波平均响度 —— 2800–3400Hz 频段(歌手共振峰)
- ⑥ 声音圆润程度 —— 7000–8000Hz 频段(数值越低越圆润)
- ⑦ 气息支持 —— 12000–16000Hz 频段(数值越高气息越强)
音高准确率 · ±25 音分标准
判断单位为乐理通用的音分(cent):1 个半音 = 100 音分,1 个八度 = 1200 音分,±25 音分 = 四分之一个半音,落在此范围内一般听感上即为「唱准」。换算公式:音分 = 1200 × log2(实际频率 ÷ 目标频率);以标准音 A4=440Hz 为例,+25 音分 ≈ 446Hz,−25 音分 ≈ 433Hz,即唱 A4 时声音落在约 433~446Hz 之间算唱准。
- ≤ ±25 音分(绿色区)→ 唱准:计入「音高准确率」——全曲所有有声时间里,落在绿区的比例就是音高准确率。
- ±25 ~ ±50 音分(黄色区)→ 接近:不算准,但离目标不远,稍加纠正即可。
- 超过 ±50 音分(红色区)→ 跑调:偏差超过半个半音,听感上明显走音。
250 毫秒平滑(判定前处理)
唱歌时的自然颤音会让音高在目标音上下摆动 30~80 音分,若直接用原始音高曲线判定,带颤音的长音几乎永远在绿区内外来回穿越。所以系统先把音高曲线做 250 毫秒滑动平均,得到平缓的「音的中心线」,再用它与最近的半音比较;颤音唱得好不好由「③ 颤音幅度」单独评价,两件事互不干扰。
⑤⑥⑦ 频段指标详解(男生版)
- ⑤ 共鸣谐波平均响度:统计全曲 2800–3400Hz(歌手共振峰频段)平均响度(dB),对每一有声帧该频段能量取全曲平均。该频段响度越高 = 共鸣越充分、越专业;共鸣不足时发闷缺穿透力,可通过哼鸣(ng 音)和打开喉咙训练改善。数值为相对响度,横向对比需相同录音条件。
- ⑥ 声音圆润程度:统计全曲 7000–8000Hz 平均强度(dB),数值越低越圆润;太低则声音太暗(沉闷无光泽),太高则刺耳(毛糙发尖);理想状态是适中偏低。
- ⑦ 气息支持:统计全曲 12000–16000Hz 超高音区平均响度(dB),数值越高气息支持越强;偏低多为气息不足、缺「芯」和穿透力,可通过长音练习和腹式呼吸改善;过高则漏气(气声过多发虚)——理想是充足而不漏气。
注:⑤⑥⑦ 均为男生版频段,女生版频段另行提供。
音高检测与修音
载入自动检测 → 钢琴卷帘生成音符块;鼠标拖拽改音高,ALT 拖拽细调;橡皮/画笔/斜坡/曲线工具;修改结果由 AI 模型重新合成导出,音色保持自然。
节拍网格与 BPM 自动检测
浓度扫描 + 八度裁决 + 伴奏低频锚定相位;结果显示如「95 · 4/4」;时间轴秒/节拍刻度切换;拍线强调色画亮,学生音符块起点偏离拍线即拖拍/抢拍肉眼可见。
自动对轨
把学生轨自动对齐到参照轨,生成对轨报告(偏移秒数 + 相关度),为节奏正确率评估打基础。
导出
修音完成后导出音频,可回宿主继续混音或送剪辑。
完整使用指南
声乐AI检测模块以下为声乐 AI 检测完整用户指南,覆盖安装、界面、工具、参数、快捷键、主题、GPU、VST3、导出与常见问题。
1. 产品简介
一款基于神经声码器的开源 AI 修音软件。与传统 DSP 算法直接移调不同,它使用 PC-NSF-HiFiGAN 声码器在保留原始共振峰的前提下重新生成人声,即使进行极端音高调整,也能保持自然、扎实的音质。在进行声乐AI检测的同时,还可以进行音高、节奏的修正,其音质远超当前所有修音软件。
同时提供 Standalone(独立运行) 和 VST3/ARA(宿主插件) 两种工作模式,可作为独立的多轨编辑器使用,也可嵌入 DAW 中进行实时协作编辑。
核心优势
