【AI翻唱】AI翻唱哪家强？So-VITS 与 Diff-SVC 的效果直观对比

个人体验，sovits加聚类某些场合下表现会优于diff svc，gan网络训练调参是难题，diffusion虽然更容易收敛但是大部分人应该都没有能撑起那个质量的数据集。sovits会带点电但是娱乐一下做做二创足够了，加上伴奏一混大部分人也听不出明显差别。4.0v2的visinger结构有部分参考了vits，改善呼吸声带电，但是有些发音会炸，比较玄学。

♥ 149 ↩ 12

diff svc太吃数据集了，感觉要数据质量很高才能用，我练的那几炉没法用。像我们普通人能弄得的数据集声音忽大忽小，有杂音有BGM的，还是sovits更robust一点。[笑哭]另外不知道为什么我练的sovits3.0效果比4.0好不少，可能是因为我大部分数据时长都在1s左右，这么短数据的4.0训练的时候会直接忽略[笑哭]还有请问能不能出个diff singer的对比？我还没来得及玩那个

♥ 101 ↩ 9

我是发现，最复杂的是对输入的音频预处理，要去伴奏，消和声，麻烦的很…

♥ 34 ↩ 7

哼唱的话，应该是人声分离的锅，uvr什么时候AI质变一下，期待[doge]

♥ 32 ↩ 39

So-VITS是不是永远不会有5.0了

♥ 21 ↩ 17

Diff-SVC要饱满些，但是都还要后期去齿音[doge]

♥ 15 ↩ 1

我有个想法，可以用洛天依唱歌，然后So-VITS 转换音色

♥ 9 ↩ 10

我这木耳完全听不出区别orz

♥ 6 ↩ 2

在这个视频里的两个我更喜欢sovits的，diffsvc的有点不稳

♥ 5

如果数量多（上千条），那么diff会更好。

♥ 4 ↩ 1

diff svc只能用来做翻唱吗？可以用来做正常说话吗？

♥ 3 ↩ 1

开头我还以为我手机铃声响了😡

♥ 3

现在ddsp6的效果咋样呢

♥ 2 ↩ 1

只能N卡用？

♥ 2 ↩ 1

so-vits yyds

♥ 2

不说准确度，感觉sovits声音更讨喜

♥ 2

为什么在线版的模型，转换的声音都非常差，我是专门调的单声道22050采样wav格式的文件的

♥ 2

我觉得还得ace stdio

♥ 2

蛙趣

♥ 2

replay;seedvc;neucosvc我目前了解了这三种翻唱方法，不知道哪个更有优势，有没有知道的大佬说一下区别？避免走弯路

♥ 1