Nishiren Gard（西蓮ガルド）

先说清楚它是什么

这不是一个软件，是一套 AI 歌声合成音源（voicebank）：Nishiren Gard（西蓮ガルド），用 DiffSinger 训练出来的虚拟歌手，女低音（contralto，G3–D5），母语录音是英语 + 日语，再靠跨语言合成（XLS）唱另外十来种语言。

作者 Gardanana 把「模型文件 + 使用文档 + 术语条款」放在这个仓库，600MB+ 的模型本体走 GitHub Releases 分发。仓库里没有 LICENSE——授权完全由 terms-of-service.md 决定，所以请把它当「免费下载的音源」，不是开源软件。

当前版本 v2.1（2026-10-18），主包约 624MB。

硬参数（作者给的）

七种音色（vocal mode），训练数据量差异很大，这点很关键：

数据量越小的模式越「偏科」，别指望 Screamo 像 Standard 一样稳。

版本在往哪走

• v2.1（2026-10-18）：新增德语、俄语、巴西葡语、他加禄语、印尼语；新增 Screamo 模式；Power 模式重训；换用基于 Potluck Vocoder 微调的新 vocoder；用 mix-ln 改善了口音；文件从 939MB 降到 624MB。
• v2.0：切到 multi-dict 架构，加入韩语/意大利语/泰语、Emotional 模式、breathiness 与 voicing 参数，用 muon + lynxnet2 提质量。
• v1.x：从 energy+breathiness 迁到 tension 体系，换 rmvpe 做 F0、unipc 加速，逐步加入 XLS。

也就是说：它一直在跟着 DiffSinger 上游的架构演进（reflow → multi-dict → 新 vocoder），旧版本模型和新版 OpenUtau 不一定对得上。

怎么装、怎么用

前置条件：最新版 OpenUtau（官方明确说旧版本会报错，也不要用过时的分支/魔改版）。

1. 从 Releases 下 Nishiren.Diffsinger.v2.1.zip；
2. 直接拖进 OpenUtau 窗口，或解压到 OpenUtau 的 Singers/ 目录；
3. 轨道歌手选 Nishiren；
4. Phonemizer 按语言选：

1. 调表情曲线（DiffSinger 只吃曲线，没有滑块式 flags）；
2. 想要自动音高：右键音符 → Notes → Load rendered pitch，或 Ctrl+R。

音色怎么混

CLR 是音色选择器；想让某个音色只在某几小节出现、或者两种音色按比例混合，要在 Project → Expressions… 里点 “Add all expressions suggested by renderers”，之后每种 vocal mode 都会变成一条曲线。

规则很直观：所有 vocal mode 的百分比总和恒为 100%。不到 100% 用 CLR 指定的音色补足，超过 100% 按比例压缩。

坑与注意（音源类项目最容易出事的地方）

• 授权是硬红线，不是「建议」。ToS 关键几条：商用需单独申请；禁止用于 NFT / 加密货币项目；禁止政治、宗教内容；色情/暴力内容需作者许可；违法、未成年色情、仇恨内容绝对禁止；作者保留要求下架作品的权利。
• 署名必须写音源名（Nishiren / Nishiren Gard），不能改名，也不能把音源归到别人名下；作者名可不写但鼓励写。
• 再分发只能整包原样，不能拆、不能改；改成别的软件用（porting）要作者批准。
• 禁止拿源音频/生成音频去训练模型——这条对做 AI 歌声的人是重点。
• 必须用最新版 OpenUtau：DiffSinger 模型格式和渲染链跟着上游变，旧版/第三方实现大概率直接崩。
• autopitch 别一口气渲一整首：作者明确建议一段一段生成，长段连续音符容易让软件崩溃。
• 泰语/印尼语/巴西葡语要额外装 phonemizer 插件，否则选了也没用。
• v2.1.Legacy.zip 是另一个资产（体积几乎相同）。README 没细说差异，正常装主包，遇到兼容问题再试 Legacy。
• 600MB+ 下载 + 推理吃资源：DiffSinger 用 CPU 也能跑但很慢，长句会卡；建议小节级预渲染，别整轨实时播放。

二开 / 做自己的音源

• 它是 DiffSinger 模型的打包产物：核心是 dsconfig.yaml + acoustic/vocoder 模型 + dsdict-*.yaml 音素字典。想改口音、改音素映射，动字典比动模型现实。
• 实验音素：作者在 phoneme-experimental.md 里放了两套实验音素集（明确说「just for fun」），照着改是理解 DiffSinger 音素映射的捷径。
• 想自己训一个：DiffSinger 官方仓库有完整训练流程；这份音源的公开数据集清单（PJS、NIT070、M4Singer、CSD、OfutonP、TIGER 等）可以直接参考——它就是这么堆出来的。
• 别指望它当通用 TTS：它是唱歌模型，念白效果不稳定，语速/音高曲线都得手动给。

一句话总结

Nishiren Gard 是一份完成度相当高的 DiffSinger 中文/日英双语（多语 XLS）女低音音源：七种音色、十余种语言、参数体系完整，作者从 v0.1 一路迭代到 v2.1，还顺手把文件压小了三分之一。它的门槛不在技术，而在授权——想商用、想二次分发、想拿去训模型，先逐条读 ToS。想试听再决定，README 里就有 YouTube demo；想用，先装最新版 OpenUtau，然后把 zip 拖进去。