逐字跑詞是怎麼「估」出來的：Lyric Sync 的卡拉OK效果

Lyric Sync 是一個 Chrome 外掛，在 YouTube 日文歌曲上顯示可拖曳的浮動歌詞面板：原文、假名、中文翻譯，還有像卡拉OK一樣逐字亮起來的跑詞。這個效果看起來很精準，但說實話，它是「估」出來的。

資料來源的限制

歌詞來自開放的歌詞資料庫 lrclib.net。它提供的是 LRC 格式的同步歌詞：每一行有一個開始時間，例如 [01:23.45]。也就是說，我知道「這一句從哪一秒開始」，但不知道「句子裡的每個字在哪一秒被唱出來」。

最簡單的做法，是把「這句開始」到「下一句開始」的時間平均分給每個字。問題是歌不是這樣唱的：主歌通常字很密、速度快，副歌常常拖長音，間奏前還會有一段空白。平均分配會讓快的地方跑太慢，慢的地方跑太快。

用附近的節奏反推

我的做法是先找出「這句到下一句間隔很短、明顯沒有被切斷」的行，用它們反推出當下那一段的實際「每字幾秒」。需要估算的行（例如拖長音的副歌、間奏前的長音），再套用附近段落的節奏，而不是整首歌共用一個平均值。這樣同一首歌的快段與慢段，會各自得到合理的速度。

後來又做了幾項改善：

• 空白時間行：LRC 裡有些時間點後面沒有任何文字，代表「歌聲在這裡停下」。以前我把這些行丟掉，結果間奏前那一句的跑詞會被拉長到整段間奏。現在保留它們，那句歌詞會剛好在歌聲停下時跑完，間奏改顯示 ♪ 與「下一句 N 秒」的倒數。
• 用「拍」計算：日文的時間單位是 mora（拍）。「ゃ、ゅ、ょ」不另外算一拍，標點與空白不佔時間，英文單字則依音節計算。
• 漸進填色：正在唱的字從左到右慢慢填色，而不是整個字一次跳亮，看起來更像真正的卡拉OK。
• 有逐字時間就直接用：少數歌詞檔帶有 <mm:ss.xx> 的逐字時間，這時完全照它跑，不用估算。

老實說：它不是逐字精準

這個方法對大部分的歌效果不錯，但終究是估算。遇到節奏很特殊、速度變化很大的歌，字亮起來的時間會和真正的歌聲有落差。我在 README 裡把它列為已知限制，沒有包裝成「精準同步」。

其他實用功能

為了練唱，我另外加了幾個功能：

• 手動微調：歌詞比人聲慢就按＋，快就按－，可以即時調整，換歌時自動歸零。
• 詞集模式：像 Spotify 那樣整頁列出歌詞，點任何一句可以直接跳到那一句，比拉進度條精準。
• 練唱速度：可以放慢到 0.5 倍，音高不變，歌詞與跑詞跟著影片的時間走，所以也會自動變慢。
• 升降 key 與消除人聲：用 Web Audio 在瀏覽器本機處理，變調範圍限制在正負 3 個半音，因為再好的演算法也有失真的極限。消除人聲只能去掉「居中」的聲音，效果依歌曲而定。

這些處理全部在你的瀏覽器本機完成，不會上傳任何音訊。

想試試看可以到 Lyric Sync 的介紹頁。下一篇會談假名讀音為什麼不能保證 100% 正確。