Tag: AI

前言：训练出来的声音模型可以在视频、语音或歌曲翻唱使用。 条件： 1、一段自己干净的人声，在安静的环境下录制，最好别低于30分钟，声音文件格式WAV，如果有多个文件，请批量按顺序重命名下文件。 2、一块8G以上显存的独立显卡的电脑。当然也可以用CPU，但那训练速度就慢很多了。 3、电脑上下载好Audio Slicer（音频分割切片）和so-vits-svc 链接：https://pan.baidu.com/s/1glwuY4Zv2mpp05T2uNxzeA提取码：wk5g 操作： 1、新建文件夹，命名为OUT。 2、运行Audio Slicer，拖入需要切片的音频文件，输出文件就选择刚新建的OUT文件夹。然后点start开始。 3、检查切片后的音频文件大小，每段长度最好别超过7秒，如果有发现还有比较长时间的文件，请按下图修改参数后再次切片处理，直到每段长度不超过7秒。 4、解压so-vits-svc，然后把存放切片的OUT文件夹放入so-vits-svc\dataset_raw文件夹下 5、返回so-vits-svc目录，点击”webui.bat“启动。可能需要花几分钟到十几分钟时间。如果没问题等待安装环境后会自动跳出界面，如果没有自动跳出，请按照提示复制IP:端口好，到浏览器里手动打开。 6、点界面上方”训练-识别数据集“会自动识别我们刚放到dataset_raw\OUT文件夹，其他参数不用修改，然后点击下面的数据预处理按钮，开始预处理数据。这个过程需要时间比较长，主要取决于电脑的显卡性能。下面可以看到处理进度，请耐心等待处理完成。 7、预处理完成后清空数据信息，如果没有独立显卡就需要选择CPU来训练，但时间要非常久，要做好思想准备。建议使用NVIDIA的显卡，选择CUDA,这样可以极大提高训练速度。其他只要注意保存步数那，按推荐的设置就可以。然后点击从头开始训练就可以了。 8、训练的时间是非常长的，看显卡性能，需要2-4天左右才能得到比较好的效果，当然，训练可以暂停的，如果被中断，只需再次打开so-vits-svc，点击”继续上次的训练“就可以接着下去训练。 9、查看训练步骤和效果。运行so-vits-svc目录下的tensoboard.bat文件，然后把显示的地址:端口复制到浏览器里打开。然后点上面的AUDIO的页面就可以看到已训练的步骤和试听效果。 10、如果你觉得效果已经可以了，就可以暂停训练了。然后打开推理页面，选择训练好的模型，编码器默认，配置文件选择默认的config.json就可以，然后点下面的加载模型，成功后就可以，上传音频文件，替换原文件的语音或文字转语音。 总之，怎么使用训练好的模型，各位小伙伴就可以发挥各自的聪明才智了。