aibyte

Appearance

DiffRhythm：全长歌曲生成工具 ​

官方文档

https://github.com/ASLP-lab/DiffRhythm

功能介绍 ​

DiffRhythm 核心能力包含：

  1. 文生音乐
  2. 音乐生音乐

一键整合包 ​

下载地址：百度网盘 安装方式：下载后，选择文件夹中的所有文件（约14G），右键选择“7-Zip” => “Extract Here”，解压完成后，双击压缩包中的 “启动.bat” 文件即可启动程序。如果想要自行进行安装，继续查看“安装应用”小节。

安装应用 ​

下面以 Windows11 为例，演示安装流程。在 cmd 中依次输入以下命令

shell
git clone https://github.com/ASLP-lab/DiffRhythm
cd DiffRhythm

conda create -n diffRhythm_env python=3.10 -y
conda activate diffRhythm_env

pip install -r requirements.txt
pip uninstall onnxruntime
pip install onnxruntime-gpu

pip uninstall torch
pip uninstall torchvision
pip uninstall torchaudio
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

# 缺啥装啥
pip install py3langid

安装 espeak-ng

终端使用 ​

文生音乐 ​

shell
python infer\infer.py --lrc-path infer\example\eg_en.lrc --ref-prompt "classical genres, hopeful mood, piano." --audio-length 95 --repo_id ASLP-lab/DiffRhythm-base --output-dir infer\example\output_en --chunked

说明：

  • --lrc-path：歌词
  • --ref-prompt：提示语
  • --audio-length：音乐长度，单位秒
  • --repo_id：仓库ID
    • ASLP-lab/DiffRhythm-base：生成 1m35s 的模型
    • ASLP-lab/DiffRhythm-full：生成 4m45s 的模型
  • --output-dir：文件输出地址
  • --chunked：优化显存使用

音乐生音乐 ​

shell
python infer\infer.py --lrc-path infer/example/eg_en.lrc --ref-audio-path infer/example/eg_cn.wav --audio-length 95 --repo_id ASLP-lab/DiffRhythm-base --output-dir infer/example/output_en --chunked

说明：

  • --lrc-path：歌词
  • --ref-audio-path：参考音频
  • --audio-length：音乐长度，单位秒
  • --repo_id：仓库ID
    • ASLP-lab/DiffRhythm-base：生成 1m35s 的模型
    • ASLP-lab/DiffRhythm-full：生成 4m45s 的模型
  • --output-dir：文件输出地址
  • --chunked：优化显存使用

需要注意的是：当下 --ref-prompt 和 --ref-audio-path 只允许二传一。

UI 使用 ​

目前可在 huggingFace 上使用：可以借助界面进行 歌词 的生成；歌曲 的生成。

其中歌词的生成使用的是 DeepSeek R1 模型，其提示语如下：

text
请围绕"{theme}"主题生成一首符合"{tags}"风格的语言为{language}的完整歌词。严格遵循以下要求：
        ### **强制格式规则**
        1. **仅输出时间戳和歌词**，禁止任何括号、旁白、段落标记（如副歌、间奏、尾奏等注释）。
        2. 每行格式必须为 `[mm:ss.xx]歌词内容`，时间戳与歌词间无空格，歌词内容需完整连贯。
        3. 时间戳需自然分布，**第一句歌词起始时间不得为 [00:00.00]**，需考虑前奏空白。
        ### **内容与结构要求**
        1. 歌词应富有变化，使情绪递进，整体连贯有层次感。**每行歌词长度应自然变化**，切勿长度一致，导致很格式化。
        2. **时间戳分配应根据歌曲的标签、歌词的情感、节奏来合理推测**，而非机械地按照歌词长度分配。
        3. 间奏/尾奏仅通过时间空白体现（如从 [02:30.00] 直接跳至 [02:50.00]），**无需文字描述**。
        ### **负面示例（禁止出现）**
        - 错误：[01:30.00](钢琴间奏)
        - 错误：[02:00.00][副歌]
        - 错误：空行、换行符、注释
text
{lyrics_input}这是一首歌的歌词,每一行是一句歌词,{tags_lyrics}是我希望这首歌的风格，我现在想要给这首歌的每一句歌词打时间戳得到LRC，我希望时间戳分配应根据歌曲的标签、歌词的情感、节奏来合理推测，而非机械地按照歌词长度分配。第一句歌词的时间戳应考虑前奏长度，避免歌词从 `[00:00.00]` 直接开始。严格按照 LRC 格式输出歌词，每行格式为 `[mm:ss.xx]歌词内容`。最后的结果只输出LRC,不需要其他的解释。

提示语原文见 这里

文章的最后，如果您觉得本文对您有用，请打赏一杯咖啡！感谢！

Copyright © 2025 赵王心玥