Lyric Sync

3分の曲を約2分半で処理します（下記環境の実測例）。音声と歌詞はサーバーへ送られず、 通信するのはモデルのダウンロード（初回のみ約1.6GB）だけです。 実行時にはその重みに加えて GPU メモリも使うため、6GB 未満の GPU では非推奨です。

日本語楽曲の推奨設定

モデル medium ＋ 言語「日本語」を明示指定。歌唱音声では言語の自動判定が失敗しやすく、判定漏れで整列率が大きく下がります。

自動で仕上げられないこと

同音異字は判別できません。音声を30秒単位で処理するため、長尺曲ではチャンクの境目でずれが出ます。 実測例（327語）では13語が未整列で、手動修正が必要でした。

軽量モデルについて

base / small はチャンク処理と同期精度で問題が出ます。small の整列率は 96% → 86% に下がります。

整列率が60%を下回る場合

まず「言語」が「日本語」になっているかを確認してください。

動作確認済み環境

Windows 11 / Chrome・Edge / RTX 2060 6GB / RAM 64GB / WebGPU。
スマートフォンは非推奨です。

画面の左に橙色の縦線が付いた行が未整列の箇所です。再生しながら該当の語をクリックすると、 その瞬間の再生位置に合わせてくれます。