Skip to content

Releases: 6hdj/lrc-ttml

Release list

Lyric2TTML v1.2.1 —— 便携版（解压即用）

Lyric2TTML v1.2.1 —— 便携版（解压即用） Latest
Latest

Choose a tag to compare

View all tags
@6hdj 6hdj released this 17 Oct 19:01
v1.2.1
9398a1d

Lyric2TTML v1.2.1 —— 便携版修复（v1.2.0 的附件是"更新补丁"，不是完整程序）

⚠️ v1.2.0 的附件 Lyric2TTML-winui-v1.2.0-update.zip 只是"更新补丁"
（只含 WinUI 壳 + 后端 exe，不含后端 _internal 运行库），单独运行会报
Failed to load Python DLL ... python314.dll。本次 v1.2.1 提供解压即用的便携版。

下载哪个？

文件 用途
Lyric2TTML-winui-v1.2.1-portable.zip（414 MB） 解压即用：壳 + 后端（含 CUDA 运行库组件之外的全部 Python 依赖与模型框架）
Lyric2TTML-winui-v1.2.1-update-patch.zip（64.8 MB） 仅壳 + 后端 exe，给已有安装覆盖升级用

便携版首次使用

  1. 解压整个 zip，双击 winui\Lyric2TTML.exe
  2. 模型管理 → 下载 Whisper 模型（魔搭官方源，约 20 MB/s；large-v3 约 2 分钟）
  3. 运行库 → CUDA 运行时「安装/修复」（527 MB，腾讯镜像，实测 22 秒）
  4. （可选）运行库 → Demucs Worker「安装」（约 86 秒，人声分离用）

本版修复

  • 便携包内后端找不到模型：web_server 把 HUGGINGFACE_HUB_CACHE 默认指到 _internal\.hf_cache，
    而下载器写的是 data\models\hf_cache ⇒ 现在统一对齐；service_main 同步该变量。
  • 后装 CUDA 不生效：ASR 的 CUDA DLL 搜索路径新增 <数据目录>\runtime\cuda{,/bin}，
    并在每次创建识别引擎时重新注册 ⇒ 先开程序、再去运行库页装 CUDA，无需重启即可用显卡。
  • 便携包不再捆绑 CUDA（2 GB），改为运行库页一键安装 ⇒ 包体从 2.37 GB 降到 414 MB（<2 GiB GitHub 限制）。

已验证（本版产物）

  • 解压后的便携包：逐页自检 8/8；后端正常启动；4/7 模型就绪（campplus×3 + demucs），
    Whisper 三个模型均可下载（官方源）。
  • 完整流程实测：安装 CUDA（22 s）→ 下载 whisper-small（17 s）→ 真实转换 0 错误 / 63 行。
  • 完整安装版（本地 9.7 GB 运行目录）：7/7 模型就绪、真实转换 0 错误。

说明

  • 仓库不再上传 6.4 GB 的完整后端（含 torch/CUDA），超过 GitHub 单文件 2 GiB 限制；
    完整安装版请按 docs/WinUI3-版本说明.md 在本地构建，或用旧 Qt 安装包（v1.1.1）。
  • 本机安全策略可能禁止程序写外部目录：设置里的「歌词保存到」建议用程序目录内子目录。

界面截图（WinUI 3，真实运行）

歌词工作台

歌词编辑台

模型管理

运行库

截图由程序真实运行（后端已启动、编辑台载入真实任务）后抓取；全部 8 页见仓库 docs/winui/。

2026-10-18 附件更新（无版本号变更）

  • 软件加入应用图标（紫色「字」+ 时间轴）：exe、任务栏、窗口标题栏生效。
  • Lyric2TTML-winui-v1.2.1-portable.zip 已替换为带图标版本（415 MB），下载地址不变。

2026-10-18 附件修复（同一版本，下载地址不变）

  • 修复便携版「运行库 → PyTorch 运行时」安装后真实加载验证失败：
    ModuleNotFoundError: No module named 'timeit' / 'pickletools'。
    原因是 PyInstaller 冻结后端缺少 torch 导入所需的标准库模块；已补进打包并在解压后的便携包里实测
    torch 2.14.1+cpu（真实加载通过）。
  • Lyric2TTML-winui-v1.2.1-portable.zip 已重新打包覆盖（sha256 bc2232bd…）。
Assets 4
Loading

