so vits svc fork Download - so vits svc fork Source Source Download Download

so vits svc fork

ซอร์สโค้ดอื่น ๆ

v4.2.26

ดาวน์โหลด

SoftVC เหมาะกับการร้องเพลง Singing Voice Fork

简体中文

ส้อมของ so-vits-svc พร้อม การสนับสนุนแบบเรียลไทม์ และ อินเตอร์เฟสที่ปรับปรุงอย่างมาก ขึ้นอยู่กับสาขา 4.0 (v1) (หรือ 4.1 ) และโมเดลเข้ากันได้ 4.1 ไม่รองรับรุ่น รุ่นอื่น ๆ ยังไม่รองรับ

ไม่ได้รับการดูแลอีกต่อไป

เหตุผล

ภายในหนึ่งปีเทคโนโลยีมีการพัฒนาอย่างมากและมีทางเลือกที่ดีกว่ามากมาย
หวังว่าจะสร้างพื้นที่เก็บข้อมูลแบบแยกส่วนง่ายขึ้น แต่ไม่ได้มีทักษะเวลาเงินที่จะทำเช่นนั้น
Pysimplegui ไม่ใช่ LGPL อีกต่อไป
การใช้ Typer จะได้รับความนิยมมากกว่าการคลิกโดยตรง

ทางเลือก

ระวังผู้มีอิทธิพลน้อยมากที่ ค่อนข้างประหลาดใจมาก เกี่ยวกับโครงการ/เทคโนโลยีใหม่ ๆ คุณต้องใช้โพสต์เครือข่ายสังคมทุกครั้งด้วยความสงสัยกึ่ง

เสียงตัวเปลี่ยนเสียงที่เกิดขึ้นในปี 2566 ได้สิ้นสุดลงและนักพัฒนาหลายคนไม่ใช่แค่ในที่เก็บนี้ยังไม่ได้ใช้งานอยู่พักหนึ่ง

มีทางเลือกมากมายในการแสดงที่นี่ แต่:

ครอบครัว RVC: IAHISPANO/APPLIO (MIT), RVC (AGPL) ของ Fumiama และ RVC ดั้งเดิม (MIT)
VCClient (MIT ฯลฯ ) ได้รับการดูแลอย่างแข็งขันและเสนอ GUI บนเว็บสำหรับการแปลงแบบเรียลไทม์
การแพร่กระจายของปลาพยายามที่จะเป็นแบบแยกส่วน แต่ไม่ค่อยได้รับการดูแลอย่างแข็งขัน
YXLLLC/DDSP -SVC - มีการเผยแพร่ใหม่เป็นครั้งคราว yxlllc/reflow-vae-svc
Coqui-AI/TTS สำหรับ TTS แต่เป็นโมดูลบางส่วน อย่างไรก็ตามมันไม่ได้รับการดูแลอีกต่อไปโชคไม่ดี

ที่อื่น ๆ การเริ่มต้นหลายครั้งได้ปรับปรุงและทำการตลาดเปลี่ยนเสียง (อาจเป็นเพื่อผลกำไร)

การอัปเดตที่เก็บนี้ จำกัด อยู่ที่การบำรุงรักษาตั้งแต่ฤดูใบไม้ผลิปี 2023 เป็นการยากที่จะ จำกัด รายชื่อทางเลือกที่นี่ แต่โปรดลองลองทำโครงการอื่น ๆ หากคุณกำลังมองหาเครื่องเปลี่ยนเสียงที่มีประสิทธิภาพที่ดียิ่งขึ้น (โดยเฉพาะในแง่ของความล่าช้าอื่น ๆ นอกเหนือจากคุณภาพ) - อย่างไรก็ตามโครงการนี้อาจเหมาะสำหรับผู้ที่ต้องการลองเปลี่ยนเสียงในขณะนี้ (เพราะติดตั้งง่าย)

คุณสมบัติที่ไม่มีใน repo ดั้งเดิม

การแปลงเสียงแบบเรียลไทม์ (ปรับปรุงใน v1.1.0)
บางส่วนรวม QuickVC
แก้ไขการใช้ ContentVec ในทางที่ผิดในที่เก็บเดิม ¹
การประมาณระดับเสียงที่แม่นยำยิ่งขึ้นโดยใช้ CREPE
GUI และ Unified CLI มีให้บริการ
การฝึกอบรมที่เร็วขึ้น ~ 2x
พร้อมใช้งานเพียงแค่ติดตั้งด้วย pip
ดาวน์โหลดรุ่นที่ผ่านการฝึกอบรมโดยอัตโนมัติ ไม่จำเป็นต้องติดตั้ง fairseq
รหัสที่จัดรูปแบบอย่างสมบูรณ์ด้วยสีดำ, iSort, autoflake ฯลฯ

