2023年6月7日 · So-vits-svc (SoftVC VITS Singing Voice Conversion)是一款开源免费AI语音转换软件，最近大火的 AI孙燕姿 利用的也是这一技术： so-vits-svc可以通过学习一个人的声音， 对另一首歌做音色替换 。

其实到这里你完全可以参考官方的文档来一步一步配置了，但如果你不清楚前置环境配置，可以继续往下阅读下面文章的第一部分 1. 环境依赖 即可. 下面的文章仅介绍4.0版本的安装方法（其实是懒的更新）因为4.1的安装过程官方写的真的很详细！ ## 0. 用前须知. 任何组织或者个人**不得**以丑化、污损，或者利用信息技术手段伪造等方式侵害他人的肖像权。 **未经**肖像权人同意，**不得**制作、使用、公开肖像权人的肖像，但是法律另有规定的除外。 **未经**肖像权人同意， …

2024年12月29日 · 报错：error: emb_g.weight is not in the checkpoint 答：这其实不是报错，首次训练时出现这一条恰恰说明你的底模被成功加载了，属于正常现象，不用担心。 如果你的问题不在上面的常见报错里，可以在交流群里咨询你的问题。

so-vits-svc是基于 VITS 的开源项目，VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）是一种结合变分推理（variational inference）、标准化流（normalizing flows）和 对抗训练 的高表现力语音合成模型 不过千万别被chatgpt骗了，生生把一个语言模型说成 ...

A: 建议去看DDSP-SVC项目（BV1qM411W7ft），效果差一点但也能听，最重要的是对低配非常友好。 Q: 用UVR5分离人声的时候声音会失真，还有什么更给力的工具吗？ A: 理论上UVR5已经是目前最强的人声分离工具了，原曲如果伴奏声音太大轨道太复杂是一定会有失真的，建议选原曲的时候选择伴奏简单人声清楚的效果会好很多。 Q: Audio Slicer 切出来的音频有的长达几十秒甚至几分钟，是怎么回事？ A: 切片长度建议5-15秒，训练时过长部分会被自动丢弃。 切出来过长的音 …

2023年8月2日 · so-vits-svc4.0 是一个基于OpenVINO的视觉推理引擎，可以用于目标检测、图像分类、人脸识别等视觉任务。下面是使用so-vits-svc4.0的基本步骤： 1. 安装OpenVINO工具包。可以从Intel官网下载并安装OpenVINO工具包。 2. 下载so-vits-svc4.0模型。

2024年12月29日 · 整合包（v2.3.5）使用了两套多模型管理模式：工作目录模式和独立目录模式，你可以在 WebUI 页面底端任意切换这两种模式来满足不同的使用场景。 ⏩ 在 WebUI 底部的当前设置会被保存下来，重启 WebUI 后仍然是上一次的选择。 工作目录模式下必须将上述文件对应放置在正确的存放位置才能被加载。 So-VITS 的模型和配置文件是一一对应的，为模型加载不匹配的配置文件会导致报错。 因此你必须确保模型与配置文件一一对应。 上述目录是模型和配置 …

2024年6月7日 · 最近在做AI变声和AI翻唱相关调研，主要还是考察了SVC和RVC两款AI模型。 本篇文章主要是SVC的部署、训练、推理说明文档。 原文来自于 so-vits-svc-Deployment-Documents/README_zh_CN.md at 4.1 · SUC-DriverOld/so-vits-svc-Deployment-Documents · GitHub. 以下内容与其会有一点差别，主要会多一些我在实操过程中遇到的问题以及解决方案。 硬件需求. 训练必须使用 GPU 进行训练！ 推理目前分为命令行推理和WebUI 推理，对速度要求 …

2024年2月6日 · 因为GAN，这里还是要分成D和G的部分. G的部分比较复杂， 其中score_loss和feat_loss，是GAN训练生成器的时候 ，把生成的数据进行判别得到的最终score，以及中间层每层结果和real的loss. mel_loss和stft_loss，是重构损失，mel_loss就是把输入和生成的音频进行mel滤 …

2024年12月29日 · 本模型采用了融合的方式，可以线性控制聚类方案与非聚类方案的占比，也就是可以手动在”像目标音色” 和 “咬字清晰” 之间调整比例，找到合适的折中点。 使用聚类只需要额外训练一个聚类模型，虽然效果比较有限，但训练成本也比较低。 ⌚️ 聚类模型现在可以使用 GPU 训练了，只要约不到 1 分钟即可完成训练。 聚类模型的训练基于数据集，因此请在预处理完成后再训练聚类。 特征检索和聚类方案一样，可以减少音色泄露，使得模型的输出更像目标音色，但 …