Lyric2TTML v1.2.0 —— WinUI 3 界面 + 模型/运行库下载修复

Lyric2TTML v1.2.0 —— WinUI 3 界面 + 模型/运行库下载修复

Choose a tag to compare

View all tags
@6hdj 6hdj released this 17 Oct 18:34
v1.2.0
5d52de1

Lyric2TTML v1.2.0 —— WinUI 3 界面 + 模型/运行库下载修复

一、界面：全新 WinUI 3 壳

  • 界面迁移到 WinUI 3（C# / XAML），保留原算法与后端能力：
    开始 / 歌词工作台 / 歌词编辑台 / 任务中心 / 模型管理 / 运行库 / 设置 / 帮助诊断，全部为真实页面（无占位）。
  • 页面缓存（切页不重建）：正在跑的任务、日志、已选文件不会因为切页被清空。
  • 主题：浅色 / 深色 / 跟随系统，选中即预览，保存后持久化；深色下歌词、编辑面板配色已适配。
  • 编辑台：逐字渲染 + 播放高亮（咬字/拖音两阶段）、时间/±10ms/声部/和声/元数据编辑。
  • 保存工作流改为显式保存：AI 处理完成后只写 .pending 中间文件；点「💾 保存 TTML」才生成正式文件。
    编辑台的修改只写草稿（.edit.json），点保存才写正式 TTML。未编辑时保存逐字节保留生成结果（长尾不被重算收回）。
  • 保存文件名 = 歌手 - 歌名（如 花玲 _ 张安琪 _ 沐霏 - 我不曾忘记.ttml），同名自动加 (2)；证据文件同名。

二、模型与运行库（本次重点修复）

  • 模型下载改走官方国内源（魔搭 ModelScope）直链：带 Range 断点续传 + 字节数校验；
    HF 两端点与 GitHub Release 分卷镜像依次兜底。
    实测（冻结后端）：large-v3 2.9 GB / 117 s、medium 1.4 GB / 62 s、small 464 MB / 32 s，7/7 模型就绪。
  • 三个 Whisper 模型均实测可加载并转写（CPU int8：large-v3 12.8 s、medium 6.8 s、small 2.3 s / 15 s 音频）。
  • Demucs Worker 运行库实测安装 + 自检通过（torch 2.14.1+cu130、CUDA 可用、RTX 4060、demucs 4.1.0）。
  • 模型缓存自动落在程序目录（backend\data\models\hf_cache），不受 %LOCALAPPDATA% 写入限制影响；
    旧版 .hf_cache 通过只读链接复用。
  • 模型页「打开位置」：外部资源管理器调不起来时，自动改用应用内对话框显示路径 + 文件夹内容 + 复制路径。
  • 「校验」在操作进行中会明确提示；已安装的 Worker 会正确启用「校验/卸载」。

三、其它修复

  • 后端所有 CLI（--model-cli / --runtime-cli / --worker-cli / --doctor）输出强制 UTF-8，
    不再乱码、不再因 ✓ 字符触发 UnicodeEncodeError。
  • 设置页：保存不再被"目录不可写探测"硬拦（只警告）；「关于」进入页面自动刷新。
  • 工作台开关改竖排 + 标题可换行，不再被裁掉。
  • 输出目录校验失败时，后端在任务日志里写明原因并回退默认目录。
  • 修复 service_main 会覆盖显式 L2T_DATA_DIR/L2T_HF_CACHE 的问题（便于沙箱测试/免安装部署）。

四、升级方式

  • 已有 WinUI 目录：用 更新WinUI.bat（关闭程序后双击）或 pwsh tools/deploy_winui.ps1，
    脚本会等程序退出后复制新壳/后端并做逐页自检。
  • 全新安装：见仓库 docs/WinUI3-版本说明.md（构建说明 + 已知限制）。
    运行包内含 torch/CUDA，总目录约 9.7 GB，不随 Release 上传（超过 GitHub 单文件 2 GiB 限制）。

五、验证记录

  • WinUI 逐页自检 8/8；主题自检 actualRoot=Dark；纯逻辑测试 137/137。
  • 冻结后端真实转换：0 错误 / 33 警告 / 51 处尾音 / 23 条拖音证据。
  • 全部模型下载 + 可用性、Worker 安装 + 自检均通过（见上）。

完整对比：v1.1.1 → v1.2.0（本次以源码 + 更新脚本形式发布）。

注意：本 Release 的附件是更新补丁，不是完整程序（单独运行会报 python314.dll 加载失败）。请下载 v1.2.1 便携版：https://github.com/6hdj/lrc-ttml/releases/tag/v1.2.1

