cortico-world-fish-sing 0.1.5 → 0.1.7

package/CHANGELOG.md

@@ -0,0 +1,53 @@
+# 更新日志
+
+格式参考 [Keep a Changelog](https://keepachangelog.com/zh-CN/1.1.0/)；版本号遵循语义化。
+
+## [0.1.7] - 2026-11-01
+
+### 修复
+- **唱歌中途超时（连续两次实战）**：音域分析在 worker 进程内跑，pyin 长时间持有 Python GIL，HTTP 线程无法应答进度轮询（单次请求 10 秒超时），调用端断开后任务连带失败。现在分析挪到**子进程**执行（约 3 秒），HTTP 全程畅通。
+
+## [0.1.6] - 2026-11-01
+
+### 修复
+- **变调推荐改保守策略**：之前按低音端精确对齐，给女声源也推 +6，实测移调的音色损失比低音区稍微出格更伤。现在：源曲与模型音域差 ≤8 半音一律不移调；>8（男声原调区间）才移，上限 +6（负向 -3）。
+- **音域分析限中段 90 秒**：之前对整首歌全量跑基音分析（5 分钟的歌约 40 秒），会把唱歌调用顶超时。现在只分析中段 90 秒，零点几秒完成。
+- `_f0_stats` 接受字符串路径；推荐逻辑 else 分支漏赋值的低级错误。
+
+## [0.1.5] - 2026-11-01
+
+### 修复
+- `pitch` 不传时默认走 `'auto'`，不再静默回落 0——之前"自动推荐"要显式传参才生效，成了摆设。
+- 作品库记录实际使用的半音数（而非 'auto' 字样）。
+- 配置 `voice.pitch` 默认改 `'auto'`；控制台该字段支持填数字（固定移调）或 `'auto'`。
+
+## [0.1.4] - 2026-11-01
+
+### 新增
+- **变调推荐**：`pitch` 支持 `'auto'`。worker 分离出源曲人声后自动对比源曲音域与模型音域（来自训练数据，缓存在 `logs/<实验>/range.json`），唱完的返回带推荐理由。
+- **完成通知**：训练完成/中断时主动告知。渠道可选桌宠（`pushEvent`，她会自己接话）或 QQ（OneBot 文本）；QQ 失败自动退桌宠。配置在控制台「完成通知」组。
+
+## [0.1.3] - 2026-11-01
+
+### 修复
+- worker 引擎的 `RVC_ROOT` 默认值不再写死 `D:\AI\rvc`：探测链为 环境变量 → 工作目录上级的 `runtime/rvc` → 旧开发目录（存在才用）。手动起 worker 忘传环境变量时不再直接崩。
+- `FFMPEG` 默认值加 `PATH` 探测兜底。
+
+## [0.1.2] - 2026-10-30
+
+### 新增
+- 首次公开发布到 npm（此前只能手动复制安装）。
+- 控制台「安装与运行时」：一键下载权重（909 MB）+ 装运行时（约 2.5 GB），自托管在数据目录内。
+- 训练面板：音域加权的采样训练、孤儿训练自动发现（重启 Coo 后面板能找回还在跑的训练）、停止按钮可用、中间档清理。
+
+### 修复
+- 训练超时改为"无进展才判卡住"（此前 15 分钟绝对超时会误杀长训练）。
+- Coo 退出不再打断进行中的训练。
+
+## [0.1.1] - 2026-10-30
+
+被 npm 的暂存机制占用，从未真正上线（发布时若遇到 `E409`，升版本号即可）。
+
+## [0.1.0 及以前]
+
+内部版本，手动安装。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "cortico-world-fish-sing",
-  "version": "0.1.5",
+  "version": "0.1.7",
   "description": "让她真的开口唱：B 站点歌或本地文件 → 分离 → 换声 → 混音，本机出声或发 QQ 语音条",
   "type": "module",
   "main": "./src/index.ts",

package/worker/engine.py

@@ -170,6 +170,34 @@ def resample_linear_fallback(data: np.ndarray, src_sr: int, dst_sr: int) -> np.n
 
 # ---------------------------------------------------------------- 引擎
 
+#: 音域分析脚本：由 _f0_stats 在子进程里执行（sys.executable 与引擎同解释器，librosa 可用）。
+#: 输出一行 JSON；无人声/读不了时输出 null。
+_F0_ANALYZE_SRC = r"""
+import json, sys
+import numpy as np
+
+def main():
+    from pathlib import Path
+    import librosa
+    path = Path(sys.argv[1])
+    max_sec = float(sys.argv[2]) if len(sys.argv) > 2 else 90.0
+    dur = librosa.get_duration(path=str(path))
+    if dur > max_sec:
+        offset = (dur - max_sec) / 2
+        y, sr = librosa.load(str(path), sr=16000, mono=True, offset=offset, duration=max_sec)
+    else:
+        y, sr = librosa.load(str(path), sr=16000, mono=True)
+    f0, vflag, _ = librosa.pyin(y, fmin=80.0, fmax=800.0, sr=sr, frame_length=1024)
+    v = f0[vflag & ~np.isnan(f0)]
+    if v.size < 50:
+        print(json.dumps(None))
+        return
+    q = lambda p: float(np.percentile(v, p))
+    print(json.dumps({"p5": q(5), "p25": q(25), "median": q(50), "p95": q(95), "frames": int(v.size)}))
+
+main()
+"""
+
 
 class SingEngine:
     """一个进程里只建一次，之后所有请求共用（模型常驻）。"""
@@ -525,17 +553,22 @@ class SingEngine:
 
