OpenUtau

一句话定位

OpenUtau 是 UTAU 的开源后继者：一个跨平台的歌声合成编辑器。你给它「音源 + 歌词 + 音高」，它把声音唱出来——但和 UTAU 那种 2008 年的窗口不同，OpenUtau 是重新做的现代界面：.NET 10 + Avalonia + ReactiveUI，MIT 许可，4.5k★，最新 0.1.576（2026-10-20）。

它对老生态的态度很明确：保留兼容，但不复刻。UTAU 音源能用、UTAU 重采样器能调，可界面、编码、跨平台这些历史包袱全扔掉。

为什么会有它

UTAU 是免费歌声合成的起点，但它的技术债众所周知：

• 只能在 Windows 跑；
• 音源文件名是 Shift-JIS，非日语系统得改「系统区域设置」才能正常读；
• UI 停留在 Win98 审美，批量编辑基本靠脚本；
• 工程文件是纯文本 .ust，没有真正的工程概念。

OpenUtau 的解法是重写编辑器，同时把 UTAU 的核心抽象保住。官方 README 的原话是「aims to solve problems with fewer steps」，而不是「1:1 复刻」。

先理解它的三层结构

搞不清这三层，用 OpenUtau 会一直懵：

换音源要跟着换音素器，这是新手 90% 的「没声音/发音乱」的根因。

主要特性

• MIDI 式钢琴卷帘：鼠标滚轮 + 快捷键导航，官方 GIF 里那种丝滑拖拽是真的；
• 预渲染（Pre-render）：边编辑边提前算好片段，播放预览几乎无延迟；
• 导入 VSQX：Vocaloid 4 工程能直接读，方便搬迁；
• 表情（Expressions）取代 UTAU 的 flags：音量/音高/颤音/张力都能画曲线，内置 WORLDLINE-R 支持曲线渲染；
• 多语言音素器：日语（CV/VCV/CVVC）、中文、英语（Arpasing）、韩语、俄语等；
• 原生 DiffSinger 支持：OpenUtau.Core/DiffSinger/ 下是一整套渲染链（pitch / variance / vocoder / retake），还带了中、英、日、韩、菲、法、德等语言的 DiffSinger 音素器；
• ENUNU（NNSVS）AI 歌手支持；
• 插件系统：宏（Editing Macro）+ 音素器两套 API，官方有文档；
• 国际化彻底：UI 用 Crowdin 翻译，文件系统编码不再依赖系统区域；
• 跨平台：Windows x64/arm64、macOS arm64、Linux x64/arm64（AppImage + tar.gz）；
• 内置自动更新：Release 里那堆 appcast.*.xml 就是给 NetSparkle 用的。

安装与上手

Release 资产很全，按平台挑：

• Windows：OpenUtau-win-x64.exe（安装器）或 OpenUtau-win-x64.zip（便携）
• macOS：OpenUtau-osx-arm64.dmg（只有 arm64，Intel Mac 得自己编）
• Linux：OpenUtau-linux-x64.AppImage / OpenUtau-linux-arm64.AppImage，或 .tar.gz

五步出声：

1. 新建工程，BPM/拍号设好；
2. 选歌手：把音源 zip 直接拖进窗口，或解压到 OpenUtau 的 Singers/ 目录；
3. 在钢琴卷帘里画音符、填歌词；
4. 选对 Phonemizer（这一步错了就发音乱）；
5. 调表情曲线 → 导出 WAV。

DiffSinger 音源（如 Nishiren）的用法：必须用最新版 OpenUtau，否则直接报错；装好后 phonemizer 选 [DIFFS] / [DIFFS ZH] 这类；可调参数是曲线型的（GENC/VELC/TENC/BREC/VOIC/SHFC），音色（vocal mode）用 CLR 表情；想要自动音高就右键音符 → Load rendered pitch（Ctrl+R）。

坑与注意

• 老 UTAU 重采样器是 Windows exe：Linux/macOS 上要靠 wine 跑，32 位、慢、容易崩。能用 WORLDLINE-R 或 DiffSinger 就别折腾 exe 重采样器。
• 音源授权和软件授权是两件事：OpenUtau 是 MIT，但你下载的日语/中文音源通常有自己的使用条款（禁商用、禁再分发、禁改模型），发布作品前必须看。
• .ustx 不向下兼容 UTAU：OpenUtau 能读 .ust，反过来不行。想两边来回切，趁早放弃。
• 刻意不兼容 Vocaloid：除了导入 VSQX，别指望 Vocaloid 工程/音源能直接用。
• 它不是 DAW：能做极简混音，但压缩、EQ、母带、多轨编曲请交给 Reaper / Cubase。导出分轨更省事。
• DiffSinger 渲染吃资源：长段连续音符一次性渲染容易卡死/崩溃，官方音源文档普遍建议分段渲染再拼。
• README 里的下载链接还写着 stakira/OpenUtau（作者早期的地址），仓库现在归 openutau 组织，按组织地址访问即可。

二开建议

• 技术栈：.NET 10 + Avalonia（跨平台 UI）+ ReactiveUI + Serilog，OpenUtau/（UI）、OpenUtau.Core/（引擎）、OpenUtau.Plugin.Builtin/（内置音素器与渲染器）分层清晰，dotnet build 就能起。
• 写插件：两套 API 文档直接在仓库里——OpenUtau.Core/Editing/README.md（宏，批量改音符）、OpenUtau.Core/Api/README.md（音素器）。插件加载机制类似「放进 Plugins 目录即生效」。
• 加音素器：继承 Phonemizer，实现 Process，再用工厂注册；想接一个新语言的 G2P，抄一份现有 DiffSinger phonemizer 改最快。
• 加渲染器：经典音源走 IResampler；AI 音源参考 OpenUtau.Core/DiffSinger/ 那条链（config → variance → pitch → vocoder → cache），onnxruntime 已经在用。
• 想贡献翻译：走 Crowdin 项目，不用改代码。

一句话总结

OpenUtau 的价值是「给一个活着的生态换了副身体」：UTAU 的音源、重采样器、调教习惯全部继承，但界面、编码、跨平台、插件化全部现代化，还顺手把 DiffSinger 和 ENUNU 这两代 AI 歌声合成接了进来。想玩免费歌声合成、又受不了 UTAU 的老界面，它是现在最合理的选择——而且它只是编辑器，真正决定音色的是你往里装的那个音源。