Loading

Demucs Worker 运行组件 0.1.0（可选运行库，7 个组件包）

Demucs Worker 运行组件 0.1.0（可选运行库，7 个组件包）

Choose a tag to compare

View all tags
@6hdj 6hdj released this 15 Oct 14:20
worker-0.1.0
0d351a7

Lyric2TTML 的可选人声分离运行库（Demucs Worker），独立进程，主程序不导入其 torch/demucs。

  • 共 7 个组件包（合计 1,671.8 MB，最大单片 442.3 MB），全部 tar.xz
  • 每个组件都有 SHA256；下载后校验 → 解压到临时目录 → 完整性检查 + Worker 自检 → 原子切换
  • 只有全部组件通过校验才启用 Worker；未安装不影响歌词识别/对齐/TTML 导出

安装位置：%LOCALAPPDATA%\Lyric2TTML\runtime\demucs-worker\

Loading

Lyric2TTML v1.1.1 —— 安装阶段不再要求下载大件；大陆可下 GPU 运行时的

Lyric2TTML v1.1.1 —— 安装阶段不再要求下载大件；大陆可下 GPU 运行时的

Choose a tag to compare

View all tags
@6hdj 6hdj released this 14 Oct 12:28
v1.1.1
82634da

Lyric2TTML v1.1.1 —— 安装阶段不再要求下载大件；中国大陆能下 GPU 运行时的

本版由两个真实用户反馈驱动：① 「软件还没打开就要下 3.5 GB」；② 「CUDA 运行库下不动 —— WinError 10061 目标计算机积极拒绝」。

下载

文件 大小 SHA256
Lyric2TTML-1.1.1-setup.exe 190.0 MB（199,202,165 字节） 19aedb75d40f1b44cffaee13dfe226512b23e77ad6d4149328de64fb9da89271
  • 构建 commit：52c02af（可在软件内 Lyric2TTML.exe --version 核对）
    • 该 commit 之后只有一次仅改 docs/ 的提交（82634da，更新交付报告与模块说明），
      没有任何源码改动 —— 所以本安装包与当前源码功能一致。
    • tools/check_artifact_freshness.py 会因此报「产物早于 HEAD」，那是它按
      「HEAD 变了就该重新打包」的保守判据；这里已逐文件确认过是纯文档变更。
  • 不需要管理员权限，双击即装
  • 安装后占用约 342 MB（不含模型与 GPU 运行时）

这一版改了什么

1. 安装阶段只管「能不能打开」

以前安装程序把 21 项检查全跑一遍，然后让你「开始补全」—— 其中包含**语音模型（3 GB）**和 GPU 运行时（529 MB），软件还没打开就要下 3.5 GB。

现在按作用域分层：

层 内容 什么时候下
launch Python / 核心依赖 / 目录可写 / 磁盘 安装阶段检查，缺了就补
convert 语音模型、GPU 运行时 打开软件后到「模型」页下载
extra torch / demucs 等可选增强 用到才下

安装完成页现在写的是「安装完成，可以打开了」，并告诉你大件到哪下。

2. 中国大陆可以下载 GPU 运行时的

原来只配了 GitHub 单一源，大陆用户实测直接「连接被拒」，于是一个 DLL 都拿不到。现在：

  • 新增腾讯云 / 阿里云 PyPI 镜像作为备用源（实测 3.91 MB/s / 0.17~8.7 MB/s）；
  • 首选源失败会自动换下一个 —— 并且修掉了一个真 bug：原来第一个来源的 URL 全失败就直接抛异常，第二个来源根本没机会被尝试，也就是说「加镜像源」此前是装饰；
  • 修掉镜像 wheel 的 DLL 布局识别（nvidia/cublas/bin/ vs bin/）—— 以前会判「缺少文件」然后又重下 528 MB；
  • 修掉假就绪：文件被挪走时仍报「已就绪」（只比总字节数、不核对声明的文件）。

3. 不再下载 cuDNN

实测（真 RTX 4060 + 真音频）：cuBLAS+cuDNN 1.431.50s vs 只有 cuBLAS 1.431.59s —— 没有差别，而 cuDNN 白占 1095 MiB。现在只下 cuBLAS（约 528 MB，原来约 2 GB）。

同时修正一句错话：「没有它只能 CPU，慢很多」—— 本项目没有 CPU 降级，缺运行库是直接报错。

4. 其余

  • 语音识别必须用 NVIDIA 显卡；没有 N 卡也能打开软件，只在点「开始制作」时明确提示（不会崩溃、也不会让你白下 529 MB）。
  • 卸载默认保留模型与运行时；想彻底清有明确选项。
  • 覆盖升级不动用户数据：模型缓存、config.json、你自己的输出文件都已实测保持字节不变。