การติดตั้ง

ตัวเลือก 1. คลิกเดียวการติดตั้งง่ายๆ

ไฟล์ค้างคาวนี้จะดำเนินการตามขั้นตอนที่อธิบายไว้ด้านล่างโดยอัตโนมัติ

ตัวเลือก 2. การติดตั้งด้วยตนเอง (โดยใช้ PIPX, การทดลอง)

1. การติดตั้ง pipx

Windows (ต้องใช้เวอร์ชันการพัฒนาเนื่องจาก PYPA/PIPX#940):

py -3 -m pip install --user git+https://github.com/pypa/pipx.git
py -3 -m pipx ensurepath

Linux/MacOS:

python -m pip install --user pipx
python -m pipx ensurepath

2. การติดตั้ง So-Vits-SVC-Fork

pipx install so-vits-svc-fork --python=3.11
pipx inject so-vits-svc-fork torch torchaudio --pip-args= " --upgrade " --index-url=https://download.pytorch.org/whl/cu121 # https://download.pytorch.org/whl/nightly/cu121

ตัวเลือก 3. การติดตั้งด้วยตนเอง

การสร้างสภาพแวดล้อมเสมือนจริง

Windows:

py -3.11 -m venv venv
venv S cripts a ctivate

Linux/MacOS:

python3.11 -m venv venv
source venv/bin/activate

Anaconda:

conda create -n so-vits-svc-fork python=3.11 pip
conda activate so-vits-svc-fork

การติดตั้งโดยไม่ต้องสร้างสภาพแวดล้อมเสมือนอาจทำให้ PermissionError หากติดตั้ง Python ในไฟล์โปรแกรม ฯลฯ

ติดตั้งนี้ผ่าน PIP (หรือตัวจัดการแพ็คเกจที่คุณชื่นชอบที่ใช้ PIP):

python -m pip install -U pip setuptools wheel
pip install -U torch torchaudio --index-url https://download.pytorch.org/whl/cu121 # https://download.pytorch.org/whl/nightly/cu121
pip install -U so-vits-svc-fork

หมายเหตุ

หากไม่มี GPU หรือใช้ MacOS เพียงแค่ลบ pip install -U torch torchaudio --index-url https://download.pytorch.org/whl/cu121 สมาชิกสภาผู้แทนราษฎรอาจได้รับการสนับสนุน
หากคุณใช้ AMD GPU บน Linux ให้แทนที่ --index-url https://download.pytorch.org/whl/cu121 ด้วย --index-url https://download.pytorch.org/whl/nightly/rocm5.7 AMD GPU ไม่รองรับบน Windows (#120)

อัปเดต

โปรดอัปเดตแพ็คเกจนี้เป็นประจำเพื่อรับคุณสมบัติล่าสุดและการแก้ไขข้อบกพร่อง

pip install -U so-vits-svc-fork
# pipx upgrade so-vits-svc-fork

การใช้งาน

การอนุมาน

GUI

GUI เปิดตัวด้วยคำสั่งต่อไปนี้:

svcg

CLI

เรียลไทม์ (จากไมโครโฟน)

svc vc

ไฟล์

svc infer source.wav

แบบจำลองที่ผ่านการฝึกอบรมมีให้บริการในการกอดใบหน้าหรือ civitai

หมายเหตุ

หากใช้ WSL โปรดทราบว่า WSL ต้องการการตั้งค่าเพิ่มเติมเพื่อจัดการเสียงและ GUI จะไม่ทำงานโดยไม่ต้องค้นหาอุปกรณ์เสียง
ในการอนุมานแบบเรียลไทม์หากมีเสียงรบกวนในอินพุตโมเดลฮิวเบิร์ตจะตอบสนองต่อสิ่งเหล่านั้นเช่นกัน พิจารณาใช้แอพพลิเคชั่นลดเสียงรบกวนแบบเรียลไทม์เช่น RTX Voice ในกรณีนี้
รุ่นอื่นที่ไม่ใช่ 4.0v1 หรือที่เก็บนี้ไม่ได้รับการสนับสนุน
การอนุมาน GPU ต้องใช้ VRAM อย่างน้อย 4 GB หากไม่ได้ผลให้ลองใช้การอนุมาน CPU เพราะเร็วพอ ²

