对于sovits和diff-svc数据集制作以及推理方面的心得
SVC（音色转换）模型的炼丹教程其实站内外都有，尤其是站内MasterSatori佬当初对我有过不少指导，在此表示感谢！我这里就讲下数据集制作以及推理方面的心得。
数据集制作：
无论sovits还是diff-svc，为了获得比较好的效果都推荐1000条以上的语音或2小时以上的时长（单声道wav格式并且采样率尽可能高），单条语音尽量控制在2-15s左右的长度，长音频切割可使用自动切片机（audio-slicerUI：https://github.com/flutydeer/audio-slicer），假如游戏角色语音过少找代餐是不错的选择，数据集音频质量＞音频数量。
语音尽量去除底噪和混响，使用歌声作为数据集需要考虑混响的问题，否则推理出来可能会自带噪声和混响（惨痛教训），降噪我用的是AU。直播录制的音频需要去除BGM和杂音，如果数据集来源并不统一可能需要使用AU进行响度匹配。
另外要是您不能保证数据集均处在一个比较高的质量，训练sovits模型是更好的选择，（diff-svc的上限虽然更高，但对数据集质量要求也更高）。
训练多人模型存在音色泄露的风险，但模型可能会获得更好的音域。
推理：
要推理的歌曲需要用到UVR5来分离人声和伴奏，也可结合AU反相去伴奏使用。
分离我是这么做的，先用4_HP-Vocal提取人声后把保存的人声用5_HP-Karaoke再跑一次来获得更干净的人声，分离伴奏就用歌曲单独跑一次5_HP-Karaoke就行。
2.推理时使用GUI会更方便（推荐站内 纳鲁塞-缪-希娜卡纳 大佬的MoeSS和Sovits Gradio），
把分离好的人声丢进去按需调整音高（混音时伴奏也要升降调）推理后保存就行。
3.试听推理好的人声没问题就和伴奏一起丢进AU或其它混音软件进行降噪和添加混响，有需要的可进一步调混音，最后导出保存就完成了。