- 共振峰不变:改变音高时不影响声音底色,告别「鸭子叫」或「换人唱」的失真感。
- 大范围移调:支持夸张的音高修正与转调,音质依然清晰稳定。
- AI 重合成:基于 PC-NSF-HiFiGAN 深度学习声码器,高保真重建人声。
- 类 Auto-Tune 工作流:自动修正、手绘、音符、锚点工具一应俱全。
- 自动调式检测:内置 Krumhansl-Schmuckler 算法,支持 8 种调式。
- 双格式支持:Standalone 独立运行 + VST3/ARA 插件无缝对接主流 DAW。
- GPU 加速:DirectML / CoreML 自动加速 AI 推理,CPU 无缝回退。
- 500 步撤销:自定义 Undo/Redo 系统,任意编辑操作皆可回退。
技术亮点: 使用 RMVPE 深度学习模型进行高精度音高提取,配合 PC-NSF-HiFiGAN 神经声码器实现高质量重合成。
2. 系统要求
最低配置
- 操作系统:Windows 10/11 (64位) 或 macOS 13.4+(Intel)/ 14.0+(Apple Silicon)
- 处理器:Intel Core i5 或同等性能 AMD
- 内存:8 GB RAM
- 存储:500 MB 可用空间(含 AI 模型)
- 声卡:支持 ASIO 或 WASAPI 的音频设备
推荐配置
- 处理器:Intel Core i7 / Apple M1 或更高
- 内存:16 GB RAM 或更高
- 显卡:支持 DirectML 的 GPU(NVIDIA / AMD / Intel)可加速声码器推理
GPU 加速说明:支持 DirectML(Windows)或 CoreML(macOS),若 GPU 不可用会自动回退 CPU,不影响使用,可在偏好设置中切换「CPU 优先」。
3. 界面概览
- 顶部工具栏:菜单按钮(文件/编辑/视图)、传输控制、BPM/调式设置、Tap Tempo、视图切换。
- 左侧轨道面板:多轨道管理(最多 12 轨)、音量旋钮、Solo/Mute、圆形电平表、添加轨道按钮。
- 中央编曲视图:音频片段排列、波形预览、时间轴、片段拖动/分割/合并/删除。
- 中央钢琴卷帘:音高曲线编辑、音符绘制/选择、F0 曲线可视化、播放头、钢琴键试听;时间工具下钢琴键与音符/F0 隐藏,显示时间手柄。
- 右侧参数面板:Retune Speed / Vibrato / Note Split 旋钮、工具选择按钮。
- 渲染状态徽章:右上角浮动显示当前渲染进度(如「渲染中 3/8」)。
点击顶部工具栏左右两端的面板切换按钮可隐藏/显示两侧面板,实现「沉浸式主画布」。视图分轨道视图(编曲 + 钢琴卷帘)与钢琴卷帘视图(全屏精细编辑)。鼠标悬停控件约 0.6 秒显示暗色浮动提示窗(含功能说明与快捷键)。
4. 快速入门(六步)
- 导入音频:拖拽文件到窗口,或 File → Import Audio,支持 WAV/MP3/FLAC/OGG/AIFF。
- 自动音高提取:导入后自动提取原始音高曲线,钢琴卷帘显示为红色曲线。
- 调式设置:自动检测调式,或手动选根音(C~B)和调式类型(大调/小调/半音阶等 8 种)。
- 编辑音高:用自动修正工具(一键校正)或手动绘制音符/锚点/手绘曲线,修正后显示蓝色曲线。
- 调整参数:调节 Retune Speed、Vibrato Depth/Rate 等,支持逐音符独立颤音参数。
- 预览与导出:按 Space 预览,File → Export 导出(选中片段 / 单轨 / 总线混音)。
5. 核心功能
- 音频导入:WAV/MP3/FLAC/OGG/AIFF,导入自动重采样至 44.1kHz;支持拖放、最多 12 轨、批量导入(顺序排列或分轨)。
