ZHUOWARE BACKYARD TOP|ZHUOWARE表ページ
VSQ to MusicXML Conversion
Jan. 3, 2010, Jan. 8, 2010, Mar. 2, 2010
by: zhuo http://zhuoware.blog110.fc2.com/
はじめに
開発のきっかけ
2010年1月2日9PM, 「Sinsyのサイトがオープンしました！MusicXMLファイルを送信すると歌唱音声を合成して返してくれるようです！」という情報をキャッチしました．
Sinsyサイト
Sinsyとは，2009年12月下旬以来，HMMベースの歌唱合成システムとして話題になっているものです．さて，これを試すには，MusicXMLファイルが必要．どうやって用意したものでしょうか．VSQファイルから変換できれば一番いいのですが．．．
そこではたと気がつきました．「Vocalipsの出力であるtab区切りのテキストから変換するスクリプトなら，簡単に書けるのでは．．．」
というわけで以後5時間，他の方が，ustや，SMFからの変換ツールをつぎつぎと公開されるなか，ひさびさのPerlに singin', いえ呻吟しながら(ぇ)，ようやく，Sinsyの音をきくことができました．まだまだバラック状態ですが，コマンドラインツールでもいいから！という方のため，仮に公開いたします．．．．
と，いうのが，開発のきっかけです．
Disclaimer
- 本ツールは個人的な実験の結果をご紹介するものにすぎません．ドキュメントは最小限であり，テストもほとんどしていません．ご使用は，パッケージ内容をご理解できる方のみ，at your own riskでお願いいたします．ツールのご使用により生じた結果については一切責任を負いません．
- 各種法令および製品使用許諾条項の遵守をお願いいたします．
- Vocaloid製品に関係される各社様および関係各方面から，本ツール，ないし関連情報の公開について中止の要請があった場合には，ただちに公開を中止いたします．その場合には，このページで告知いたします．
|
実験の説明
vocalips2musicxml Rev. 0.4 (2010年3月2日)
※ 0.2, 0.3は欠番です
改訂点
- Rev.0.1以前で問題となっていた，時刻のまるめ誤差を回避しました． Vocalips 0.43 で実装した，tick単位の時刻表現を利用することによって実現しています．
- Rev.0.1で課題となっていた，音の開始/終了位置のクォンタイズを実装しました．
- Rev.0.1に対していただいていた示唆に従い，一小節ずつ区切った構成のMusicXMLを出力するようにしました．小節をまたぐ音に対しては tie を付与します．
- Rev.0.1まではテンプレートとして別ファイルに持っていた内容を，スクリプトの中に埋め込んでみました．
メモ
Rev.0.4で，コードはほぼすべて書き直しました．
ひとつの工夫は'lolxml.pm'です．MusicXMLの生成を楽にできないかという試みです．'lol'(List of List, listの入れ子)の形で必要な情報を渡せば，一括してxmlのテクストにして書き出してくれるというものです．
xmlを扱うPerl moduleなんてたくさんあるわけですが，大規模だったり，なぜか連想配列ベースだったりして，私の目的には合わなかったので，ちょっと作ってみました．素人考えですが，xmlは完全に木構造なので，それを写すにはlolが自然なはず，と思って試してみた次第です．今後，xmlテクストからlolを生成するコードも書いてclassにまとめればいい感じになるかも．．．とは思うものの，私にとっては時間のかかる課題なので，当分，放置！放置！です．
実験環境
- Windows XP Professional Version 2002 SP3 です．
- Vocalips 0.43 (← 前回用いたものからひとつ版あげています．必須です．)
- こちらよりどうぞ．Vocalips
- Perl処理系
- 適宜ご用意ください．
- mf2t
- 「各種ツールのメモがき」にて言及しています．
2011年9月25日追記：今まで，VECTORで入手できるDOS版をお勧めしていましたが，64bit環境で動かないという問題があり，このたび自前でビルドしたバイナリの提供を始めました．詳しくは上記をご覧ください．
- shift-jisのテキストをUTF-8に変換するツール
- 適宜ご用意ください．私は windows版のnkfでうまくいきました．
- 変換スクリプト
- 今回制作したPerlスクリプトです．ここからダウンロードしたのち，名前を直してください．
実験のながれ
- 手元のVSQファイルをテキスト形式に変換します． これは次のコマンドで行ないます．
- これを1音1行のtab区切りテキストにします．そのためには，Vocalips 0.43を展開しbinフォルダ内のvsqtxt2lipsync_052.plをもってきて，次のコマンドを実行します．
- % perl vsqtxt2lipsync_052.pl -i -t 0 -m e3 < a_vsq.txt > a_eventlist.txt
- 得られたeventlistを，いよいよmusicxml形式にします．それには，次のようなコマンド(一例)を実行します．
- % perl vocalips2musicxml_04.pl -b 120 -r 960 -q 120 < a_eventlist.txt > a_musicxml.xml
上のコマンド行で，-b はBPM(テンポ指定)です．全体を通してこのBPMが使用されます．-r は，これより短い無音を，前の音の終わりを伸ばすことで埋めます．-q は，音の始まりと終わりの時刻をこの tick 刻みにまるめます．
ほかに，次のようなオプションがあります(vocalips2musicxml_04.plの冒頭部分にコメントとして書いたもののコピペです)