本版验收结果（发布前实测）

项目 结果
tools/release_report.py（全量） 28/28 通过
冻结版验收（真 exe） 全部通过：运行时按需下载 2350.7s（真网络、走镜像回退）→ 真转换 27.6s → 校验 0 错误
干净环境（无模型 / 无 CUDA） 10/10：安装目录 342.4 MB、can_open=True、界面自检通过
覆盖升级 v1.1.0 → v1.1.1 12/12：用户文件 / .hf_cache / config.json 字节不变，主程序升到 1.1.1
国内镜像 两个镜像长度与 SHA256 一致（553162896 字节 / 623f4302…）；跨镜像分块逐字节比对通过
下载状态（未下载/取消/失败/断网重试） test_runtime_install 18/18、test_cuda_runtime 11/11、test_hf_cache 8/8
无 N 卡 / CUDA 不可用 test_gpu_guard 9/9（能打开、只在处理时提示、不诱导白下）
产物一致性 产物内 commit = 52c02af = 当前源码；--version 可核对

首次使用（三步）

  1. 双击安装（不弹 UAC，默认装到 %LOCALAPPDATA%\Lyric2TTML）。
  2. 打开软件，按「开始」页引导装两样：语音识别模型（默认 large-v3 约 3 GB；想快点可先选 small 约 477 MB）和 GPU 运行时（约 529 MB）。都有断点续传、SHA256 校验、可取消。
  3. 到「制作」页选音频 + 歌词，点「开始制作」。

⚠️ 两样下完之后完全离线可用。首次使用需要联网。

已知问题与未验证项

  • 真·干净机（没装过 Python 的 Win10/11）未验证 —— 需要一台独立虚拟机；本版的「干净环境」是隔离数据目录 + 空模型缓存的近似。
  • 真·高分屏 / 混合 DPI 多显示器未验证（QT_SCALE_FACTOR 模拟的四档缩放已通过）。
  • 安装向导界面为预览截图 + 单测验证；真人在 GUI 里点完一遍未做。
  • 发布前自测路径（--e2e）此前与 GUI 口径不一致（会真的下 4 GB），本版已统一；但因此不能用旧版自测结论推断本版行为。
Loading

Lyric2TTML v1.1.0 —— 安装包 190 MB（不再需要管理员权限）

Lyric2TTML v1.1.0 —— 安装包 190 MB（不再需要管理员权限）

Choose a tag to compare

View all tags
@6hdj 6hdj released this 14 Oct 07:38
v1.1.0
e7b4036

Lyric2TTML v1.1.0 —— 安装包从 1.82 GB 降到 190 MB

把「普通歌词 + 音频」做成 Apple Music / AMLL 逐字 TTML 的离线桌面工具。

下载

只需下载下面这一个文件（190 MB）：

文件 大小 说明
Lyric2TTML-1.1.0-安装程序.exe 190 MB 双击安装，不需要管理员权限

⚠️ 不要再用 v1.0.x 的安装方式：旧版是
part1.bin + part2.bin + merge-and-extract-v3.bat（合计 1.8 GB，
还要手动合并解压）。v1.1.0 起是单个 exe，双击即可。

安装与首次使用（三步）

  1. 双击 Lyric2TTML-1.1.0-安装程序.exe —— 不需要管理员、不弹 UAC，
    默认装到 %LOCALAPPDATA%\Lyric2TTML（当前用户目录）。
  2. 首次打开后，按「开始」页的引导装两样东西（都会校验 SHA256、
    支持断点续传，装一次以后永久可用）：
    • 语音识别模型 Whisper large-v3，约 3 GB
      （不放进安装包：GitHub 单文件上限 2 GB 且会让安装包巨大）
    • GPU 运行时（CUDA），约 529 MB —— 见下方说明
  3. 都装好后到「制作」页选音频 + 歌词，点「开始制作」。
    一首 5 分钟的歌约 30 秒 ~ 2 分钟。

两样东西都下完之后，软件完全离线可用。

为什么要单独下「GPU 运行时」（v1.1.0 的新变化）

语音识别必须用显卡（CPU 跑一首歌要几分钟，所以没有做 CPU 降级），
而显卡加速依赖 NVIDIA 的 cuBLAS 库 —— 其中 cublasLt64_12.dll
一个文件就 637 MB。

  • 打进安装包 ⇒ 安装包 717 MB；
  • 不打进安装包 ⇒ 安装包 190 MB，首次使用时按需下载（约 529 MB）。

所以 v1.1.0 采用后者。程序会在「开始」页把这一步列出来，
点一下就行；漏装了也不会静默失败 —— 点「开始制作」时会提前拦住并告诉你去哪装。

⚠️ 因此 v1.1.0 首次使用需要联网（下载上面那两样，约 3.5 GB）。
如果你的环境不能联网，需要自带 CUDA 运行时的完整版安装包，
请提 issue 说明。

