Expressive 是一个为 OpenUtau 开发的 DiffSinger 表情参数导入工具，旨在从真实人声中提取表情参数，并导入至工程的相应轨道。
当前版本支持以下表情参数的导入：
Dynamics (curve)Pitch Deviation (curve)Tension (curve)
| 工作流程 | 数据可视化 |
|---|---|
 |
 |
Tip
👉 点击展开完整有声演示视频 👈
Expressive-GUI.Demo.mp4
Expressive.Viewer.Demo.mp4
- Windows / Linux
- OpenUtau Beta（或支持 DiffSinger 的其他版本）
- Python 3.10 *
本应用默认选择 swift-f0（基于 ONNX Runtime）作为音高提取后端，仅需 CPU 即可运行，可满足基础使用场景。
也提供了经典的 CREPE（依赖 TensorFlow）音高提取后端，适合更高要求的使用场景。若您的电脑配有 NVIDIA 显卡且支持 CUDA 11.x（即显卡驱动版本 >= 450），使用 CREPE 后端时会自动启用 GPU 加速。
* 在 Windows 平台下，TensorFlow 2.10 是最后一个支持 GPU 加速的版本，Python 3.10 是它的
.whl文件支持的最高 Python 版本。
在使用 DiffSinger 虚拟歌手翻唱时，已经完成了填好词的无参 OpenUtau 工程，但尚未添加表情参数。本应用可以从参考人声音频中提取表情参数，并导入至 OpenUtau 工程中。
Tip
从 v0.6.0 开始，本应用支持带有多分段与多曲速的 OpenUtau 人声音轨。
Tip
从 v0.5.0 开始，用户可以分别在歌姬音声与参考人声的完整音频中划定选区，选区内的音频段落将作为最终输入。
- 歌姬音声：由 OpenUtau 输出的无表情虚拟歌声音频（WAV 格式）。建议分段与曲速尽量与参考人声相近，若相差过大可能影响对齐效果。
- 参考人声：原始人声录音（WAV 格式），可使用 UVR 、MSST 等工具去除伴奏、和声与混响。
- 输入工程：原始 OpenUtau 工程文件（USTX 格式）。
- 输出路径：处理完成后新工程文件的保存位置。
- 音轨编号：OpenUtau 工程中歌姬音声所在的音轨编号（从 1 开始）。表情参数会被导入到该音轨中。
一个携带表情参数的新 USTX 文件。原始工程不会被修改。
- Windows 支持
- Linux 支持
- NVIDIA GPU 加速
- 参数配置导入 / 导出
- 表情曲线可视化
-
Pitch Deviation参数生成 -
Dynamics参数生成 -
Tension参数生成
您可以直接在 Releases 页面下载预编译的可执行文件:
适用于 x64 架构 Windows 的 Expressive CLI / GUI / Viewer 安装包。
仅可使用 CPU，无 CUDA 运行时库。安装体积小，但选择 CREPE 后端提取音高时速度较慢。
带 GPU 支持的适用于 x64 架构 Windows 的 Expressive CLI / GUI / Viewer 安装包。
含 CUDA 运行时库。在配备 NVIDIA 显卡（驱动版本 >= 450）的电脑上使用时，会大幅提高 CREPE 后端的推理速度。
Important
本项目使用 Git LFS 存储 examples/ 下的示例音频等大文件。克隆仓库前，请确保本地已正确安装 Git LFS。
git clone https://github.com/NewComer00/expressive.git --depth 1
cd expressive请在虚拟环境中安装本软件包及其依赖：
pip install -e ".[gpu,gui]"Tip
-e参数以可编辑模式安装，便于二次开发- 本软件包支持的可选依赖项包括：
gpu：启用 GPU 加速相关依赖（如 CUDA 运行时库）gui：启用图形用户界面相关依赖（如 NiceGUI）dev：开发环境依赖（如测试框架 pytest）all：安装上述所有依赖项
安装完成后，您将能够使用 expressive 和 expressive-gui 两个入口点来运行命令行界面和图形用户界面。
此外，您还可以通过 expressive-viewer 命令启动一个独立的表情曲线可视化工具，来实时查看和分析 expressive 与 expressive-gui 提取出的表情曲线。
Tip
本节介绍的所有命令（以及您通过安装包安装的可执行文件）均会自动适配您的系统语言。如果您需要不同语言的界面，可以设置环境变量 LANGUAGE 或 LANG 来覆盖默认语言。
例如，在 Windows PowerShell 中：
$env:LANGUAGE = "en_US"
expressive-gui在 Linux Shell 中：
LANGUAGE="en_US" expressive-gui显示帮助信息
expressive --help在 Windows PowerShell 中执行示例命令
expressive `
--utau_wav "examples/明天会更好/utau.wav" `
--ref_wav "examples/明天会更好/reference.wav" `
--ustx_input "examples/明天会更好/project.ustx" `
--ustx_output "examples/明天会更好/output.ustx" `
--track_number 1 `
