案例研究
Stream of Worship
- 角色
- 產品負責人兼工程師
- 團隊
- 獨立開發
- 技術堆疊
- Next.js 16 FastAPI AWS Lambda/SQS Neon Postgres + pgvector Cloudflare R2 PyTorch / Demucs Jetpack Compose (Android)
- 收錄 445 首歌的線上應用,其中 100 多首已人工驗證歌詞與時間軸
問題
我打造 Stream of Worship,是因為希望小組敬拜能順順地進行,不用在歌曲之間忙著操作 YouTube。帶敬拜時還要處理影片和影片之間尷尬的停頓,以及唱到一半連線斷掉。
帶領的人已經有夠多事情要想了。找下一支影片、等它載入,不該是工作的一部分。中文敬拜的歌詞影片工具不多,所以我開始自己做一個。
我想要的工作流程很簡單:挑歌、排成一組、渲染成連續的歌詞影片,再投放到電視上。事先下載好,播放就不必依賴網路。純音訊版本也能幫小組在聚會前先熟悉不熟的歌。
我把過程寫成 Stream of Worship 系列。這些文章從建立歌曲目錄一路講到歌詞對齊、轉場和離線播放,也包括那些還需要繼續努力的部分。
限制
有三件事塑造了這個專案:
- 播放一定要能離線。 網路不穩正是我想做這個工具的原因之一。帶領的人需要先在聚會前下載好一組歌,然後在沒有連線的情況下播放。
- 準確的 LRC 檔很難找。 LRC 檔會把每一行歌詞對到一個時間戳記。文字必須和錄音一致,包括每一次重複的主歌和副歌,而且每一行都要在對的時間出現。光有官方歌詞,只解決了這個問題的一部分。
- ASR 還是需要人工檢查。 自動語音辨識(ASR)在我處理過的中文歌曲上犯了不少錯,連阿里巴巴的 Qwen3 ASR 也一樣。把錄音丟給 Whisper 或 Qwen3 並不夠。我需要把第一輪自動化,同時讓真人能用實際可行的方式檢查和修正結果。
決策
把歌詞檢查做進產品裡
影片可以成功渲染,卻還是沒辦法拿來唱。錯字和歌詞太慢是兩種不同的問題,所以我把文字修正和時間軸對齊分開處理。管線會先用現成的字幕或 ASR 取得第一版,再對照官方歌詞修正,並支援另一個獨立的強制對齊步驟來處理時間軸。機器產生的檔案要進到檢查流程後才會發布。這些取捨我寫在同步歌詞:產生與對齊。
這讓檢查流程值得再投入。我加了歌詞編輯器和一個檢查佇列,會優先處理被回報的問題,以及實際有人在用的歌。聽眾可以回報時間軸或文字問題,並針對有問題的那幾行留下說明。回饋會把我導向需要修正的地方,但不會自動覆蓋共用的歌詞。
讓帶領的人自己聽、自己調整
編輯器讓帶領的人選擇歌曲順序,並調整間隔和交叉淡化。間隔以節拍計算,讓空檔跟著速度走。
轉場建議會比較錄音交接的地方,但相容性分數沒辦法告訴我一個轉場聽起來好不好。目前上線的渲染器會處理間隔、淡化和音量正規化;自動移調和速度對齊還沒實作。轉場引擎那篇同時講了設計和這些限制。
把渲染移出網頁請求
產生多首歌的影片,比一般網頁請求要久。我把渲染移到背景工作處理,讓應用程式能繼續編輯並顯示進度。它會產出 MP3 混音,以及帶同步歌詞和章節標記的 MP4。
輸出也經過幾次迭代。太長的中文句子會越縮越小,因為渲染器會把每一行縮到塞得下。我改成在詞組邊界換行,並讓整支影片共用同一個歌詞字級。在電視上看得清楚,比把每個詞組都擠進一行重要。
把開始播放所需的東西全部下載下來
只快取影片並不夠。播放器頁面、歌詞和章節資料也都要能在沒有連線時取得。下載下來的敬拜組還得支援在離線狀態下拖曳跳轉。
共用的敬拜組也需要可預期的行為。分享連結指向一份凍結的副本,所以我之後編輯自己那一組,不會改到別人準備要播的內容。離線敬拜播放講的就是這套流程背後的快取和啟動問題。
展示
線上應用就是實際的成果。登入之後,帶領的人可以瀏覽歌曲、連歌詞一起預覽、排出一組歌,並調整歌曲之間的間隔。接著可以把這一組渲染成音訊或歌詞影片、下載供離線播放、投影或投放到更大的螢幕,再分享給別人。
歌曲目錄裡有 445 首歌,其中 100 多首已人工驗證歌詞與時間軸的準確度。這個區別很重要。替錄音產生歌詞,和確認小組真的能跟著唱,是兩個不同的步驟。
下一步:幫忙挑歌
自動建構歌曲組是我正在探索的方向。建構器會根據敬拜主題、速度和和聲相容性提出歌曲組合。目前我還沒有足夠的聆聽證據,能說排名較高的歌曲組就比較能帶出好的敬拜流暢度。我想先實際聽過建構器提出的歌曲組,再讓分數在產品裡扮演更重要的角色。歌曲組建構器那篇有更詳細的說明。
成果連結
- 線上應用(需登入):app.streamofworship.com
- 行銷網站:streamofworship.com
- 程式庫:mhuang74/stream_of_worship
- 部落格系列:Stream of Worship 系列,另有歌詞管線、轉場引擎和離線播放幾篇。
成果
Stream of Worship 已經上線,從挑歌到下載完成一組敬拜組的流程都能走通。帶領的人不必手動剪音訊,也不必在影片編輯器裡一行一行對歌詞,就能準備好連續播放。
歌曲目錄的工作還在進行。已經有 100 多首歌經過人工檢查,還有 300 多首要處理。我做了一個 LRC 問題偵測器,用來找出可能含有歌詞或時間軸問題的歌;歌詞回饋系統則會收集真實使用者回報的問題。