     # -- 音域与变调推荐 ---------------------------------------------
 
-    def _f0_stats(self, path: Path) -> Optional[dict]:
-        """一段人声的音域统计。分析失败或人声太少返回 None。"""
+    def _f0_stats(self, path: "Path | str", *, max_sec: float = 90.0) -> Optional[dict]:
+        """一段人声的音域统计。在**子进程**里跑——pyin 会长时间持有 GIL，
+        进程内分析会把 HTTP 线程卡死，进度轮询 10 秒收不到响应就超时（0.1.6 实测）。
+        只分析中段 90 秒，成本可控。"""
+        path = Path(path)
         try:
-            import librosa
-            y, sr = librosa.load(str(path), sr=16000, mono=True)
-            f0, vflag, _ = librosa.pyin(y, fmin=80.0, fmax=800.0, sr=sr, frame_length=1024)
-            v = f0[vflag & ~np.isnan(f0)]
-            if v.size < 50:
-                return None
-            q = lambda p: float(np.percentile(v, p))
-            return {"p5": q(5), "p25": q(25), "median": q(50), "p95": q(95), "frames": int(v.size)}
+            proc = subprocess.run(
+                [sys.executable, "-c", _F0_ANALYZE_SRC, str(path), str(max_sec)],
+                capture_output=True, text=True, encoding="utf-8", errors="ignore",
+                timeout=180,
+            )
+            out = (proc.stdout or "").strip().splitlines()
+            d = json.loads(out[-1]) if out else None
+            if isinstance(d, dict) and d.get("frames", 0) > 0:
+                return d
+            return None
         except Exception as e:  # noqa: BLE001
             log(f"音域分析失败（{path.name}）：{e}")
             return None
@@ -576,7 +609,11 @@ class SingEngine:
 
     @staticmethod
     def suggest_pitch(source: Optional[dict], model: Optional[dict]) -> dict:
-        """按低音端（P5）对齐：源曲比模型能唱的更低就往上抬，更高就往下压。"""
+        """保守策略：只对明显出音域的源（男声原调）移调，女声源一律 0。
+
+        实测教训（0.1.5）：按 P5 精确对齐会给女声源推 +6，移调带来的音色损失
+        比低音区稍微出格更伤——模型对数据下限以下有泛化能力，8 个半音以内都兜得住。
+        """
         out = {"pitch": 0, "reason": "", "source": source, "model": model}
         if not source or not model:
             out["reason"] = "缺音域数据，保持 0"
@@ -585,16 +622,16 @@ class SingEngine:
         if sp <= 0 or mp <= 0:
             out["reason"] = "音域数据无效，保持 0"
             return out
-        semi = 12 * math.log2(mp / sp)  # >0：源曲低音低于模型下限
-        if semi > 1.0:
-            pitch = min(6, math.ceil(semi))
-            out["reason"] = f"源曲低音 {sp:.0f}Hz 低于模型下限 {mp:.0f}Hz（差 {semi:.1f} 半音），建议 +{pitch}"
-        elif semi < -1.5:
-            pitch = max(-6, math.floor(semi))
-            out["reason"] = f"源曲低音 {sp:.0f}Hz 高于模型下限 {mp:.0f}Hz（差 {-semi:.1f} 半音），建议 {pitch}"
+        semi = 12 * math.log2(mp / sp)  # >0：源曲低音比模型数据下限低
+        if semi > 8:
+            pitch = min(6, math.ceil(semi - 8))
+            out["reason"] = f"源曲低音 {sp:.0f}Hz 比模型数据下限低 {semi:.1f} 半音（男声原调区间），建议 +{pitch}"
+        elif semi < -8:
+            pitch = max(-3, math.floor(semi + 8))
+            out["reason"] = f"源曲比模型数据高 {(-semi):.1f} 半音，建议 {pitch}"
         else:
             pitch = 0
-            out["reason"] = f"音域匹配（差 {semi:.1f} 半音），保持 0"
+            out["reason"] = f"源曲低音 {sp:.0f}Hz 比模型数据下限低 {max(0.0, semi):.1f} 半音，在模型可覆盖范围内（8 半音才移调），保持 0"
         out["pitch"] = pitch
         return out