การฝึกอบรม

ก่อนฝึกอบรม

หากชุดข้อมูลของคุณมี BGM โปรดลบ BGM โดยใช้ซอฟต์แวร์เช่น Ultimate Vocal Remover แนะนำให้ใช้หลัก 3_HP-Vocal-UVR.pth หรือ UVR-MDX-NET Main ³
หากชุดข้อมูลของคุณเป็นไฟล์เสียงยาวที่มีลำโพงตัวเดียวให้ใช้ svc pre-split เพื่อแยกชุดข้อมูลเป็นหลายไฟล์ (โดยใช้ librosa )
หากชุดข้อมูลของคุณเป็นไฟล์เสียงยาวที่มีลำโพงหลายตัวให้ใช้ svc pre-sd เพื่อแยกชุดข้อมูลออกเป็นหลายไฟล์ (โดยใช้ pyannote.audio ) การจำแนกประเภทด้วยตนเองเพิ่มเติมอาจจำเป็นเนื่องจากปัญหาความถูกต้อง หากลำโพงพูดด้วยสไตล์การพูดที่หลากหลายให้ตั้งค่า-ผู้พูดที่มีขนาดใหญ่กว่าจำนวนลำโพงจริง เนื่องจากการพึ่งพาที่ไม่ได้รับการแก้ไขโปรดติดตั้ง pyannote.audio ด้วยตนเอง: pip install pyannote-audio
ในการจำแนกไฟล์เสียงด้วยตนเอง svc pre-classify จะพร้อมใช้งาน ปุ่มลูกศรขึ้นและลงสามารถใช้เพื่อเปลี่ยนความเร็วในการเล่น

คลาวด์

⁴

หากคุณไม่สามารถเข้าถึง GPU ที่มี VRAM มากกว่า 10 GB แนะนำให้ใช้แผนฟรีของ Google Colab สำหรับผู้ใช้ที่มีแสงสว่างและแผนการเติบโตของ Pro/Growth ของ Paperspace สำหรับผู้ใช้จำนวนมาก ในทางกลับกันหากคุณสามารถเข้าถึง GPU ระดับสูงได้ไม่แนะนำให้ใช้บริการคลาวด์

ท้องถิ่น

วางชุดข้อมูลของคุณเช่น dataset_raw/{speaker_id}/**/{wav_file}.{any_format} (subfolders และชื่อไฟล์ที่ไม่ใช่ ascii เป็นที่ยอมรับ) และเรียกใช้:

svc pre-resample
svc pre-config
svc pre-hubert
svc train -t

หมายเหตุ

ชุดข้อมูลระยะเวลาเสียงต่อไฟล์ควรเป็น <~ 10s
ต้องการ VRAM อย่างน้อย 4GB ⁵
ขอแนะนำให้เพิ่ม batch_size ให้มากที่สุดใน config.json ก่อนที่คำสั่ง train เพื่อให้ตรงกับความจุ VRAM การตั้ง batch_size เป็น auto-{init_batch_size}-{max_n_trials} (หรือเพียงแค่ auto ) จะเพิ่ม batch_size โดยอัตโนมัติจนกว่าจะเกิดข้อผิดพลาด oom แต่อาจไม่เป็นประโยชน์ในบางกรณี
หากต้องการใช้ CREPE ให้แทนที่ svc pre-hubert ด้วย svc pre-hubert -fm crepe
หากต้องการใช้ ContentVec อย่างถูกต้องให้แทนที่ svc pre-config ด้วย -t so-vits-svc-4.0v1 การฝึกอบรมอาจใช้เวลานานขึ้นเล็กน้อยเนื่องจากน้ำหนักบางส่วนจะถูกรีเซ็ตเนื่องจากนำน้ำหนักเริ่มต้นของเครื่องกำเนิดไฟฟ้าเริ่มต้นกลับมาใหม่
หากต้องการใช้ MS-iSTFT Decoder ให้แทนที่ svc pre-config ด้วย svc pre-config -t quickvc
การกำจัดความเงียบและการปรับระดับเสียงจะดำเนินการโดยอัตโนมัติ (เช่นใน repo ต้นน้ำ) และไม่จำเป็นต้องใช้
หากคุณได้รับการฝึกฝนในชุดข้อมูลที่ไม่มีลิขสิทธิ์ขนาดใหญ่ให้พิจารณาปล่อยเป็นแบบจำลองเริ่มต้น
สำหรับรายละเอียดเพิ่มเติม (เช่นพารามิเตอร์ ฯลฯ ) คุณสามารถเห็นวิกิหรือการอภิปราย

