dsh-train-pipeline

dsh-train-pipeline

[正式版 v0.5.0](https://github.com/InariNGT-Ofiicial/dsh-train-pipeline/releases/tag/v0.5.0) · 同时支持 DSH rc.2 / rc.3。

兼容维护：同时支持 DSH 0.2.1-rc.2 / rc.3，保留旧版用法与设置。验证范围与复现见 [DSH 兼容说明](docs/DSH_COMPATIBILITY.md)。

DeepSeek Harness（DSH）的本地音色训练插件，版本 0.5.0。19 个工具覆盖本机素材查找、指定 URL 下载、部分吉里吉里封包解包、角色盘点、数据集整理、质量检查、DDSP Reflow 预处理与训练，以及训练结果注册。

与 [dsh-cover-pipeline](https://github.com/InariNGT-Ofiicial/dsh-cover-pipeline) 配套：训练插件把 model_N.pt 和 config.yaml 放入约定的音色库，翻唱插件重载后发现并使用该音色。

Git 源码树仅包含源码、合成测试生成器和文档，不包含 DDSP 工程、模型权重、游戏素材、语音、歌曲或参考音频。

芳乃模型下载：[20000 步权重与配套配置](https://github.com/InariNGT-Ofiicial/dsh-train-pipeline/releases/tag/voice-yoshino-20000) 按用户要求单独提供为公开 Release 附件，使用方法与 SHA-256 见 [模型说明](docs/YOSHINO_MODEL.md)。它不随 git clone 或 npm 包下载，插件代码的 MIT 许可不自动适用于权重。

安装

当前主要面向 Windows。需要 Node.js 18+、DSH 和可用的 DDSP-SVC 6.2 Reflow 工程及其 Python 环境。GPU 训练依赖该工程自己的 PyTorch/CUDA、预训练权重和配置；本插件不会安装 DDSP 或下载权重。

git clone https://github.com/InariNGT-Ofiicial/dsh-train-pipeline.git
cd dsh-train-pipeline
# 设置为自己的音频工程根目录，也可配置 train.local.json。
$env:DSH_COVER_ROOT = (Resolve-Path ../AudioWork).Path
node test/live.mjs train_doctor
dsh plugin --profile desktop add .

../AudioWork 仅为示例，应先准备自己的外部工程目录。安装后重载 DSH。环境布局、配置优先级和故障排查见 [安装与配置](docs/INSTALL.md)；外部工具和权重清单见 [材料说明](materials/README.md)。

使用流程

train_doctor → train_plan → train_hunt / train_fetch / train_unpack
            → train_scan → train_build → train_qc
            → train_preprocess → train_run → train_status / train_stop
            → train_infer → train_register → 翻唱插件重载

可以在 DSH 中描述目标角色与素材目录。调用方需要逐步检查工具返回的 ok、报告和产物。train_plan 提供流程规则；它不会自动强制所有前置质量门，也不意味着一次自然语言请求必然完成整条链。

train_preprocess 会更换 DDSP 工程的 data/train/audio 与 data/val/audio，先把原有音频目录移动到训练工作区的 backup/。请使用独立训练工程，避免与正在运行的任务共用数据目录。train_run 遇到已有 checkpoint 默认停止，显式 confirmOverwrite=true 才继续。

源与支持范围

| 输入 | 已实现行为 | 限制 |

| --- | --- | --- |

| 按角色分目录的语音 | 按目录名盘点与整理；读取音频帧数计算时长 | 目录名仍需抽检；不能证明内容纯净或角色标注正确 |

| JSON / KAG3 .ks 剧本 | 启发式提取 speaker / voice 引用，报告匹配率 | 陌生格式可能漏抓；立绘名推测仅供参考 |

| 普通 XP3、部分内嵌 EXE 封包 | 调用外部 arc_unpacker，按实际落盘文件检查结果 | 不覆盖所有引擎、版本或加密方式 |

| SenrenCxCrypt 系列 | 已有静态解析/解密实现；需兼容的 GARbro Formats.dat | 本机体验版验证通过，不承诺其他游戏兼容 |

| 单角色音频目录 | 指定角色后整理 WAV 数据集 | 不自动区分 BGM 或多人对话 |

| 番剧 / 录屏 | 适配器接口已留 | 分离、VAD、声纹归属尚未实现 |

时长口径：语音目录通过 soundfile 读取 frames / samplerate，不再按压缩文件字节数估时。文件损坏或格式不支持时报告失败数量与未知时长，不把部分总和标成完整时长。剧本分支仍使用 4.2 秒/句 的粗估，并明确标注“未实测”；质量检查报告使用实际数据集时长。

工具一览

| 工具 | 用途 |

| --- | --- |

| train_sources / train_plan | 实现状态、流程与决策提示 |

| train_doctor / train_setup | 环境检查、配置建议、可选写入本机配置 |

| train_hunt | 搜索本机目录与 Steam 库，受深度和时间预算限制 |

| train_toolchain | 检查或从上游 GitHub release 安装解包工具；GUI 工具单独标识 |

| train_fetch | 下载给定 URL，记录 URL、SHA-256 与时间，不内置资源站搜索 |

| train_unpack / train_acquire | 解包、可选反编译；acquire 串接查找与角色盘点 |

| train_scan | 源识别、角色数量、语音数、时长及匹配报告 |

| train_build | 转码、单声道、重采样、只裁头 + 留尾、超长分段、尾音体检 |

| train_qc | 采样率、时长、削波、静音、粗重复检测、尾音体检；apply=true 才移动不合格文件 |

| train_preprocess | 备份旧音频，复制新数据，执行 draw.py / preprocess.py |

| train_run / train_status / train_stop | 后台训练、日志与 checkpoint 状态、停止进程 |

| train_infer | 选择已有 checkpoint 做短句推理，需人工试听 |

| train_register / train_overview | 注册模型与配置、检查工作区和音色库 |

注册布局、指定步数和翻唱调用示例见 [接入翻唱插件](docs/INTEGRATION.md)。注册默认拒绝覆盖，缺少同一实验的 config.yaml 或空模型时失败。注册成功只证明文件可发现，不证明模型音质。

数据集留尾（为什么默认不裁句尾）

train_build 默认只裁句首静音：句尾的自然衰减原样保留，末尾再兜 0.16s 静音底。这不是口味问题，是有实测的（同一批 383 条语料，GPT-SoVITS 线上做的对照）：

| 口径 | 旧的「双向裁」 | 留尾（当前默认） |

| --- | --- | --- |

| 尾部静音中位 | 0ms | 160ms |

| 收尾电平（最后有声前 40ms，相对句内 90 分位） | −9.5dB | −24dB |