最近在研究 YAMAHA Vocaloid5 的项目文件（.vpr格式）。

按照对大厂套路的深入理解，后缀名改 zip 零帧起手，果然是个 ZIP 压缩包，里面包含了一个sequence.json，存储了所有的工程数据（音轨、音符、参数等）。

于是写了一个 Python 解析库，把它的结构逆向出来了。

内容分析

解压后主要文件是Project/sequence.json，包含项目的元信息、音轨（tracks）、音符（notes）、效果器等。
命名规则是驼峰命名法，按照 PEP8 要转换一下。

开始逆向！

用 Python 写了一个解析库，主要功能：

• 读取 VPR 文件 → 转成 Pydantic 模型（带类型检查）。
• 修改数据（比如改 BPM、音符参数）→ 重新打包成.vpr。
• 性能分析：内置Timer util 类，可以看各部分解析耗时。

示例用法：

from vpr_parser import VPRParser

parser = VPRParser()
project = parser.parse("song.vpr")  # 读取文件
project.title = "New Song Name"    # 改标题
parser.dump(project, "modified.vpr")  # 保存

踩坑记录

奇怪的命名法

YAMAHA 命名规则太奇怪，本来用驼峰命名法，pydantic alias_generator 转换一下的事，结果comp_id这个字段不是compId，而是compID😅
另、有的字段，比如global，是 Python 保留字，需要替换（处理代码如下）：

class AliasedBaseModel(BaseModel):
    model_config = ConfigDict(
        alias_generator=lambda x: (
            to_camel(x).replace("Id", "ID")  # this shit is so ass i hate you yamaha 😭
            if x != "global_config"
            else "global"
        ),  # i love pyright randomly giving me 1mil errors ❤️
        populate_by_name=True,
        extra="forbid",
    )

后续计划

• 给每个字段加入解释文档
• 有的类型还不是很完善，比如 ControllerEvent 只有几种类型(应该使用 Literal[...])，我却直接用了 str

GitHub 项目：vpr-parser（欢迎 Star/PR！）

This message is used to verify that this feed (feedId:60604135484631040) belongs to me (userId:56556488804868096). Join me in enjoying the next generation information browser https://follow.is.

如题，望周知！！
（BTW, 本站的萌 ICP 号是 20243939）

前言

看见 tg 上面的 Warp+ Bot 2 小时才能生成一次，顿时对着闭源软件红温，望周知

安装

注：此教程假设你拥有 3.10 以上的 Python+Pip 和基本的问题排查能力

$ git clone https://github.com/0x24a/WarpPlusKeyGenerator-NG.git
$ cd WarpPlusKeyGenerator-NG
$ python3 -m pip3 install -r requirements.txt

生成

基本使用方法

$ python3 main.py

进阶使用方法

python3 main.py [-h] [-q 数量] [-o 输出文件] [-a] [-b BASEKEYS]

Generates Warp+ Keys

options:
  -h, --help            显示此帮助信息
  -q QUANTITY, --quantity 数量
                        生成数量
  -o OUTPUT, --output 文件名
                        将生成的Keys输出到一个文件。
  -a, --append          将Keys追加到文件。（如未制定，则覆盖）
  -b BASEKEYS, --basekeys BASEKEYS
                        指定英文逗号分隔的basekeys.

会自动从 Github 获取 Basekeys，并显示类似下方内容的输出：

WARP+ Key Generator
By 0x24a, Version v0.0.4
Loading basekeys from the Github Repo...

Loaded 11 Base Keys

Generating... (1/1)
Account Type:   limited
Data Limit:     1923837130 GiB
License Key:    (生成的key)

Keys:
(生成的key)

导入方式

见之前的文章 免费获得 WARP 的小技巧 § 导入方式

已知问题

Account Type: free

显示账号类型为 free 时，WARP 的移动客户端会显示为 WARP+，但通过 Cloudflare 的 cdn-cgi/trace 接口检测，会显示为普通 WARP 线路。

在学校实在无聊，晚自习拿出了草稿纸开始头脑风暴。
最近试玩了 So-VITS-SVC 并且通过批量推理的方式给自己做了高质量的 UTAU VCV 声库，但整个录制过程过于困难（录制训练 SoVITS 的样本所花费的时间约为 2 天），于是想到了一种懒人方法来训练 TTS SoVITS 模型的方法。

事先叠甲

本篇教程仅提供 大体思路 ，对于部分操作步骤（如使用 Google Colab 进行训练、文中提到的开源软件的具体使用方法），请发挥你的 Geek 精神：读文档、善用搜索或自己摸索。

流程简介

1. 录制原音声（ 2 分钟 即可达到 非常优质 的效果！）
2. 训练 GPT-SoVITS 模型
3. 使用大量随机语料，生成净时间约为 3hr 的训练样本
4. 使用 GPT-SoVITS 的输出训练 So-VITS-SVC 模型
5. (Optional) 下载任意 UTAU 声库并通过批量 Infer 以制作高质量声库

具体步骤

W.I.P.