权限说明（UAC）

  • 默认不弹 UAC：安装程序默认装到当前用户目录，快捷方式与卸载项都写
    HKCU，不需要管理员权限。
  • 如果你手动把安装路径改成 C:\Program Files\... 这类系统目录，
    写入会失败 —— 此时请右键 → 以管理员身份运行安装程序。
  • 程序嵌入的清单是 asInvoker（Microsoft 推荐的"不强制提权"做法）。

卸载

  • 「设置 → 应用」里能找到 Lyric2TTML（当前用户的"已安装的应用"）。
  • 默认保留你下载的模型与运行时（约 3.5 GB），重装不用重下。
  • 想彻底清理：卸载程序里有明确的"同时删除模型与数据"选项。
    ⚠️ 卸载不会删除你自己的输出文件（outputs/ 里的 TTML 与工程文件）。

这一版修了什么（相对 v1.0.3）

  • 安装包 1.82 GB → 190 MB（CUDA 运行时改为按需下载）
  • 不需要管理员权限，且真实右键"以管理员身份运行"也能正常工作
  • 全新桌面 UI：开始 / 制作 / 任务 / 模型 / 设置 / 帮助与诊断
  • 浅色 + 深色主题，高 DPI 下清晰（安装器此前在非 100% 缩放是模糊的）
  • 安装向导分三步（选择位置 → 安装 → 完成），真实进度不伪造百分比
  • 模型与运行组件：断点续传、SHA256 校验、可取消（取消不会留下半截安装）
  • 卸载默认保留用户数据与模型

构建来源

本版安装包内的主程序记录了构建 commit，可在命令行运行
Lyric2TTML.exe --version 查看（形如「构建来源：commit xxxxxxx」）。

Loading

CUDA 运行时（cuBLAS 12，按需下载）

CUDA 运行时（cuBLAS 12，按需下载）

Choose a tag to compare

View all tags
@6hdj 6hdj released this 14 Oct 03:54
cuda-runtime-cu12
93e3499

CUDA 运行库（cuBLAS 12），供 Lyric2TTML 1.1.0+ 按需下载。

这是什么

自 v1.1.0 起，CUDA 运行库不再打进主安装包（主包 717.7 MB → 189.9 MB）。
但语音识别需要它 —— 程序会在「模型」页的「运行组件（按需下载）」里
自动下载并校验这个 zip。

内容

�in/cublas64_12.dll、�in/cublasLt64_12.dll、�in/nvblas64_12.dll
（来自 nvidia-cublas-cu12，NVIDIA CUDA Toolkit EULA）

解压后放到 <数据目录>/runtime/cuda/，即成为 <数据目录>/runtime/cuda/bin/*.dll。

校验

SHA256 8372ad034553778cbf9d554b6b4fb397426232ef710448bcc8213c477056c9ec

Loading

Lyric2TTML v1.0.3 - 单文件安装包

Lyric2TTML v1.0.3 - 单文件安装包

Choose a tag to compare

View all tags
@6hdj 6hdj released this 11 Oct 15:02
v1.0.3
8d50956

Lyric2TTML v1.0.3

把普通歌词（.txt / .lrc）配合歌曲音频，转换成 Apple Music / AMLL 的逐字 TTML。
全程本地运行：不需要 API Key、不上传任何数据。

下载与安装

安装包 1.78 GB，切成两个分卷。三个文件都下载，放在同一个文件夹里：

文件 大小
Lyric2TTML-1.0.3-part1.bin 950 MB
Lyric2TTML-1.0.3-part2.bin 873 MB
merge-and-extract-v2.bat 1.4 KB
  1. 双击 merge-and-extract-v2.bat
    • 它会先用 copy /b 合并两个分卷，再用 Windows 自带的 tar 解压到 extracted\ 子文件夹
    • 开头会打印「Lyric2TTML 安装包解压工具 版本 v2」 —— 没看到这行说明你用的是旧脚本（旧版在 1.8GB 条目上会报 解码时找到无效数据）
    • 实测 3 秒完成，1042 个文件 1858 MB
  2. 进入 extracted 文件夹，双击 安装程序_onedir.exe
    （会弹 UAC 请求管理员权限 —— 安装程序需要；主程序不需要）
  3. 点「开始安装」→ 可以选安装路径 → 点「开始补全」→ 点「▶ 启动软件」

手动做也行：

copy /b Lyric2TTML-1.0.3-part1.bin + Lyric2TTML-1.0.3-part2.bin L2T.zip
tar -xf L2T.zip -C extracted

