Sistem Arsitektur Vocaloid

Bagian utama dari sistem 2 Vocaloid adalah Skor Editor (Vocaloid 2 Editor), Perpustakaan Singer, dan Engine Sintesis. Engine Sintesis menerima informasi skor dari Skor Editor, memilih. sampel yang sesuai dari Perpustakaan Singer, dan merangkai mereka untuk output suara disintesis. Ada pada dasarnya tidak ada perbedaan dalam Skor Editor dan Engine Sintesis disediakan oleh Yamaha antara 2 produk yang berbeda Vocaloid. Jika Vocaloid 2 produk sudah diinstal, pengguna dapat mengaktifkan produk lain 2 Vocaloid dengan menambahkan perpustakaan. Sistem ini mendukung dua bahasa, Jepang dan Inggris, meskipun bahasa lain mungkin opsional di masa depan. Ia bekerja mandiri (pemutaran dan ekspor ke WAV) dan sebagai aplikasi ReWire atau VSTi diakses dari DAW.

Skor Editor

Skor Editor adalah piano roll gaya editor untuk catatan masukan, lirik, dan beberapa ekspresi. Untuk Perpustakaan Singer Jepang, pengguna dapat lirik gojūon masukan dalam hiragana, katakana atau menulis romaji. Untuk perpustakaan Inggris, Editor secara otomatis mengkonversi lirik ke dalam simbol-simbol fonetis IPA menggunakan built-in pengucapan kamus. Pengguna dapat langsung mengedit simbol fonetik kata-kata tidak terdaftar. Sebuah perpustakaan Jepang dan perpustakaan Inggris berbeda. dalam metode input lirik, tapi berbagi platform yang sama. 


*Vocaloid screenshot

Oleh karena itu, editor Jepang dapat memuat sebuah perpustakaan bahasa Inggris dan sebaliknya. Seperti disebutkan di atas, metode input lirik adalah perpustakaan-tergantung, sehingga editor Jepang dan Inggris hanya berbeda dalam menu. Skor Editor menawarkan berbagai parameter untuk menambahkan ekspresi untuk suara bernyanyi. Pengguna seharusnya mengoptimalkan parameter yang paling sesuai dengan lagu disintesis saat membuat suara. Editor ini mendukung ReWire dan dapat disinkronkan dengan DAW. Real-time "pemutaran" lagu dengan lirik yang telah ditentukan menggunakan keyboard MIDI juga didukung.

*Vocaloid Outline

 Singer Perpustakaan

Setiap lisensi Vocaloid mengembangkan Perpustakaan Singer, atau database fragmen vokal sampel dari orang sungguhan  database harus memiliki semua kemungkinan kombinasi fonem dari bahasa target, termasuk diphones (sebuah rantai dari dua fonem yang berbeda) dan vokal berkelanjutan, serta polyphones dengan lebih dari dua fonem jika diperlukan. Misalnya, suara sesuai dengan kata "bernyanyi" ([SIN]) dapat disintesis dengan menggabungkan urutan diphones "#-s, sI , DI, N-# "(# menunjukkan fonem bersuara) dengan vokal Kuno I berkelanjutan. Perubahan sistem Vocaloid pitch fragmen ini sehingga cocok melodi.. Dalam rangka untuk mendapatkan suara lebih alami, tiga atau empat rentang pitch yang berbeda diperlukan untuk disimpan ke perpustakaan. Jepang membutuhkan 500 diphones per pitch, sedangkan bahasa Inggris membutuhkan 2.500.. Jepang telah diphones lebih sedikit karena memiliki lebih sedikit fonem dan paling suara suku kata yang suku kata terbuka berakhir dengan vokal. Di Jepang, pada dasarnya ada tiga pola diphones mengandung konsonan: bersuara-konsonan, vokal-konsonan, dan konsonan-vokal. Di sisi lain, Inggris memiliki banyak suku kata tertutup yang berakhir dengan diphones konsonan, dan konsonan-konsonan dan konsonan-bersuara juga. Dengan demikian, diphones lagi perlu dicatat dalam sebuah perpustakaan bahasa Inggris daripada ke satu Jepang. Karena perbedaan linguistik, sebuah perpustakaan Jepang tidak cocok untuk menyanyi dalam bahasa Inggris.