SO-VITS-SVC模型是一种基于ai智能技术的音频转音频开源项目，使用音色转换算法，能够在大规模数据集上进行高效检索，收集音色，形成专业的音色模型，生成非常逼真的声音以此来模拟想要模拟的声音，并且可以与其他人共享训练结果和模型参数。
so-vits-svc是最近很火的一款ai音频转音频开源项目，属于音色转换算法，支持正常的说话，也支持歌声的音色转换。
1.使用了一种称为“生成对抗网络”的技术，可以生成非常逼真的声音
2.可以通过输入少量的音频数据，生成具有相似音色和唱腔的新歌曲。
3.翻唱作品在技术上非常先进，并且得到了广泛的关注和赞誉，但是它也存在着一些法律问题。
1、进入到官网界面，找到登录的入口，点击Sign in
2、跳转到登录界面，输入账号、密码，然后单击Sign in按钮登录
3、进入到自己的管理项目界面，在左上方有个搜索框，可以输入关键字查找项目
4、在搜索框输入vue关键字，查找到vuex并点击进入
5、进入到别人某个项目的详细界面，点击右下方绿色按钮（Clone or Download）
6、展开菜单，可以选择使用Git检出项目，也可以使用SSH检出，还可以使用下载ZIP方式
7、选择Git检出方式，复制项目的git路径，打开Git命令窗口，使用git clone 项目路径，下载项目
8.手机版GitHub进入之后，点击desktop,进入代码,有个download按钮,点击就可以下载了。
报错：UnicodeDecodeError: utf-8 codec cant decode byte 0xd0 in position xx
答：数据集文件名中不要包含中文或日文等非西文字符。
报错：页面文件太小，无法完成操作。
答：调整一下虚拟内存大小，具体的方法各种地方一搜就能搜到，不展开了。
报错：UnboundLocalError: local variable audio referenced before assignment
答：上传的推理音频需要是16位整数wav格式，用Au转换一下就好。或者装个ffmpeg一劳永逸地解决问题。
报错：AssertionError: CPU training is not allowed.
答：非N卡跑不了的。
报错：torch.cuda.OutOfMemoryError: CUDA out of memory
答：爆显存了，试着把batch_size改小，改到1还爆的话建议云端训练。
报错：RuntimeError: DataLoader worker (pid(s) xxxx) exited unexpectedly
答：把虚拟内存再调大一点。
报错：NotImplementedError: Only 2D, 3D, 4D, 5D padding with non-constant padding are supported for now
答：数据集切片切太长了，5-10秒差不多。
报错：CUDA error: CUBLAS_STATUS_NOT_INITIALIZED when calling cublasCreate(handle)
答：爆显存了，基本上跟CUDA有关的报错大都是爆显存……
报错：torch.multiprocessing.spawn.ProcessExitedException: process 0 terminated with exit code 3221225477
答：调大虚拟内存，管理员运行脚本
报错：HParams object has no attribute xxx
答：无法找到音色，一般是配置文件和模型没对应，打开配置文件拉到最下面看看有没有你训练的音色
报错：The expand size of the tensor (768) must match the existing size (256) at non-singleton dimension 0.
答：把dataset/44k下的内容全部删了，重新走一遍预处理流程
报错：Given groups=1, weight of size [xxx, 256, xxx], expected input[xxx, 768, xxx] to have 256 channels, but got 768 channels instead
答：v1分支的模型用了vec768的配置文件，如果上面报错的256的768位置反过来了那就是vec768的模型用了v1的配置文件
Q: 跑这个的最低配置要求是啥啊？
A: 支持CUDA的6G显存以上的N卡，硬盘也留足一点空间。
Q: A卡真的跑不了吗哭哭
A: 理论上可以在Ubuntu或Linux环境下通过ROCm来实现，但是比较麻烦，小白建议放弃直接去云端。
Q: 我的显卡达不到最低要求，云端又心疼钱，真的没法训练了吗？
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。切出来过长的音频可以调整一下slicer里的maximum silence length这一条，改成500或者更低。还有过长的音频就自己用Au之类的手动切一下啦。
