八月的歌声合成圈有点热闹：8月1日，有人配布了自己炼的中文声库"迪托斯特"。小红书8月4日，国人自制虚拟歌姬"环音ピコ"正式亮相。小红书8月14日，无性别原创歌手SOIL_VIRUS迎来配布一周年。哔哩哔哩这些帖子背后，大概率都是同一个开源引擎——DiffSinger。
很多人对歌声合成的印象还停留在"昂贵的商业软件+专业录音棚"。但2026年的现实是：用DiffSinger配免费编辑器OpenUtau，从录音、训练到配布整条链路可以做到0元。有微博网友晒出自己熬了三天炼出的一版声库，上来就问"可不可以配布给大家一起玩"。微博
不过，0元不等于0门槛。这件事真正的成本藏在时间、设备和预期里。这篇就写给正在观望"要不要也炼一个"的你，把账算清楚。
DiffSinger是什么：一条被社区跑通的免费流水线
DiffSinger是基于扩散模型的开源歌声合成引擎，目前由openvpi团队维护。哔哩哔哩搭配免费编辑器OpenUtau，逻辑很简单：你提供人声录音，它学会用"你的声音"唱任何歌，成品可以自由调校，也可以自由分发。
自制一条声库的完整流程是四步：按录音表录素材、对齐并标注音素（圈内叫"打标"）、用GPU训练模型、最后把声库装进OpenUtau调校。社区已经把每一步都工具化了：MakeDiffSinger管数据处理，SOFA管对齐，diffsinger-webui把训练做成网页界面，没有显卡还能用Cloud Studio借云端算力。早期中文声库的训练参考，就是开源数据集opencpop。哔哩哔哩
生态里的三种玩法：授权派、独立派、个人自制派
授权派最典型的例子是泠鸢yousa：她的官方DiffSinger声库2023年9月免费配布。哔哩哔哩2024年4月，本人声音与AI声库出现在同一首合唱里。哔哩哔哩今年7月，泠鸢本人又发了一条入门教程，播放1.2万、收藏超过1600。哔哩哔哩这条路线的意义在于：知名创作者也认可"官方授权+社区共创"的玩法。
独立派的代表是SOIL_VIRUS：去年8月配布，设定是无性别原创歌手。声库还在按版本号持续迭代，最新的版本已经排到【2607】。哔哩哔哩
它的代表作《捉迷藏》在B站播放接近40万。哔哩哔哩《夏日尽头的我们》播放超37万、点赞5.3万，一周年时小红书上的二创预告一条接一条。哔哩哔哩它证明的是另一条路：不靠粉丝基础，作品够好照样能被听见。
个人自制派是今年最活跃的一群。环音ピコの设定干脆就是"非生物"——体重一栏写着"25.6kg（电脑机箱）"。小红书爱音芙歌这类角色介绍帖也在持续更新，还有LUNAI Project这样的企划，按角色逐个发布虚拟歌手介绍。小红书大家的目的很朴素：给自己的OC、自己的声音，配一个能开口的分身。
成本账单：钱约等于零，时间才是大头
钱的部分几乎可以忽略：引擎免费、编辑器免费、工具链免费、教程免费，唯一的硬支出是GPU——要么自己有张够用的显卡，要么租云算力。
真正要算的是五笔时间账：
录音。跟着录音表逐条念音节，安静环境+一支电容麦是最低配置，用手机录的话，还得先解决漏音和环境噪音。
标注打标。自动标注工具有，但社区共识是"自动完必须人工复查"，一个音素标错，可能就是一个字唱出来永远发怪声。这一步常常比录音更磨人。
训练。跑2000步的模型只能唱一点简单的，想达到"能听"还得继续堆。有教程视频的评论区里，创作者给出的训练时长参考是"平均3000min"，折合50小时算力，实际还随数据量和步数浮动。哔哩哔哩
环境。主流教程面向Linux，Windows直接跑大概率报错、缺库、路径全乱，评论区原话是"在windows上面跑这个真的会哭"，标准解法是先装WSL。很多人第一个坑不是录音，是装环境。
语言支持。中文和英语最成熟；日语要额外接SOFA，社区反馈"仍在摸索"；韩语目前没有可用的音素器。想用中文声库唱日语歌，预期要放低。
还有一笔隐性成本：中之人本身的唱功。有玩家总结得很直白，DiffSinger的门槛反而更高，“因为需要中之人真的会唱歌，喂出来的歌姬才能唱得好听”。微博声库的上限由素材决定，音准不稳、气息发虚，炼出来的"机械感"只会更明显。
三句诚实话：关于音质、爆火和版权
第一，音质有争议。社区里对DiffSinger声库的"AI味"一直有争论，连"致焕"这类高人气声库，都有人专门列缺点：唱断开的短音时经常会跑调。哔哩哔哩自制声库的音质上限，和Synthesizer V这类商业产品还有距离，"听起来有点怪"是常态，不是你的错觉。
第二，爆火是低概率事件。SOIL_VIRUS是幸存者，更多自制声库的归宿是"配布了、几个朋友玩了、然后存档"。如果目标是红，大概率失望；如果目标是"让我的OC开口唱歌"，现在的生态已经足够成熟。
第三，版权是红线。未经授权拿别人的声音训练声库，是这个圈子最犯忌讳的事，配音演员发函要求停止AI侵权的案例已经真实发生过。知乎社区主流做法一直是"带授权配布、带署名引用"。别人的声音素材，不碰。
行动清单：听、调、炼三档
只想听（0成本）：直接下载几个代表声库玩。泠鸢yousa官方声库、SOIL_VIRUS的作品，还有八月配布的一批免费中文声库，都是现成的。小红书
想调（一两个周末）：装OpenUtau，导入现成的DiffSinger声库，跟着《三分钟上手DiffSinger》系列从下载编辑器开始学基础调校。哔哩哔哩
想炼（按周起步）：先按录音表把素材录好，再确认自己有可用GPU或租云算力的预算，然后从全自动流程教程看起，别跳过环境配置直接开跑。哔哩哔哩
用值得买的话术收尾：DiffSinger是少见的"零门槛入场、高上限发挥、但吃时间"的兴趣消费——值得玩，值得炼，但不值得毫无预期地投入。如果你算完这笔账仍然心动，现在确实是入场的好窗口：工具、教程、同好都在，踩了坑，评论区里总有踩过同一个坑的人。