ความช่วยเหลือเพิ่มเติม

สำหรับรายละเอียดเพิ่มเติมเรียกใช้ svc -h หรือ svc <subcommand> -h

 > svc -h
Usage: svc [OPTIONS] COMMAND [ARGS]...

  so-vits-svc allows any folder structure for training data.
  However, the following folder structure is recommended.
      When training: dataset_raw/{speaker_name}/ ** /{wav_name}.{any_format}
      When inference: configs/44k/config.json, logs/44k/G_XXXX.pth
  If the folder structure is followed, you DO NOT NEED TO SPECIFY model path, config path, etc.
  (The latest model will be automatically loaded.)
  To train a model, run pre-resample, pre-config, pre-hubert, train.
  To infer a model, run infer.

Options:
  -h, --help  Show this message and exit.

Commands:
  clean          Clean up files, only useful if you are using the default file structure
  infer          Inference
  onnx           Export model to onnx (currently not working)
  pre-classify   Classify multiple audio files into multiple files
  pre-config     Preprocessing part 2: config
  pre-hubert     Preprocessing part 3: hubert If the HuBERT model is not found, it will be...
  pre-resample   Preprocessing part 1: resample
  pre-sd         Speech diarization using pyannote.audio
  pre-split      Split audio files into multiple files
  train          Train model If D_0.pth or G_0.pth not found, automatically download from hub.
  train-cluster  Train k-means clustering
  vc             Realtime inference from microphone

ลิงค์ภายนอก

การสอนวิดีโอ

ผู้มีส่วนร่วม

ขอบคุณไปที่คนที่ยอดเยี่ยมเหล่านี้ (คีย์อีโมจิ):

_34J - - - - ?	_{Garrettconway} - -	_{บลูมูเล็ต} - -	_{ThrowawayAccount01} -	_緋 -	_lordmau5 - - - -	_DL909 -
_{ตอบสนอง 256} -	_{Pierluigi Zagaria} -	_{นักร้อง} -	_Desuka-Art -	_Heyfixit	_{หนูโง่} -	_谢宇
_ColdCawfee -	_{เซเบอร์} - - -	_Meldoner - -	_Mmodeusher -	_allondan -	_likkkez -	_{เกมเทปพันท่อ} -
_{Xianglong เขา} -	_75aosu -	_Tonyco82 -	_yxlllc -	_{เลียนแบบ} -	_{escoolioinglesias} - - -	_{คนผิวดำ} -
_{Mgs M. Thoyib Antarnusa} -	_{ผู้ขับขี่} -	_{เสียงโสตบอน} - -	_{Alexander Koumis}	_{อาเจคามิ} -	_สูง -	_Scorpi
_maximxls	_star3lord -	_{ฟอร์โกซ} -	_{Zerui Chen} -	_{Roee Shenberg} - -	_Justas -	_Onako2
_4ll0w3v1l	_j5y0v6b ?	_{Marcellocirelli} -	_{Priyanshu Patel}	_{Anna Gorshunova} -

โครงการนี้เป็นไปตามข้อกำหนดทั้งหมดของผู้เข้าร่วม การมีส่วนร่วมทุกชนิดยินดีต้อนรับ!

#206 ↩
#469 ↩
https://ytpmv.info/how-to-use-uvr/ ↩
หากคุณลงทะเบียนรหัสการอ้างอิงจากนั้นเพิ่มวิธีการชำระเงินคุณสามารถประหยัดได้ประมาณ $ 5 ในการเรียกเก็บเงินรายเดือนครั้งแรกของเดือนแรก โปรดทราบว่ารางวัลการอ้างอิงทั้งสองเป็นเครดิตของกระดาษและไม่ใช่เงินสด มันเป็นการตัดสินใจที่ยากลำบาก แต่แทรกเพราะการดีบักและการฝึกอบรมโมเดลเริ่มต้นต้องใช้พลังการคำนวณจำนวนมากและนักพัฒนาเป็นนักเรียน
#456 ↩

ขยาย

ข้อมูลเพิ่มเติม