# perl vocalips2musicxml_04.pl \
# [-b bpm] [-u tpq] [-n numer] [-d denom] [-m length] [-o offset] \
# [-p pitch_offset] [-q q_unit] [-r gap] < vocalips_txt > musicxml.xml
#
# -b bpm : the number of beats in a single minute. 120.0 by default.
# -u tpq : the length of a quarter note (a beat), in tick. 480 by default.
# -n numer : The upper number of the meter. 4 by default.
# -d denom : The lower number of the meter. 4 by default.
# -m length : The length of a measure, in tick. tpq * numer by default.
# -o offset : The measure/quantize offset, in tick. 0 by default.
# offset must be within [0, length).
# -p pitch_o : The pitch in output is shifted by this semitone-value.
# -q q_unit : on/off time is quantized by this amount. in tick.
# -r gap : remove the rests shorter than this gap (in ticks) by
# making the preceding note longer.
- できた！とあわてず，まだshiftjis形式であるこのmusicxmlファイルを，UTF-8形式に変換します(コマンドライン省略...nkf -w でいけたと思います)
- Sinsyのサイトに行き，できたxmlファイルを送信してみてください．うまくゆけば，歌唱音声の合成結果が聞こえるかとおもいます．
vocalips2musicxml Rev.0.0 / Rev. 0.1 (2010年1月3日/8日)
最初の版です． Rev. 0.1は，0.0に対し，「短い無音の除去」を追加したものです．それ以外は同じなので，まとめて説明しています．
実験環境
- Windows XP Professional Version 2002 SP3 です．
- Vocalips 0.42
- こちらよりどうぞ．Vocalips
- Perl処理系
- 適宜ご用意ください．
- mf2t
- 「各種ツールのメモがき」にて言及しています．
- shift-jisのテキストをUTF-8に変換するツール
- 適宜ご用意ください．
- musicxmlテンプレートファイル
- b2ox氏が用意してくださったforSinsy2.xml をベースに制作したものです．
ここからダウンロードしてください:
musicxml_template03.txt
- 変換スクリプト
- 今回制作したPerlスクリプトです．ここからダウンロードしたのち，"vocalips2musicxml_01.pl"と名前を直してください．
実験のながれ
次の通りです．
- 手元のVSQファイルをテキスト形式に変換します． これは次のコマンドで行ないます．
- これを1音1行のtab区切りテキストにします．そのためには，Vocalips 0.42を展開しbinフォルダ内のvsqtxt2lipsync_051.plをもってきて，次のコマンドを実行します．
- % perl vsqtxt2lipsync_051.pl -t 0 -m e2 < a_vsq.txt > a_eventlist.txt
- 得られたeventlistを，いよいよmusicxml形式にします．それには，次のコマンドを実行します．
- % perl vocalips2musicxml_01.pl -b 120 -r 0.5 -t musicxml_template03.txt < a_eventlist.txt > a_musicxml.xml
上のコマンド行で，-b はBPM(テンポ指定)で，-t はテンプレートファイルの指定です．現時点ではBPMはきめうちです．
Rev. 0.1以降では，-r オプションが使えます; 上のように-r 0.5とすると，0.5秒未満の無音は，前の音を伸ばす形で解消されます．-r 0.0 (default)とすると，Rev. 0.0と同じになります．
- できた！とあわてず，まだshiftjis形式であるこのファイルをUTF-8形式に変換します (コマンドライン省略... nkf -w でいけたと思います)
- Sinsyのサイトに行き，できたxmlファイルを送信してみてください．うまくゆけば，歌唱音声の合成結果が聞こえるかとおもいます．