Q: 我怎么判断模型有没有训练好？
A: 数据集数量正常的情况下（几百条），可以每隔几千步（是总步数不是epoch）跑出来的模型推理听一下，你觉得ok就ok，一般一万步就可以有一个不错的效果了。或者有代码基础的可以用tensorboard查看一下损失率收敛趋势。
Q: 那么问题来了，tensorboard怎么用？
A: python38\Scripts\tensorboard.exe --logdir logs\44k
Q: 我在训练途中按 CTRL+C 暂停训练，继续训练的时候为什么从头开始/步数掉了很多呢？
A: 视频里说的有点歧义，其实是从你上一个保存的模型的进度开始的，比如保存的一个模型是G_8000, 即使你训练到了第8799步，只要下一个模型还没保存，继续训练的时候都是从第8000步开始的。同理，如果一个模型也没保存，那就是从头开始训练。
Q: 如果我在训练中途想要追加一些数据集该怎么办呢？
A: 需要重新预处理并重新训练。
Q: 我为什么没有聚类模型啊？
A: 罚你重看一遍视频。
Q: 训练聚类模型的时候显卡根本没占用是怎么会是呢？
A: 聚类模型训练吃的是你的CPU，看一下python进程在占用CPU就是在训练，等就行了。
Q: 我实在是太懒了，只想让AI帮我读稿子，不想自己录原声再推理，有啥办法吗？
A: 出门右转隔壁 VITS 项目，最近有个 VITS fast fine-tuning 的方法（BV1Jg4y1E7df），几分钟的素材就能练出比较相似的声音，虽然效果没那么好但它实在是太方便了。
Q: 云端训练好的模型怎么在本地用？
A: 下载G模型和对应的config文件，放到本地的对应文件夹就行（.\logs\44k和.\configs）
Q: 我实在不会搞了，请问UP能代训练吗？有偿的那种。
A: 不能。
Q: 我训练和推理都很顺利！现在已经做了一首翻唱了，想上传到B站，有什么注意事项吗？
A: 请勿在视频简介标注项目仓库和整合包作者信息。请标注视频中所使用的输入源和训练集音声来源。
为大家带来SO-VITS-SVC模型 云端训练下载，GitHub上的一个最近比较火的开源项目，融入了ai智能技术，让大家通过最近大火的ai智能算法和音色转换算法生成想要的音色！
暂无
简体中文
全年龄对象
(GitHub)免费版v1.112.0
0KB
免费
否
查看权限
暂无评论，期待你的妙语连珠
预约成功！,
到时你将收到我们的短信提醒。
渝ICP备20008086号-17 渝公网安备50010702505138号
ejdz2023#163.com(#替换为@) QQ:2368208271
渝公网安备50010702505138号
SO-VITS-SVC模型云端训练
应用截图
应用简介
SO-VITS-SVC模型是一种基于ai智能技术的音频转音频开源项目，使用音色转换算法，能够在大规模数据集上进行高效检索，收集音色，形成专业的音色模型，生成非常逼真的声音以此来模拟想要模拟的声音，并且可以与其他人共享训练结果和模型参数。
so-vits-svc介绍
so-vits-svc是最近很火的一款ai音频转音频开源项目，属于音色转换算法，支持正常的说话，也支持歌声的音色转换。
so-vits-svc特色
1.使用了一种称为“生成对抗网络”的技术，可以生成非常逼真的声音
2.可以通过输入少量的音频数据，生成具有相似音色和唱腔的新歌曲。
3.翻唱作品在技术上非常先进，并且得到了广泛的关注和赞誉，但是它也存在着一些法律问题。
GitHub如何下载别人的项目
1、进入到官网界面，找到登录的入口，点击Sign in
2、跳转到登录界面，输入账号、密码，然后单击Sign in按钮登录
3、进入到自己的管理项目界面，在左上方有个搜索框，可以输入关键字查找项目
4、在搜索框输入vue关键字，查找到vuex并点击进入
5、进入到别人某个项目的详细界面，点击右下方绿色按钮（Clone or Download）
6、展开菜单，可以选择使用Git检出项目，也可以使用SSH检出，还可以使用下载ZIP方式
7、选择Git检出方式，复制项目的git路径，打开Git命令窗口，使用git clone 项目路径，下载项目
8.手机版GitHub进入之后，点击desktop,进入代码,有个download按钮,点击就可以下载了。
SO-VITS-SVC常见报错解决办法
报错：UnicodeDecodeError: utf-8 codec cant decode byte 0xd0 in position xx
答：数据集文件名中不要包含中文或日文等非西文字符。
报错：页面文件太小，无法完成操作。
答：调整一下虚拟内存大小，具体的方法各种地方一搜就能搜到，不展开了。
报错：UnboundLocalError: local variable audio referenced before assignment
答：上传的推理音频需要是16位整数wav格式，用Au转换一下就好。或者装个ffmpeg一劳永逸地解决问题。
报错：AssertionError: CPU training is not allowed.
