雷火电竞官网-中国知名电竞赛事平台

　　so-vits-svc是一個用來模擬人聲的開源項目，該工具可以幫助大家更好的對聲音模型進行訓練，用于生成類似微軟云希、抖音文字轉語音等效果，對電腦硬件的要求并不高，但是需要較為繁瑣的準備工作，還有大量的聲音素材，經過訓練之后，大家就可以通過AI的方式來進行聲音的模擬和歌唱。

【使用教程】

　　如果您想訓練自己的聲音模型并加以使用，需要以后幾個步驟。

　　提取干音

　　音頻切分

　　預處理

　　訓練模型

　　配置模型

　　推理預測

【常見問答】

　　Q：跑這個的最低配置要求是啥啊？

　　A：支持CUDA的6G顯存以上的N卡，硬盤也留足一點空間。

　　Q：A卡真的跑不了嗎

　　A：理論上可以在Ubuntu或Linux環境下通過ROCm來實現，但是比較麻煩，小白建議放棄直接去云端。

　　Q：我的顯卡達不到最低要求，云端又心疼錢，真的沒法訓練了嗎？

　　A：建議去看DDSP-SVC項目，效果差一點但也能聽，最重要的是對低配非常友好。

　　Q：用UVR5分離人聲的時候聲音會失真，還有什么更給力的工具嗎？

　　A：理論上UVR5已經是目前最強的人聲分離工具了，原曲如果伴奏聲音太大軌道太復雜是一定會有失真的，建議選原曲的時候選擇伴奏簡單人聲清楚的效果會好很多。

　　Q：Audio Slicer 切出來的音頻有的長達幾十秒甚至幾分鐘，是怎么回事？

　　A：切片長度建議5-15秒，訓練時過長部分會被自動丟棄。切出來過長的音頻可以調整一下slicer里的maximum silence length這一條，改成500或者更低。還有過長的音頻就自己用Au之類的手動切一下啦。

　　Q：我怎么判斷模型有沒有訓練好？

　　A：數據集數量正常的情況下（幾百條），可以每隔幾千步（是總步數不是epoch）跑出來的模型推理聽一下，你覺得ok就ok，一般一萬步就可以有一個不錯的效果了?；蛘哂写a基礎的可以用tensorboard查看一下損失率收斂趨勢。

　　Q：那么問題來了，tensorboard怎么用？

　　A：python38\Scripts\tensorboard.exe --logdir logs\44k

　　Q：我在訓練途中按CTRL+C暫停訓練，繼續訓練的時候為什么從頭開始/步數掉了很多呢？

　　A：視頻里說的有點歧義，其實是從你上一個保存的模型的進度開始的，比如保存的一個模型是G_8000, 即使你訓練到了第8799步，只要下一個模型還沒保存，繼續訓練的時候都是從第8000步開始的。同理，如果一個模型也沒保存，那就是從頭開始訓練。

　　Q：如果我在訓練中途想要追加一些數據集該怎么辦呢？

　　A：需要重新預處理并重新訓練。

　　Q：我為什么沒有聚類模型啊？

　　A：重看一遍教程。

　　Q：訓練聚類模型的時候顯卡根本沒占用是怎么會是呢？

　　A：聚類模型訓練吃的是你的CPU，看一下python進程在占用CPU就是在訓練，等就行了。

　　Q：我實在是太懶了，只想讓AI幫我讀稿子，不想自己錄原聲再推理，有啥辦法嗎？

　　A：可以考一下VITS項目，最近有個VITS fast fine-tuning的方法，幾分鐘的素材就能練出比較相似的聲音，雖然效果沒那么好但它實在是太方便了。

　　Q：云端訓練好的模型怎么在本地用？

　　A：下載G模型和對應的config文件，放到本地的對應文件夾就行（.\logs\44k和.\configs）

　　Q：我實在不會搞了，請問能代訓練嗎？有償的那種。

　　A：可以，每1萬步100元。

　　Q：我訓練和推理都很順利！現在已經做了一首翻唱了，想上傳到網絡，有什么注意事項嗎？

　　A：請務必遵循So-VITS使用規約：

　　任何發布到視頻平臺的基于sovits制作的視頻，都必須要在簡介明確指明用于變聲器轉換的輸入源歌聲、音頻，例如：使用他人發布的視頻/音頻，通過分離的人聲作為輸入源進行轉換的，必須要給出明確的原視頻、音樂鏈接；若使用是自己的人聲，或是使用其他歌聲合成引擎合成的聲音作為輸入源進行轉換的，也必須在簡介加以說明。

　　由輸入源造成的侵權問題需自行承擔全部責任和一切后果。使用其他商用歌聲合成軟件作為輸入源時，請確保遵守該軟件的使用條例，注意，許多歌聲合成引擎使用條例中明確指明不可用于輸入源進行轉換。

　　請自行解決數據集的授權問題，任何由于使用非授權數據集進行訓練造成的問題，需自行承擔全部責任和一切后果。