安装包已内置

Python 运行时 3.14 / 全部依赖库 / CPU 版 PyTorch / CUDA 运行库（cuBLAS + cuDNN） / CAM++ 网络定义。

唯一还需要联网下载的是语音识别模型（large-v3，约 3 GB）——
GitHub 单文件上限 2 GB，装不进安装包。下载支持断点续传。装完之后完全离线。

关于 CUDA：NVIDIA 驱动自带驱动层，不需要装 CUDA Toolkit、不需要 nvcc；
cuBLAS/cuDNN 不在驱动里，按 Python 依赖分发 —— 已内置，用户不用做任何事。

这一版修掉的问题

症状 根因
合并脚本报 'opy' 不是内部或外部命令 .bat 用了 LF 换行，cmd 会吞掉下一行首字符 → 改 CRLF
解压报 解码时找到无效数据（InvalidDataException） PowerShell 5.1 的 Expand-Archive 处理不了 1.8 GB 的条目 → 改用 Windows 自带的 tar，2.1 秒解完
解压时满屏 找不到路径 同上，Expand-Archive -Force 先删后写，删不掉就每条报一次 → tar 不做这一步
自检卡 15~20 分钟 补全后又跑一遍 --doctor（要 import torch + 加载 2GB cudnn）→ 改成轻量复查，实测 37.5 秒
权限不足 / 桌面快捷方式建不出来 安装程序改成运行时自提权（弹 UAC）
卸载程序乱码、无响应 .bat 用 GBK 写却 chcp 65001 → 去掉 chcp，交互改 CHOICE
安装路径变成 E:\Lyric2TTML\Lyric2TTML 「浏览…」选中的目录被又追了一层名字 → 现在就用你选的那个
分声部开了却没反应 权重路径用了 __file__，打包后指向 _internal，和安装位置对不上 → 静默退回单人。现在认 exe 目录，且任何退回单人的路径都会打日志
TypeError: ... unexpected keyword argument 'metadata_errors' 打包环境装到 av 19，该参数已被移除 → 钉版 av<19

系统要求

  • NVIDIA 显卡（RTX 系列体验最好；GTX 10 系及以后可用）
  • Windows 10 / 11 64 位
  • 约 8 GB 空闲磁盘
  • 首次安装需联网（下模型）；之后完全离线

本项目强制使用 GPU，没有 CPU 降级。检测不到可用显卡时会明确报错并列出排查步骤。

验证情况

  • selftest.py 36 组离线自检
  • 合并脚本：真跑一遍 → 合并产物 SHA256 与原始 zip 逐字节一致，解压 1042 个文件 1858 MB，3 秒
  • 端到端安装测试：解压 12430 个文件 / 检查 21 项 / 补全 / 复查 全部通过，37.5 秒
  • 真实转换：(cuda, float16) → CAM++ 判定 2 个声部 → v1: 20 行 / v2: 12 行、0 个错误

许可证

MIT

Loading

Lyric2TTML v1.0.2 - 单文件安装包（修复安装不完整）

Lyric2TTML v1.0.2 - 单文件安装包（修复安装不完整）

Choose a tag to compare

View all tags
@6hdj 6hdj released this 11 Oct 09:50
v1.0.2
82a74d7

只下载 Lyric2TTML-1.0.2-installer.exe 一个文件，内含完整主程序。

修掉 v1.0.1 三个 bug：

  1. 检查中途崩溃（SimpleNamespace 没有 action 字段）导致待装列表残缺，却报'安装完成'
  2. asr 不认 HUGGINGFACE_HUB_CACHE，装的地方和找的地方不是同一个目录
  3. 补全完不复查就直接给'启动软件'

现在：点开始安装 -> 自动解压 -> 检查 22 项 -> 点补全 -> 自动装完（模型 3GB / CUDA 2GB / 声纹权重 300MB）-> 复查通过后才给'启动软件'。

Loading

Lyric2TTML v1.0.1 —— 单文件安装包

Lyric2TTML v1.0.1 —— 单文件安装包

Choose a tag to compare

View all tags
@6hdj 6hdj released this 11 Oct 09:29
v1.0.1
4eb01f2

Lyric2TTML v1.0.1

把普通歌词（.txt / .lrc）配合歌曲音频，转成 Apple Music / AMLL 的逐字 TTML。
本地运行、不需要 API Key。

只下一个文件：Lyric2TTML-1.0.1-installer.exe

里面已经包含完整的主程序，双击它就行 —— 像装微信/QQ 一样：

  1. 双击 Lyric2TTML-1.0.1-installer.exe
  2. 点「开始安装」→ 自动解压到 %LOCALAPPDATA%\Lyric2TTML
  3. 它会逐个检查运行需要的东西（共 22 项：显卡 / CUDA 运行库 / 语音识别模型 /
    声纹分声部模型 / 依赖库 / 磁盘空间 / 目录权限 …），缺什么就告诉你
  4. 点「开始补全」→ 自动下载安装
  5. 全部就绪后按钮变成「▶ 启动软件」，点一下就开始用

