vocaloid china

定义

vocaloid china 指雅马哈授权上海禾念在中国大陆地区推广与运营博歌乐系列产品的活动项目，简称 VCP。就产品层面而言，该名称也用来统称这一项目衍生出的中文声库及其虚拟形象，其中包括洛天依、言和、乐正绫、乐正龙牙、徵羽摩柯、墨清弦、心华、星尘等。其直接产物是可在 VOCALOID 编辑器上运行的中文歌声数据库，用户输入歌词与音符即可合成汉语演唱。

上述声库属于 VOCALOID 技术在多语言方向上的扩展。VOCALOID 3 于 2011 年 10 月发布时，把支持语言从日语、英语增加到汉语普通话、韩语和西班牙语，中文声库正是这一扩展落地的首批产品之一^[2]。项目在产权归属上较为特殊，软硬件产权与出版方仍属雅马哈，代理运营方为上海禾念。

原理

VOCALOID 采用拼接式歌声合成路线，不使用物理建模从零生成人声，而是把真人歌手录音中切分出的音素片段重新拼接^[3]。声库的基本单位是双音素，即由一个音素过渡到另一个音素的片段，另外收录歌唱中频繁出现的长元音片段，因为长音的合成自然度直接决定整体质量^[3]。中文声库需覆盖普通话的音素组合，录制与标注工作量大于日语声库，中文版的制作耗时约 8 个月^[4]。

合成过程由乐谱编辑器与合成引擎配合完成。编辑器以钢琴卷帘形式呈现音符位置，歌词输入后经发音词典自动转换为音声记号，再由引擎从声库中挑选音高最接近的片段进行移调、调整时长，并平滑拼接处的频谱包络^[3]。为降低原始素材与目标音高的差距，同一片段通常按三到四个音高区间分别存储^[5]。

仅输入歌词与旋律时合成结果机械感明显，需通过参数调节改善。常用参数包括控制辅音长度的速度（VEL）、控制音量的动态（DYN）、控制气声比例的呼吸度（BRE）、影响中高频成分的明亮度（BRI）、改变共振峰的性别值（GEN）等^[6]。滑音偏移量由 $PitchBend = PIT \times PBS / 8192$ 计算，其中 PIT 为滑音值，PBS 为以半音为单位的滑音敏感度^[6]。

发展历程

项目启动前，上海禾念于 2011 年 6 月 14 日成立，起初是日本 Bplats 的在华子公司，受雅马哈委托负责 VOCALOID 在中国大陆的软件销售与推广^[1]。2011 年 11 月 20 日，VOCALOID CHINA PROJECT 正式启动并公布征集人物形象的计划；同年 12 月 1 日开放征集网站，并发布中文扩展包 VOCALOID™3 LEP-ZHO，中文版编辑器由此诞生^[1]。

形象征集于 2012 年 1 月 3 日结束，2 月公布评选结果。3 月 21 日公布最终定样，5 个入围方案为雅音宫羽、绫彩音、MOKO、牙音和蝶音，其中蝶音因形象涉嫌抄袭被取消资格；入围作品由插画师 ideolo 重绘后，最终确定为洛天依、徵羽摩柯、墨清弦、乐正绫和乐正龙牙^[1]。

2012 年 7 月 12 日，首款中文声库洛天依在第八届中国国际动漫游戏博览会上首发，声源由配音演员山新提供^[7]。2013 年 3 月，项目公开第二款中文声源并再次征集形象；6 月 6 日从 666 件投稿中选出最终形象言和；7 月 11 日言和声库在第九届中国国际动漫游戏博览会上发布^[8]。

运营主体在 2014 年前后发生变动。同年 1 月 31 日，Bplats 宣布停止 VOCALOID CHINA 的运营，雅马哈放弃在中国大陆直接销售与推广 VOCALOID 的计划；2 月 1 日，上海禾念与雅马哈达成一致，包括洛天依在内的 5 个虚拟形象及相关创作作品版权归上海禾念所有，但禾念此后不能再使用 VOCALOID CHINA 名称^[1]。禾念于 2014 年 3 月启用新品牌 VOCANESE，2015 年 6 月又由 Vsinger 取代，成为旗下虚拟艺人的统一品牌^[1]。

此后中文声库继续扩充。心华于 2015 年 2 月 10 日发布，乐正绫于 2015 年 7 月 17 日发布，星尘于 2016 年 2 月 20 日发布并使用 VOCALOID 4，乐正龙牙于 2017 年 5 月 10 日发布。徵羽摩柯与墨清弦分别于 2018 年 5 月 30 日和 6 月 14 日发布^[6]。

应用

中文声库最直接的用途是音乐制作。创作者用编辑器输入歌词与旋律，配合伴奏音轨完成整首歌曲，编辑器支持 VST 插件以添加混响等效果，并可导出工程文件^[2]。洛天依发布后不久，二次元音乐制作人 H.K 君用其声库制作的《千年食谱颂》MV 上传至弹幕视频网站后播放量超过百万^[4]。

声库与虚拟形象也被用于现场演出和商业合作。2015 年 9 月，洛天依、乐正绫、言和在成都的动漫游戏展上共同举行 3 场全息演出；2017 年以洛天依为首的 Vsinger 全员举办了首次大型全息演唱会，采用现场全息投影、实时动作捕捉与线上 AR 直播^[8]。2014 年 5 月，言和在韩国虚拟偶像 SeeU 的全息演唱会上客串演唱^[8]。

推广活动方面，VOCALOID 文化校园行进入全国近 70 所高校，累计参与人数近 50 万；虚拟形象还与游戏、汽车等行业品牌开展跨界合作^[9]。

局限

拼接合成路线带来若干固有限制。声库只能按照录制的音素片段组合发声，无法自由创造录音中不存在的音色或发声方式，同一片段的音高被拉伸得过多时音质会下降，这也是同一片段需按多个音高区间分别存储的原因^[5]。此外，仅输入歌词与旋律得到的成品机械感较强，需要使用者逐音符调整参数才能自然，调校水平因此直接决定成品质量^[6]。

语言适配上也存在难度。汉语的音素与音素组合数量远多于日语，中文声库的录制、标注与校订工作量更大^[4]。使用日语声库演唱中文或英语歌曲时，因声库缺乏相应音素，只能依靠近似发音替代^[5]。

中文声库的版权与运营状况同样构成限制。2014 年 2 月之后，开发方不再拥有 VOCALOID CHINA 这一名称的使用权，中文产品改以其他品牌名义继续运营，原项目作为整体随之终止^[1]。声库与编辑器通常分开销售，单独购买声库只能获得功能受限的编辑器版本^[6]。

参见

• VOCALOID —— 中文声库所依托的歌声合成技术与软件系列。

• 洛天依 —— 该项目推出的首款中文声库及其虚拟形象。

• 言和 —— 项目推出的第二款中文声库及其虚拟形象。

• 上海禾念 —— 受雅马哈委托在中国大陆运营该项目的公司。

• Vsinger —— 2015 年起取代原品牌的中文虚拟歌手统一品牌。

• 雅马哈 —— VOCALOID 技术的开发者与项目授权方。