基于so-vits-svc的开源项目教程

基于so-vits-svc的开源项目教程

so-vits-svc 基于vits与softvc的歌声音色转换模型 项目地址: https://gitcode.com/gh_mirrors/sovit/so-vits-svc

1. 项目介绍

so-vits-svc 是一个基于 vits 和 softvc 的歌声音色转换模型。该模型可以通过 SoftVC 内容编码器提取源音频的语音特征，并与 F0 同时输入 VITS 替换原本的文本输入，从而达到歌声转换的效果。此外，项目还采用了 NSF HiFiGAN 声码器来解决断音问题。

2. 项目快速启动

以下是快速启动项目的步骤：

环境准备

确保已经安装了 Python 和 pip。项目依赖的 Python 库可以在 requirements.txt 文件中找到。

pip install -r requirements.txt

数据准备

将数据集放入 dataset_raw 目录，数据集的结构应为：

dataset_raw
├───speaker0
│   ├───xxx1-xxx1.wav
│   ├───...
│   └───Lxx-0xx8.wav
└───speaker1
├───xx2-0xxx2.wav
├───...
└───xxx7-xxx007.wav

数据预处理

执行以下命令对数据进行预处理：

python resample.py
python preprocess_flist_config.py
python preprocess_hubert_f0.py

模型训练

使用以下命令开始训练模型：

python train.py -c configs/config.json -m 32k

模型推理

将待转换的音频放入 raw 文件夹，然后执行以下命令进行推理：

python inference_main.py

确保在 inference_main.py 中正确设置了 model_path、clean_names、trans 和 spk_list 等参数。

3. 应用案例和最佳实践

• 数据集准备：确保使用的数据集已经获得了合法授权，避免使用未经授权的数据集进行训练。
• 模型训练：针对不同说话人的模型，建议训练单说话人模型以获得更接近目标音色的效果。
• 模型推理：在推理时，注意调整音频的变调半音数量以及合成的说话人名称。

4. 典型生态项目

目前，so-vits-svc 社区维护了一个相关仓库 so-vits-svc，用于接手维护 sovits 项目。此外，还有 SoftVitsResearch 仓库，用于开发一些更复杂的功能，如面向 Onnx 端的 MoeSS 等。开发者可以参考这些项目以获取更多关于 so-vits-svc 的信息和资源。

so-vits-svc 基于vits与softvc的歌声音色转换模型 项目地址: https://gitcode.com/gh_mirrors/sovit/so-vits-svc