以后不需要再开安装程序，直接双击安装目录里的 启动.bat 即可。

⚠️ 首次安装要联网下载模型（约 5 GB）

模型权重不随安装包分发（GitHub 单文件上限 2 GB，而且这些本来就该按需拉取）：

东西 大小 用途 缺了会怎样
语音识别模型 large-v3 ~3 GB 认歌词、定逐字时间 完全没法转换
CUDA 运行库 cublas + cudnn ~2 GB 让识别跑在显卡上 只能 CPU，慢十几倍
CAM++ 声纹权重 ~300 MB 对唱分声部 开了分声部也不会分（静默退化成单人）

装完之后完全离线。 国内网络下载失败时：

  • 安装程序会自动先试 hf-mirror.com 镜像
  • 模型的下载支持断点续传，中断了重跑即可
  • CUDA 运行库是直接从 PyPI 取 wheel 解出 DLL 放到程序目录的 cuda\，
    不动系统、不要管理员权限、删掉那个文件夹就等于卸载

这版修了什么

症状 根因
点一次「开始补全」就弹出一个新窗口，跟病毒一样 PyInstaller 冻结后 sys.executable 就是安装程序自己，pip install 变成重新启动自己。现在彻底不用 pip：CUDA 走 HTTP 直取 wheel 解包，模型委托主程序下载
安装程序谎报 numpy / ctranslate2 / faster-whisper「未安装」 它在自己那个临时 Python 环境里 import（打包时特意排除了这些包）→ 必然失败。现在改为向主程序要环境报告（Lyric2TTML.exe --doctor --json）
界面被挤爆、按钮看不见 检查项从 6 涨到 21，清单没滚动条。现在可滚动 + 窗口 860×700
模型下载失败却报"GPU 初始化失败" 所有异常都被当成显卡问题。现在先分辨"模型拿不到"和"显卡用不了"，各自给可操作的提示
得先下 zip 再下安装程序，脱裤子放屁 现在安装包内含主程序本体，一个文件搞定

系统要求

  • NVIDIA 显卡（RTX 系列体验最好；GTX 10 系及以后也能用）
  • Windows 10 / 11 64 位
  • 约 8 GB 空闲磁盘（模型 + 运行库 + 权重）

本项目强制使用 GPU，没有 CPU 降级 —— 用 CPU 处理一首歌要几分钟，
静默降级只会让人以为"程序就是这么慢"，其实只是没用上显卡。
检测不到可用显卡时会明确报错并列出排查步骤。

许可证

MIT —— 可自由使用、修改、分发，包括商用。

Loading

Lyric2TTML v1.0.0 — 首次公开发布

Lyric2TTML v1.0.0 — 首次公开发布

Choose a tag to compare

View all tags
@6hdj 6hdj released this 11 Oct 06:11
v1.0.0
477cd74

Lyric2TTML v1.0.0

把普通歌词（.txt / .lrc）配合歌曲音频，转换成 Apple Music / AMLL 的逐字 TTML。
全程本地运行：不需要 API Key、不上传任何数据。

⚠️ 先看这里：首次使用要联网下载模型

模型权重（large-v3 约 3 GB）不在下载包里 —— GitHub Release 单文件上限 2 GB，
而且它本来也该由使用者自己拉取。

这一步没做的话，第一次转换一定会失败。 所以请按下面的顺序来：

你下载的是 第一次怎么用
...-portable.zip（源码 + 安装脚本） 解压 → 双击 首次安装.bat → 完事（依赖和模型都会自动装好）
...-win64-lite.zip（免 Python） 解压 → 双击 首次安装.bat → 完事（只下模型）

装完之后双击 启动.bat 就能用。之后完全离线。

装完不确定好不好？双击 检查环境.bat —— 它会逐项体检并告诉你缺什么、怎么补：

[OK]  [必需] Python ≥ 3.10            3.14.6
[OK]  [必需] faster-whisper（核心）    1.2.1
[OK]  [必需] Whisper 语音识别模型      已缓存：large-v3(2948MB)
[--]  [可选] CAM++ 声纹权重            未找到 → 对唱分声部不可用，其它功能不受影响
[OK]  [信息] GPU（CTranslate2）        1 个
  ✓ 全部就绪，可以直接用