- 音高提取(RMVPE):导入后自动提取(红色显示),支持 50Hz–1100Hz 人声检测。
- 调式检测:Krumhansl-Schmuckler 算法,支持 8 种调式(大调/小调/半音阶/和声小调/多利亚/混合利底亚/大调五声/小调五声)。
- AI 声码器重合成:PC-NSF-HiFiGAN 保留共振峰,大范围移调不失真,输出 44.1kHz。
- 多轨道管理:最多 12 轨,Solo/Mute/音量旋钮/圆形 LED 电平表;片段拖动/分割/合并/删除。
- 撤销/重做:最多 500 步,Ctrl+Z 撤销、Ctrl+Y 或 Ctrl+Shift+Z 重做。
6. 六种编辑工具
- AutoTune 自动修正(快捷键 6):按当前调式自动将音高校正到最近目标音符,适合快速批量修正。
- Select 选择(快捷键 3):单击选择、拖动框选、Shift+点击多选、Delete 删除。
- DrawNote 绘制音符(快捷键 2):拖动创建音符,可独立设置 Retune Speed、Vibrato Depth/Rate。
- LineAnchor 线锚点(快捷键 4):在音高曲线放关键锚点,锚点间直线插值过渡,适合精确控制滑音/转音。
- HandDraw 手绘(快捷键 5):直接手绘 F0 曲线,绘制颤音/滑音/弯音等装饰。
- TimeTool 时间(快捷键 T,仅 Standalone):拖时间手柄做时间拉伸/压缩;进入时钢琴键与音符/F0 隐藏。
点击钢琴卷帘左侧琴键可实时播放对应音高钢琴采样,按住拖拽滑动切换,松开停止,按下的琴键蓝色高亮。
7. 参数详解
- Retune Speed 校正速度:0–100%,默认 15%。值越大校正越快越精确。低值(0–30%)保留自然颤音;中值(30–70%)平衡精度与自然度;高值(70–100%)精确校正,拉满 100% 音符边界瞬时阶跃切换无过渡。
- Vibrato Depth 颤音深度:0–1,默认 0,为音符添加人工颤音振幅,支持逐音符。
- Vibrato Rate 颤音速率:0–15 Hz,默认 7.5 Hz,人声自然颤音通常在 5–8 Hz。
- Note Split Threshold 音符分割阈值:0–100 音分,默认 80,控制自动音符生成分割灵敏度,值越小越易分割。
- Volume 轨道音量:0–4.0 倍,默认 1.0,支持超 1.0 增益放大。
- BPM:20–300,默认 120,双击数字直接输入。
- Tap Tempo:连续点击 Tap 按钮平均算 BPM,最多 5 次点击。
8. 编辑方案
OpenTune 编辑(默认):传统波形+音符编辑;音符拖拽吸附到音高网格;滚轮垂直滚动 / Shift 垂直缩放 / Ctrl 水平缩放 / Alt 水平滚动;工具栏横向排列。
编辑:Melodyne 式神经编辑——波形可视化、选中高亮;滚轮垂直滚动 / Shift 横向滚动 / Ctrl 双轴缩放 / Alt 纵向缩放;右键纵向图标布局;含音高调制、音高漂移、音量包络、剪刀切割(双击分离线合并相邻音符)、音高网格吸附+一键吸附、Melodyne 式概览导航条与缩放。
切换编辑方案会同步切换滚轮导航映射和工具集。
9. 偏好设置
通过 File → Options 或 Edit → Preferences 打开。共享设置含:界面语言(中/英/日/俄/西)、主题(Aurora)、编辑方案(OpenTune/OpenDyne)、渲染优先级(GPU/CPU)、声码器模型权重(Community/Coulin9 v4)、水平/垂直缩放灵敏度、滚动速度、音名显示、分块边界、无声帧、鼠标光标样式。Standalone 专有:音频设备、键盘快捷键(10 个可自定义)、鼠标拖尾(8 种主题)。