--expression dyn `
--expression pitd `
--pitd.semitone_shift 0 `
--expression tenc在 Linux Shell 中执行示例命令
expressive \
--utau_wav "examples/明天会更好/utau.wav" \
--ref_wav "examples/明天会更好/reference.wav" \
--ustx_input "examples/明天会更好/project.ustx" \
--ustx_output "examples/明天会更好/output.ustx" \
--track_number 1 \
--expression dyn \
--expression pitd \
--pitd.semitone_shift 0 \
--expression tenc输出工程文件将保存在 examples/明天会更好/output.ustx。
启动图形界面
expressive-guiImportant
由于框架限制，通过 expressive-gui 命令启动的图形界面目前不支持文件拖放功能。若需使用拖放功能，请直接安装本应用，或以脚本方式运行 expressive_gui.py：
python expressive_gui.py启动表情曲线可视化工具
expressive-viewer您可以在任何时候启动这个工具。在其运行期间，expressive 与 expressive-gui 提取出的表情曲线会被实时发送到其中进行可视化展示。
您可以在 expressive-viewer 中查看表情曲线的细节，分析提取结果，并根据需要调整参数，重新生成表情曲线。
Tip
如需同时浏览多个表情曲线，您可以同时启动多个 expressive-viewer 实例，每个实例都会独立显示接收到的数据。
项目的 examples/ 目录下存放有多个示例。您可以在图形用户界面中导入相应示例的 expressive_config.json 配置文件，将预设的参数一键填写到应用中。
若您是从安装包获取的本应用，安装完毕后示例目录的快捷方式 Expressive-examples 将出现在您的桌面，您也可以直接导入其中的配置文件。
graph TB;
ustx_in[/"OpenUtau Project (USTX)"/]
refwav[/"Reference WAV"/]
utauwav[/"OpenUtau WAV"/]
refwav-->feat_pitd
ustx_in-.->|Export|utauwav
utauwav-->feat_pitd
ustx_editor["USTX Editor"]
ustx_in-->ustx_editor
ustx_editor-->|UProject & Time Axis|PitdLoader
subgraph PitdLoader
direction TB
feat_pitd["Features Extraction<br>Pitch & MFCC & RMS"]
time_pitd["Time Alignment<br>FastDTW"]
feat_pitd-->time_pitd
pitch_algn["Pitch Alignment"]
time_pitd-->pitch_algn
get_pitd["Get Pitch Deviation"]
pitch_algn-->get_pitd
end
utsx_out[/"OpenUtau Project Output"/]
get_pitd-->utsx_out
subgraph DynLoader
direction TB
feat_dyn["Features Extraction<br>RMS"]
time_dyn["Time Alignment<br>FastDTW"]
feat_dyn-->time_dyn
get_dyn["Get Dynamics"]
time_dyn-->get_dyn
end
subgraph TencLoader
direction TB
feat_tenc["Features Extraction<br>RMS"]
time_tenc["Time Alignment<br>FastDTW"]
feat_tenc-->time_tenc
get_tenc["Get Tension"]
time_tenc-->get_tenc
end
在 Windows 10 / 11 平台下，通过安装包首次安装本应用后（先前安装过再卸载不算），应用的文件拖拽功能无法正常使用。
NiceGUI 框架对原生应用的文件拖拽功能支持尚不完善。目前本应用的文件拖拽功能是基于底层库 pywebview 实现的。
重新打开应用后应当可以恢复正常，且该系统今后不会再出现此问题。
NiceGUI 框架已经开始着手改进文件拖拽支持，应该在未来的版本中能够解决此问题。
提取出的 PITD 表情曲线过于平缓，整体上几乎没有大的起伏，参考人声中的音高变化并没有反映到表情曲线上。
PITD 表情提取器中，两个置信度阈值设置过高，许多音高变化没有被采信。
尝试降低两个置信度阈值。一般来说，歌姬音声比较纯净，可以先调整参考人声的置信度阈值。
引入更好的 PITD 后端（如 RMVPE）。
PITD 表情曲线在某些位置变化过快，出现非常大的跳跃或毛刺，明显不符合人声的变化规律。
PITD 表情提取器中，两个置信度阈值设置过低，错误的识别结果被采信。
尝试增加两个置信度阈值。一般来说，歌姬音声比较纯净，可以先调整参考人声的置信度阈值。
引入更好的 PITD 后端（如 RMVPE）。