Persona

一支麥克風就能驅動 Live2D 模型的嘴和 VRM 虛擬形象 的母音口型。它不依賴臉部追蹤：沒有攝影機或手機時照樣能用，有臉部追蹤時則和它融合在一起

設定位於 追蹤 裡攝影機追蹤下方的口型同步區塊。它是應用程式層級的設定，不隨場景切換，Web 控制台 的追蹤頁面改的也是同一份。聲音只在這台電腦上處理：不會從喇叭播放，也不會透過 外掛 API 傳送——外掛讀得到的是音量和母音讀數，而不是聲音本身

設定

1. 在口型同步區塊開啟啟用口型同步，它預設關閉。macOS 第一次會詢問麥克風權限
2. 在麥克風裡選預設麥克風，或者一支特定的輸入裝置
3. 對著麥克風說話，看輸入位準和 A、I、U、E、O 五個母音指示條是否跟著動，需要時再調整 位準
4. 每個形象自己的追蹤區塊裡，麥克風口型同步 預設是一律，所以總開關一開啟，場景裡的形象就開始對口型

麥克風

預設麥克風跟隨系統的預設輸入裝置，也可以指定一支麥克風。清單裡是執行 Persona 的那台電腦上的輸入裝置——在 Web 控制台裡也一樣，不會列出瀏覽器所在裝置上的麥克風。已安裝的虛擬音訊裝置會和一般麥克風一樣出現在清單裡。這一列下方顯示實際正在擷取的裝置名稱

選取的麥克風找不到時，Persona 不會悄悄改用另一支：清單顯示無法使用的麥克風，狀態變為無法使用，直到你換一支或者點重試

Persona 不會把麥克風的聲音播放給你聽（沒有監聽功能），也不會直接擷取電腦自己播放出來的聲音

位準

雜訊閘比較的是加過增益之後的位準。高於雜訊閘的那一段——從雜訊閘一直到滿刻度——對應嘴從閉合到全開，所以嘴總是張著時，調低輸入增益或調高雜訊閘；說話時嘴幾乎不動，就反過來調。三項變更都立即作用於正在進行的分析；換麥克風或者開啟口型同步則會重新開始擷取

狀態與指示條

啟用口型同步旁邊顯示目前狀態：

口型同步開啟時，設定下方顯示輸入位準和 A、I、U、E、O 五個母音指示條。指示條是相似度權重而不是機率：含糊的發音可能讓兩個同時升起，不像任何母音的聲音會讓它們回落，而嘴仍依音量張開

擷取會在三種情況下停下並顯示無法使用：麥克風權限遭拒（先在系統設定裡允許 Persona 使用麥克風）、選取的麥克風不存在或被拔除，或者音訊分析器無法啟動。重試會用同一支麥克風重新開始擷取

校正聲音

麥克風正在擷取時，聲音設定檔一列顯示這支麥克風的情況：有自己的校正就顯示已針對〈麥克風〉校正，否則顯示預設設定檔。狀態為正在聆聽時，校正聲音…才能點

對話框列出 A、I、U、E、O 和背景噪音六項，每項都附有發音提示：

1. 用平時說話的音量、和麥克風平時的距離，點一項的錄製，把這個音平穩地持續兩秒；背景噪音那一項則保持安靜、正常呼吸
2. 錄好的一項會打勾，按鈕變成重試，可以單獨重錄。母音必須高於雜訊閘才算數，背景噪音沒有音量要求。沒錄好時，對話框會提示「聲音太小。請以高於噪音閘門檻的音量發聲後重試。」或「擷取的音訊不足。請保持發聲平穩後重試。」，並保留上一次成功擷取的校正資料
3. 六項都錄好後點預覽設定檔，草稿立即生效。依序發 A、I、U、E、O，對應的指示條應當最高，場景裡形象的嘴也會跟著變。哪個音被混淆就重錄它，再預覽一次
4. 點儲存設定檔儲存。取消或關閉對話框會捨棄草稿，還原之前儲存的設定檔或內建設定檔

這支麥克風已有校正時，對話框會載入既有的校正資料，只重錄一個母音即可，不必六項全部重來。關閉口型同步、切換麥克風、擷取出錯或點重試，都會捨棄尚未儲存的校正資料

設定檔依實體麥克風儲存，每支一份，開始擷取時自動載入所選麥克風的那一份。重設設定檔只在目前麥克風有校正時出現，它刪除這支麥克風的校正、回到內建設定檔，其他麥克風的設定檔不受影響。選預設麥克風時，Persona 會盡量找出它實際對應哪一支麥克風；找不出來時，請先選一支特定的麥克風再校正