模型下载失败怎么办（国内经常遇到）：双击 下载模型.bat 重试（支持断点续传）。
脚本会自动先试 hf-mirror.com 镜像、再试官方源；两个都不行时，它会打印
「怎么手动放置已有模型」「怎么换小模型」的具体做法。

想先跑通、不想下 3 GB：把 下载模型.bat 里的命令改成
python download_model.py --model small（约 0.5 GB），界面上「Whisper 模型」也选 small。

下载哪个？

附件 大小 适合谁 说明
Lyric2TTML-1.0.0-win64-lite.zip 94 MB 大多数人 不用装 Python，解压即用。语音识别、对齐、全部 TTML 功能、编辑台都能用
Lyric2TTML-1.0.0-portable.zip 1 MB 想用全部功能 源码 + 一键安装脚本，需要 Python 3.10+，联网装一次依赖

为什么区分"轻量版"：本项目的依赖里 torch + CUDA 运行时占 4.9 GB，
却只服务于「声纹分声部」和「人声分离」两个可选功能；语音识别本身只要 0.15 GB。
所以轻量版不打 torch —— 它不会崩（那两处都是函数内 import），
只是这两个功能不可用，界面上会明确提示。

想要完整功能，用 portable 版（或自己 pip install -r requirements.txt）。

用起来

# 解压后双击 启动.bat  →  浏览器打开 http://127.0.0.1:8765
# 命令行：
Lyric2TTML.exe --audio 歌.wav --lyrics 歌.lrc -o out.ttml
Lyric2TTML.exe --doctor          # 环境体检
Lyric2TTML.exe --help

启动.bat / 首次安装.bat / 检查环境.bat / 下载模型.bat —— 四个脚本覆盖全部新手流程，
不需要敲任何命令。

主要能力

  • 逐字时间轴：faster-whisper 识别 + 自研 DP 强制对齐，时间戳全部来自真实音频
  • LRC 锚点：有 LRC 时按乐句切片识别、用歌词当提示词，精度明显更高
  • 双轨精修：匹配率偏低的行单独重听那一小段再对齐一次
  • 背景和声：（和声） → <span ttm:role="x-bg">，不会单独成行（单独成行在播放器里看不见）
  • 演唱者分段：CAM++ 声纹 + k-means，四档（关闭 / 强制 1 / 2 / 3 声部）
  • 句尾拖音补全：能量 + 基频连续性双判据
  • 翻译 / 音译层、AMLL / Apple 双格式、六平台 ID（含酷我、酷狗）
  • 人工精修编辑台：时间轴微调、声部批量改、文本增删改、和声编辑、音频试听 + 逐字高亮

这一版修掉的问题

症状 根因
首次转换必失败、却提示"GPU 初始化失败" ensure_loaded 把所有异常都当成显卡问题；真实原因是模型没下载到。现在会明确告知，并给出手动放置 / 镜像 / 换小模型三条出路
纯文本歌词只出一两行、匹配率 30% 以下 把整份歌词当 initial_prompt，Whisper 认为"上面已经转写过了"就跳过。现在只给首句
编辑器保存后唱段分段被合并 _split_sections 在 song_part 非空时直接短路成一个 <div>
编辑器保存后词曲作者丢失 ttml_reader 从来没读 <songwriters>
.txt 里 [v1] 单独一行静默失效 只会剥出一个空行，后续行不继承 agent；LRC 里更会被整行丢弃
打包后 --help 崩掉 help 文本里的 ⚠️ 不在 GBK 里，冻结进程 stdout 走控制台代码页

已知限制

  • 分声部约 90%：音色接近的对唱会偶发分错；人数只能由你指定
    （实测三种自动判据全部失败）
  • 两人齐唱 / 同时张嘴时无法拆分
  • 拖音长度无法用外部数据验证（QQ 的 .qrc 自己也截断拖音）
  • 轻量版不含 torch：分声部与人声分离不可用
  • CAM++ 声纹权重不随包分发，需要自行获取（见 README）

验证情况

  • selftest.py 36 组离线自检（不需要网络与大模型）
  • tools/verify_amll_parse.py 用官方 AMLL 解析器验产物能不能显示
  • 分声部准确率 85.0%（真值：AMLL TTML DB 人工标注，4 首 / 160 行）
  • tools/test_ui_runtime.js 真运行时 UI 测试（Node 最小 DOM 里跑页面真实脚本）

许可证

MIT —— 可自由使用、修改、分发，包括商用。

模型权重不随仓库分发，首次运行自动下载。第三方组件授权见
README 的「第三方依赖与许可」。

Loading