答：非N卡跑不了的。
报错：torch.cuda.OutOfMemoryError: CUDA out of memory
答：爆显存了，试着把batch_size改小，改到1还爆的话建议云端训练。
报错：RuntimeError: DataLoader worker (pid(s) xxxx) exited unexpectedly
答：把虚拟内存再调大一点。
报错：NotImplementedError: Only 2D, 3D, 4D, 5D padding with non-constant padding are supported for now
答：数据集切片切太长了，5-10秒差不多。
报错：CUDA error: CUBLAS_STATUS_NOT_INITIALIZED when calling cublasCreate(handle)
答：爆显存了，基本上跟CUDA有关的报错大都是爆显存……
报错：torch.multiprocessing.spawn.ProcessExitedException: process 0 terminated with exit code 3221225477
答：调大虚拟内存，管理员运行脚本
报错：HParams object has no attribute xxx
答：无法找到音色，一般是配置文件和模型没对应，打开配置文件拉到最下面看看有没有你训练的音色
报错：The expand size of the tensor (768) must match the existing size (256) at non-singleton dimension 0.
答：把dataset/44k下的内容全部删了，重新走一遍预处理流程
报错：Given groups=1, weight of size [xxx, 256, xxx], expected input[xxx, 768, xxx] to have 256 channels, but got 768 channels instead
答：v1分支的模型用了vec768的配置文件，如果上面报错的256的768位置反过来了那就是vec768的模型用了v1的配置文件
SO-VITS-SVC常见问题
Q: 跑这个的最低配置要求是啥啊？
A: 支持CUDA的6G显存以上的N卡，硬盘也留足一点空间。
Q: A卡真的跑不了吗哭哭
A: 理论上可以在Ubuntu或Linux环境下通过ROCm来实现，但是比较麻烦，小白建议放弃直接去云端。
Q: 我的显卡达不到最低要求，云端又心疼钱，真的没法训练了吗？
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。切出来过长的音频可以调整一下slicer里的maximum silence length这一条，改成500或者更低。还有过长的音频就自己用Au之类的手动切一下啦。
Q: 我怎么判断模型有没有训练好？
A: 数据集数量正常的情况下（几百条），可以每隔几千步（是总步数不是epoch）跑出来的模型推理听一下，你觉得ok就ok，一般一万步就可以有一个不错的效果了。或者有代码基础的可以用tensorboard查看一下损失率收敛趋势。
Q: 那么问题来了，tensorboard怎么用？
A: python38\Scripts\tensorboard.exe --logdir logs\44k
Q: 我在训练途中按 CTRL+C 暂停训练，继续训练的时候为什么从头开始/步数掉了很多呢？
A: 视频里说的有点歧义，其实是从你上一个保存的模型的进度开始的，比如保存的一个模型是G_8000, 即使你训练到了第8799步，只要下一个模型还没保存，继续训练的时候都是从第8000步开始的。同理，如果一个模型也没保存，那就是从头开始训练。
Q: 如果我在训练中途想要追加一些数据集该怎么办呢？
A: 需要重新预处理并重新训练。
Q: 我为什么没有聚类模型啊？
A: 罚你重看一遍视频。
Q: 训练聚类模型的时候显卡根本没占用是怎么会是呢？
A: 聚类模型训练吃的是你的CPU，看一下python进程在占用CPU就是在训练，等就行了。
Q: 我实在是太懒了，只想让AI帮我读稿子，不想自己录原声再推理，有啥办法吗？
A: 出门右转隔壁 VITS 项目，最近有个 VITS fast fine-tuning 的方法（BV1Jg4y1E7df），几分钟的素材就能练出比较相似的声音，虽然效果没那么好但它实在是太方便了。
Q: 云端训练好的模型怎么在本地用？
A: 下载G模型和对应的config文件，放到本地的对应文件夹就行（.\logs\44k和.\configs）
Q: 我实在不会搞了，请问UP能代训练吗？有偿的那种。
A: 不能。
Q: 我训练和推理都很顺利！现在已经做了一首翻唱了，想上传到B站，有什么注意事项吗？
A: 请勿在视频简介标注项目仓库和整合包作者信息。请标注视频中所使用的输入源和训练集音声来源。
小编点评
为大家带来SO-VITS-SVC模型 云端训练下载，GitHub上的一个最近比较火的开源项目，融入了ai智能技术，让大家通过最近大火的ai智能算法和音色转换算法生成想要的音色！
详细信息
暂无
简体中文
全年龄对象
(GitHub)免费版v1.112.0
0KB
免费
否
查看权限
评论（0）
暂无评论，期待你的妙语连珠
预约成功！,
到时你将收到我们的短信提醒。
相似软件
最新收录