【so-vits-svc】手把手教你老婆唱歌

我的实践记录（详细见http://wangc.site/cbrain/share?nodeid=7d0a2650b37ca9db）

• 模型：so-vits-svc
• 云平台：AutoDL-品质GPU租用平台-租GPU就上AutoDL
• A5000的一小时1.3元（2023年4月28日）
• MP3转WAV - 在线转换音频文件 (aconvert.com)

实践

• 训练语料：录制清唱音频800+条（每个10~20秒）
• 推理语料：中文干声 | 我爱REMIX (woairemix.com)，用插件下载试听片段
• 模型训练与推理：
• 800条语料，训练一晚上，10个小时，到了36000步（后硬盘满了停了）
• step：10000之后比较了下没太大差别
• key：音高影响较大，调整到适合自己音域的，推理出的音色才更像
• slice_db：差别不大
• 推理材料：推理材料的质量，影响还是比较大的，以上收集的都是分离出的干声，有些不太干净，如果能有专门录制的清场会更好；另外和歌手因素关系也很大，唱法技巧，咬字发声，个人特点很鲜明的，如果只是迁移下音色，那么还是会很像原素材。
• 最后发现影响最大的竟然是 音频格式？下载的mp3效果很差，自动生成出的flac格式效果就比较好

成果

• 2023年4月30日
• 成品：曾经的你，我的名字，雅俗共赏
• 其他不行主要是有好多“爆音”的地方，另外像周杰伦、林俊杰个人特点很突出的，出来效果还是有强烈的原曲风格