VOICEVOX项目中的音乐数据结构重构分析

在VOICEVOX这个开源语音合成项目中，近期对其音乐数据存储结构进行了一次重要的重构。本文将深入分析这次重构的技术细节和设计考量。

重构背景

VOICEVOX作为一个语音合成系统，需要处理音乐相关的数据结构。在早期版本中，所有音乐元素(音符、速度、拍号等)都被集中存储在Score类型中。随着项目发展，这种设计逐渐显现出局限性，特别是在考虑未来支持多音轨功能时。

原有设计的问题

原Score类型同时包含以下元素：

• 音符(Note)
• 速度变化(Tempo)
• 拍号变化(TimeSignature)
• 时间分辨率(TPQN)

这种设计将所有音乐元素混合在一个结构中，虽然简单直接，但存在几个潜在问题：

1. 概念边界模糊：音符(属于具体音轨)与速度/拍号(属于全局设置)被混在一起
2. 扩展性差：难以支持多音轨场景
3. 职责不清晰：Score类型同时承担了编辑状态存储和乐谱数据交换两种职责

重构方案

新的设计方案将数据结构分层处理：

type Track = {
  notes: Note[];
};

type SongEditorStoreState = {
  tpqn: number;
  timeSignatures: TimeSignature[];
  tempos: Tempo[];
  tracks: Track[]; // 初期阶段只使用一个音轨
  // 其他状态...
};

关键改进点

1. 音轨概念的引入：新增Track类型专门负责存储音符数据
2. 全局与局部分离：速度、拍号等全局设置与音符数据分离
3. 状态与数据分离：编辑状态(StoreState)与纯乐谱数据(Score)区分

技术优势

1. 更好的扩展性：为多音轨支持奠定基础，只需在tracks数组中添加新音轨
2. 更清晰的职责划分：
   • 编辑状态负责维护当前工作环境
   • Score类型专用于乐谱数据的导入导出
3. 更合理的抽象层次：音符属于音轨，速度/拍号属于全局设置，符合音乐制作软件的常规设计

实现细节

在具体实现过程中，开发者还注意到：

1. 需要通过getter(如CURRENT_TRACK或SELECTED_TRACK)来访问当前音轨，而不是直接使用tracks[0]
2. 保持向后兼容性，在单音轨阶段也能正常工作
3. 确保所有相关组件都能适应新的数据结构

总结

这次VOICEVOX的数据结构重构是一次典型的架构优化案例，展示了如何通过合理的数据分层来提升系统的可维护性和扩展性。将音符数据与全局设置分离，不仅为多音轨功能铺平了道路，也使代码结构更加清晰合理。这种设计思路对于开发复杂的音乐相关应用具有很好的参考价值。