AI歌手，主流SVC项目效果对比

电脑配置：

操作系统名称 Microsoft Windows 11 家庭中文版

处理器 AMD Ryzen 7 5800H with Radeon Graphics

显卡 RTX 3060 6G 

内存 DDR4 3200 24G 

一共测试了3个项目，RVC,DiffusionSVC,DDSP-SVC

sovits-svc-4.1由于显存不够，没有更好的硬件，暂时没有进行测试

1.RVC （618版本）

优点：

【训练要求】配置要求中等，对数据集大小要求低，10分钟数据也可训练

【合成效果】没有音域限制，效果中规中矩，歌声转换还行

缺点：

【训练要求】数据集需人声混响处理干净，不然会出现电音训练失败。

【合成效果】咬字不清，语音变声会出现很多错误发音，比如yi ou之类的会发e，经测试，更换或增大数据集并不能解决此类问题

有时会出现声音感情很奇怪的现象，比如输入音很正常，但合成出来会很凶（通过筛选数据集感情又会变化），貌似是模型泛化能力不够造成的

索引会占用大量CPU，且在小数据集训练的模型上无法完全杜绝音色泄露

2.DiffusionSVC（1.0）（naive+浅扩散100step）

优点：

【训练要求】配置要求低，数据集可带混响

【合成效果】中低音合成效果非常棒，咬字清晰，感情不变，无音色泄露，且推理性能好，占电脑资源少。

缺点：有音域限制，对于F5以上高音的合成效果是【很虚，音量很小】

3.DDSP-SVC（3.0）

3.1【DDSP+预训练声码器增强器】

【训练要求】配置要求低，2G显存都能跑，数据集可带混响

【合成效果】

优点：在使用预训练声码器增强器的情况下，合成效果略微差于DiffusionSVC，好于RVC

有音域限制，但是推理时可以添加-eak <enhancer_adaptive_key (semitones)>参数，将增强器适配于更高的音域

且推理性能好，占电脑资源少

缺点：咬字较DiffusionSVC稍显不清晰，附带一点电音

3.2【DDSP + Diff-SVC 重构版】

【合成效果】有音域限制，无法使用-eak参数 适配更高音域，其他特点与（DDSP+预训练声码器）增强器差不多