VocalSync Studio

繁體中文 | English | 日本語

一間桌面練唱室，為想練習唱歌、聽見自己聲音的你打造，每次練習都聽得見進步。

VocalSync Studio 是一款桌面應用程式，結合伴奏播放、即時錄音、AI 音高偵測與歌詞同步顯示，幫助歌唱練習者視覺化自己的演唱表現。

📖 使用說明：USER_GUIDE.md｜English｜日本語（portable zip 內另附離線 HTML 版）

📢 透明度聲明 作者沒有程式開發背景，本專案由 AI（Claude / Codex）協作完成——從架構、程式碼到 UI 全部由 AI 生成。所有功能皆經實測與跨模型 code review（Claude 實作 + Codex 獨立審查）。請依你的使用情境評估風險後採用。

功能特色

• YouTube 下載 — 直接輸入 URL 下載伴奏（自動安裝 yt-dlp + FFmpeg）
• 即時錄音 — 邊聽伴奏邊錄音，支援延遲校準
• AI 音高偵測 — 使用 CREPE 神經網路模型分析演唱音高（離線運作，不需網路）
• 音高曲線對比 — 將你的演唱與目標旋律並排顯示
• 歌詞同步 — 支援 LRC / SRT / VTT 格式，含雙語自動偵測
• A-B 循環 — 重複練習特定段落
• 變速播放 — WSOLA 時間拉伸，不改變音高
• 快速消人聲 — 立體聲 center-cancel 去除原唱

技術架構

安裝

從 Release 下載（推薦）

1. 前往 Releases 頁面，下載最新的 VocalSync.Studio.Portable.x.y.z.zip
2. 解壓縮到任意位置（例如桌面或 D:\Tools\）
3. 進入資料夾，雙擊 vocalsync-studio.exe 即可啟動

⚠️ 資料夾結構請勿變動 DirectML.dll、yt-dlp.exe、models/ 都是 vocalsync-studio.exe 執行期會載入的依賴，不可單獨搬移到其他位置。若要換目錄，請整個資料夾一起搬。

已測試環境

macOS / Linux 的 Tauri build 理論上可行（原始碼多平台），但尚未實測，也未提供 portable release。若你想在這些平台建置，請走「從原始碼建置」流程，並歡迎回報成果到 Issues。

第一次執行的 Windows SmartScreen 警告 因為目前還沒有做 code-signing 數位簽章，Windows SmartScreen 可能會跳出「已防止 Windows 保護您的電腦」的警告。 點警告視窗左上的 「其他資訊」，再按下方出現的 「仍要執行」 按鈕即可啟動。 之後同一個 exe 不會再跳此警告。 若對來源仍有疑慮，可以在 Release 頁下載 zip 後用 certutil -hashfile "檔名.zip" SHA256 比對 GitHub 上顯示的 digest。

從原始碼建置

前置需求：

• Node.js >= 18
• Rust >= 1.77
• Tauri CLI

# 1. 安裝前端依賴
npm install

# 2. 開發模式
npm run tauri dev

# 3. 建置 Release
npm run tauri build

# 4.（可選）產生離線 USER_GUIDE HTML 並打包進 portable zip
npm run build:docs          # 輸出到 dist-docs/*.html
npm run pack:portable-docs  # 複製 HTML 進 portable 資料夾並重新壓縮 zip

建置產物在 src-tauri/target/release/bundle/ 中。

專案結構

vocalsync-studio-tauri/
├── src/                    # Svelte 前端
│   ├── components/         # UI 元件（音高曲線、歌詞面板、校準器...）
│   ├── stores/             # 狀態管理（播放、錄音、歌詞、設定...）
│   └── tabs/               # 頁面（準備、錄音、音高、關於）
├── src-tauri/
│   └── src/
│       ├── commands/       # Tauri IPC 指令
│       ├── core/           # 核心引擎
│       │   ├── audio_engine.rs      # 錄放音引擎
│       │   ├── crepe_engine.rs      # CREPE AI 音高偵測
│       │   ├── pyin_engine.rs       # PYIN 傳統音高偵測
│       │   ├── lyrics_parser.rs     # LRC/SRT/VTT 解析
│       │   ├── wsola.rs             # 時間拉伸
│       │   ├── ytdlp_engine.rs      # YouTube 下載
│       │   └── ...
│       └── lib.rs          # Tauri 入口
└── package.json

快捷鍵

問題回報

使用遇到問題、想回報 bug 或有功能建議都很歡迎，可以透過以下兩種方式聯絡：

• GitHub Issues：vocalsync-studio/issues
• 電子信箱：[email protected]

回報時若能附上：作業系統版本、VocalSync Studio 版本、操作步驟與錯誤訊息截圖，會更容易定位問題。

授權

本專案以 MIT License 開源發佈，可自由使用、修改與散佈，無任何擔保。

第三方元件授權

yt-dlp（Unlicense / 公有領域）

yt-dlp 是 youtube-dl 的社群維護 fork，以 The Unlicense 釋出（等同公有領域，CC0-like）。

• 使用方式：本專案以 subprocess / CLI 方式呼叫 yt-dlp.exe，不做靜態連結、不修改其原始碼
• 來源：yt-dlp.exe 為從 yt-dlp 官方 Releases 下載的未修改二進位檔
• 使用者責任：透過 yt-dlp 下載的內容是否合乎當地法律（著作權、YouTube 服務條款等），由使用者自行負責
• 官方完整授權文字：https://github.com/yt-dlp/yt-dlp/blob/master/LICENSE

FFmpeg（LGPL 2.1+ / 可能為 GPL）

FFmpeg 預設以 LGPL-2.1-or-later 授權釋出；若啟用特定編碼器（如 libx264、libx265）則需改為 GPL-2.0-or-later。

• 使用方式：本專案以 subprocess / CLI 方式呼叫 ffmpeg / ffprobe 執行檔，不靜態連結 libavcodec / libavformat 等函式庫；因此本專案本體不受 LGPL / GPL 傳染
• 來源：預設從 gyan.dev FFmpeg Windows builds 或系統既有安裝載入。請使用者自行留意所下載 build 的具體授權版本（essentials build 通常為 LGPL；full build 含 GPL 組件）
• 修改 / 再散佈：若你要把 FFmpeg binaries 連同本專案一起散佈，需遵守 FFmpeg 的授權條款（附上授權文字、提供原始碼取得方式等）。本倉庫內未附 ffmpeg binaries，避免授權衝突
• 官方完整授權文字：https://ffmpeg.org/legal.html

CREPE 論文引用

本專案使用的 CREPE 音高偵測模型源自以下論文：

@inproceedings{kim2018crepe,
  title={{CREPE}: A Convolutional Representation for Pitch Estimation},
  author={Kim, Jong Wook and Salamon, Justin and Li, Peter and Bello, Juan Pablo},
  booktitle={2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
  pages={161--165},
  year={2018},
  organization={IEEE}
}

如果你在學術或商業研究中使用了 VocalSync 的音高偵測成果，請一併引用上述論文與 onnxcrepe 的 ONNX 轉換工作。

免責聲明

VocalSync Studio 僅為本地練唱輔助工具。使用者透過本工具下載、處理、轉錄的任何音訊內容，其著作權與合法使用責任均歸使用者本人。開發者不對使用者的任何不當使用負責。

支持開發

如果這個工具對你的練唱有幫助，歡迎請我喝杯咖啡：