10 快捷键
- 播放:Space 播放/暂停、Enter 停止、A 从头播放、Escape 取消。
- 编辑:Ctrl+Z 撤销、Ctrl+Y / Ctrl+Shift+Z 重做、Ctrl+X 剪切、Ctrl+C 复制、Ctrl+V 粘贴、Ctrl+A 全选、Delete 删除。
- 工具切换:2 绘制音符、3 选择、4 锚点、5 手绘、6 自动修正、T 时间工具。
- 工具切换:2 绘制音符、3 选择、4 音高调制、5 音高漂移、6 音量包络、7 剪刀、T 时间工具。
11. 主题与视觉
主题 Aurora:深色背景、霓虹发光、毛玻璃质感、旋钮拟物化(金属银色+心形中心)、模块边框精致化。鼠标拖尾 8 种:关闭/Classic/Neon/Fire/Ocean/Galaxy/Cherry Blossom/Matrix。工具栏按钮悬浮时图标放大 1.08 倍、提亮 15%。
12. GPU 加速
Windows 通过 DirectML 支持 NVIDIA/AMD/Intel GPU,macOS 通过 CoreML 支持 Apple GPU;无独立显卡自动回退 CPU。偏好设置 → 渲染优先级选择「GPU 优先」(默认)或「CPU 优先」。
13. VST3/ARA 插件模式
- 以 VST3 + ARA2 扩展加载到兼容 DAW(Studio One、Cubase、Logic Pro)。
- DAW 通过 ARA 提供音频源,无需导入/导出文件;编辑结果实时反映到 DAW 时间线。
- 支持宿主传输同步、BPM 跟随,播放头不再抖动;支持 ARA 多 region 绑定。
- 参考自动对齐:ARA 模式下多 region 自动对齐参考音高。修改输入音频后原始音高曲线自动刷新。
- VST3 插件模式下隐藏项目/导入/导出等 Standalone 专有菜单项。
与 Standalone 区别:VST3 单素材编辑(无多轨)、文件导入导出由 DAW 管理、无鼠标拖尾、无自定义快捷键、无音频设备设置,但支持宿主传输同步与 ARA 非破坏性编辑。
14. 导出音频
格式 WAV,采样率 44.1kHz,位深 32-bit Float,声道单声道(Clip/Track)/ 立体声(Master Mix)。选项:Export Selected Clip(导出选中片段)、Export Track(导出轨道混合)、Export Bus / Master Mix(最终混音)。
15. 常见问题(FAQ)
- 导入后没有音高曲线? 确保 models/rmvpe.onnx 存在完整;纯伴奏/打击乐无法提取 F0。
- GPU 加速没生效? 检查 DirectML.dll、更新 GPU 驱动、确认「渲染优先级」为 GPU 优先、看日志 DML provider 是否加载。
- 内存占用高? v1.7 已优化(F0 模型用后自动释放);可关 GPU 加速、减少轨道数。
- 修正后音质异常? 声码器模型损坏(重下)、Retune Speed 过高(降到 30% 以下)、原录音质量差。
- 如何修音自然? 用低 Retune Speed(10–30%)、保留原始颤音、用 LineAnchor 精细调整、选 编辑方案。
- VST3 在 DAW 加载不了? 确保 .vst3 文件夹完整(含 Contents/x86_64-win/)且 DLL 和模型在位,重扫 VST3 目录。
- 如何切语言? 偏好设置 → 语言,支持中/英/日/俄/西。