沒有校正時使用內建的起始設定檔，也就是那一列顯示的預設設定檔。這套設定檔不一定適合你的聲音和麥克風。如果母音辨識不準確，請用自己的聲音重新校正。不支援匯入 MotionSync 設定檔

麥克風口型同步

每個形象可以各自決定要不要跟著麥克風動。選取圖層後，它詳細資訊裡的追蹤區塊有一項麥克風口型同步，使用在追蹤中設定的麥克風：

一律遇上即時臉部追蹤時，Persona 依平滑後的音量在兩者之間融合：安靜時嘴完全保留追蹤到的動作，無聲的哈欠、下巴動作和唇形都在；一開口，麥克風的母音就逐漸接手。沒有即時人臉時，嘴完全交給麥克風，追蹤保持住的最後姿態不會混進來

新加入的形象和舊場景裡的形象都預設為一律，但啟用口型同步預設關閉，所以開啟總開關之前什麼都不會動。這個模式屬於場景裡的這一個實例，隨場景儲存：同一個模型的兩份複本可以用不同的模式，參數繫結 則仍屬於模型本身

驅動模型

Live2D

不需要新的附屬檔案。麥克風的數值疊加在常規的嘴部輸入上——MouthOpen、MouthSmile、JawOpen，以及 ARKitJawOpen、ARKitMouthClose、ARKitMouthFunnel 和 ARKitMouthPucker——所以模型原有的嘴部繫結照常運作。張嘴程度在母音口型和音量之間連續融合，遇到子音時口型不會突然切換

模型在 .model3.json 裡宣告的 LipSync 參數組，也就是 模型資訊 裡口型同步一列列出的那些參數，只要沒有被哪條繫結驅動，就會直接收到音量——所以嘴部參數名稱不標準的模型不繫結也能動。模型有逐個母音的口型參數時，在參數裡把 VoiceA…VoiceO 綁上去

動作附帶的音訊或透過 外掛 API 播放的語音 播放期間，嘴由它們驅動，麥克風讓位

VRM

A、I、U、E、O 分別驅動 aa、ih、ou、ee、oh 這幾個 表情，權重是音量乘以該母音的比重。一個母音預設都沒有、但有 ARKit jawOpen 表情的模型，改為依音量張開下巴。嘴形好不好看，取決於模型自己的表情做得如何

和即時臉部追蹤融合時，母音預設與相衝突的 ARKit 嘴部表情依音量交接。麥克風寫入的權重每個影格結束時都會還原，不會殘留在追蹤保持住的姿態裡

語音輸入

參數繫結 編輯器的嘴巴群組裡還有 12 個語音輸入，Live2D 和 VRM 的繫結都能用：

VoiceVolumePlusMouthOpen 和 VoiceFrequencyPlusMouthSmile 這兩個組合輸入相加後可能超出上表的範圍，由繫結自己的範圍截斷。沒有即時人臉時，它們只取聲音那一半，失去人臉後保持住的姿態不會加進來。麥克風沒有作用於這個形象時（口型同步關閉、模式為關閉，或臉部追蹤無法使用時正把嘴留給即時人臉），它們只剩臉部追蹤那一半，所以基於組合輸入的繫結照樣跟著臉部追蹤走

匯入

.vtube.json 裡的這些輸入名稱不區分大小寫

Persona 用自己的方式分析聲音，同一段聲音在這裡得到的音量和母音辨識，不保證與 VTube Studio 一致

自動化

自動化 的麥克風音量觸發條件共用這裡的麥克風、輸入增益、雜訊閘和平滑。它在啟用口型同步關閉時也能運作，只是不會動任何形象的嘴

自動化的 播放音訊 操作也能用檔案驅動嘴型：把它的驅動口型同步設成某個虛擬形象，Live2D 或 VRM 都可以，檔案播放期間這個虛擬形象的嘴就跟著它動，麥克風讓位。分析使用內建的聲音設定檔，而不是麥克風的校正資料，讀取的是調整音量與淡入淡出之前的聲音，也不會開啟麥克風。多個檔案同時驅動同一個虛擬形象時，以最後開始播放的為準；都停下後，麥克風與臉部追蹤重新接手