【已过时仅参考】最详细的AI音色转换So-vits-SVC4.1本地配置/训练/推理/使用教程/非整合包/从零开始配置！
Parts
- P1 · 前言：本教程视频的组成
- P2 · 用前须知：教程及项目声明/使用规约
- P3 · 本地训练电脑配置要求
- P4 · 提前准备的音频要求/可能用到的软件
- P5 · sovits展示/音频/文字转音频
- P6 · 附录：常见报错的解决方法
- P7 · 命令行的打开方式和使用
- P8 · Python安装
- P9 · CUDA版本选取/安装/检验
- P10 · Pytorch三个相关依赖库的版本选取/安装/检验
- P11 · FFmpeg安装
- P12 · 其他依赖项的安装（上）
- P13 · 其他依赖项的安装（下）
- P14 · 如何检查依赖的安装是否完整
- P15 · 数据集(训练集)的处理
- P16 · 训练前的预处理
- P17 · 修改配置文件
- P18 · (四种)模型的训练
- P19 · 使用Tensorboard跟进训练进度及判断模型的好坏
- P20 · 在此基础上后续模型的训练
- P21 · 模型保存和分享方法
- P22 · 使用音频处理软件处理推理前的音频
- P23 · WebUI推理及推理参数的详解
- P24 · 哑音的案例复现及解决办法
- P25 · 后期混音和母带的一些建议
- P26 · [较难可跳过]多轨混音实践
- P27 · 结束语：相关链接
Description
1. 置顶评论请勿回复，我随时会更新或删置顶评论 2. 教程视频因为时间原因，已经落后！！！但是我会在github文档保持最新教程文档的更新！此外，遇到视频中没见到的报错，先看置顶评论！！！ 3. 若需要整合包，不想手配环境，请看这个视频BV1H24y187Ko 4.如果觉得教程有帮助的话，还请三连收藏加关注支持一波up主哦~ 参考资料 So-vits-SVC官方项目地址：https://github.com/svc-develop-team/so-vits-svc 教程文档：https://github.com/SUC-DriverOld/so-vits-svc-Deployment-Documents 底模【不更新】链接：https://pan.baidu.com/s/17IlNuphFHAntLklkMNtagg?pwd=dkp9 提取码：dkp9
Comments
如果想跟原曲一模一樣，我都是保留一個帶混響的原唱人聲做音量與混響的參考，在伴奏與和聲都不變的情況下，照著原唱去調整這樣子
♥ 71 ↩ 2
感谢大佬的无私分享，RipX太难找，一晚上才找出一个能用的，还有SpectraLAy。/s/1_N4hHq5bq删ySJsOLivSPciQ?pwd=kksk 解压：终点
♥ 50 ↩ 9
超感谢大佬的教程，但是讲ripx的部分有点问题，首先上传音频不能光选voice，把器乐都选上方便手动去除杂音，然后ripx只需要去除和声就行了，那些听起来发虚的成分也是干声的一部分，全去掉之后丢给svc推理反而会很奇怪，保留下来反而能保持原唱的风味
♥ 42 ↩ 2
求问，笔记本这个配置是不是不配玩vits😭😭需要加显卡么，加了能玩么？ 名称: Intel(R)Iris(R)Xe Graphics制造商: Intel Corporation 芯片类型: Intel(R)lris(R)Xe Graphics FamilyDAC类型: Internal 设备类型:完整显示设备总内存约为:8211 MB显示内存(VRAM): 128 MB 共享内存:8083 MB 当前显示模式: 2880 x 1800 (32 bit)(60Hz)
♥ 38 ↩ 11
早看到这教程就好了，这两天一直在搞这东西，然后安装完库之后运行，一直提找不到模型faiss，然后就一直在处理，给我都干发烧了，今天刷b站看到了这个教程，然后全部推翻重做可以了，我给up磕一个[给心心]
♥ 25 ↩ 4
分享一个分离人声的模型MDX23C，uvr5里面就有，今天才发现的，很好用
♥ 24 ↩ 7
帮up纠正一个小细节，如果安装fairseq的时候，出现了有关lxml的报错，并且在安装了visual sudio以后依然无法解决，可以尝试运行”pip install lxml==4.8.0“，安装4.8版本的lxml后，再正常安装fairseq就可以了
♥ 21 ↩ 3
训练模型考验耐心，跑了22个小时，现在是11485pth,不知道还要跑到什么时候。。。。上午11点钟是10000pth，等于之前17个小时跑了10000，588/小时。从10000到现在等于是374/小时，越跑越慢了。有个进度条能显示训练进度就好了，煎熬啊。[热词系列_泪目]
♥ 17 ↩ 7
So-vits-SVC和VITS-fast-fine-tuning哪个好用？
♥ 17 ↩ 15
请问训练主模型时，rtx3050的gpu内存占用3.9/4.0，但是gpu利用率大部分时间都是零，这正常吗？
♥ 16 ↩ 15
交个作业[脱单doge]全套跟下来了，大约两周之前弄完了最近才上传的BV1MH4y1Y71a
♥ 12 ↩ 2
感谢感谢，教的太细了，这是我这辈子见过最轮椅最方便的教程[笑哭]
♥ 7
大佬那个uvr里边本来有一个UVR-denoise-lite能不能代替UVR-denoise
♥ 6 ↩ 5
GPU 0 NVIDIA GeForce RTX 3070 Ti 驱动程序版本: 31.0.15.4633 驱动程序日期: 2023/12/6 DirectX 版本: 12 (FL 12.1) 物理位置： PCI 总线 1、设备 0、功能 0 利用率 13% 专用 GPU 内存 7.8/8.0 GB 共享 GPU 内存 1.2/16.0 GB GPU 内存 9.0/24.0 GB 我这样算利用了GPU吗 大佬们
♥ 6 ↩ 1
大佬 想问问我这个电脑配置能玩吗？[委屈] 集成显卡 制造商：Intel Corporation 芯片类型: Intel(R) Iris(R) Xe Graphics Family DAC 类型：Internal 设备类型：完整品示设备 息内存約力：8153 MB 品示内存(VRAM): 128 ME 共享内存：8025 MB 当前示模式：1920 x 1080 (32 bit) (60Hz) 独立显卡 名称：NVIDIA GeForce RTX 3050 Laptop GPU 制造商：NVIDIA 芯片类型：NVIDIA GeForce RTX 3050 Laptop GPu DAC 类型：Integrated RAMDAC 设备头型：完整显示设备 总内存约为：12016 MB 品示内存(RAM)：3991 MB 共享内存：8025 MB 双显卡的配置 HP16.1 可以帮忙看看吗？[脸红]
♥ 6 ↩ 4
感谢UP！已成功训练出minecraft村民声线哈哈哈哈哈哈哈哈哈哈哈哈。UP教的非常详细，有好多报错都可以从GitHub上的文章中找到原因和解决方法。
♥ 5
你是真的细[支持] 好多别的教程，倍速播放、超大BGM声音干扰听力、各种快捷键操作，不讲细节，啥都没看懂呢，界面切换了两三次，就像生怕人学会了
♥ 5
虽然没有做到后面的步骤，但是试图总结一下我遇到的错误给后面看按时间排序评论区的避一下雷，简单来说， 第一点是官网现在好像虽然没有给你安装cuda11.7的选项，但是选11.8后把"cu118"改成"cu117"在powershell下即可 第二点是 networkx版本不匹配python3.8.9的问题，最开始我尝试卸掉改用python3.10结果又报错。通过搜索了解一下后，下回了python3.8.9并利用pip install的操作下载了2.8版本的networkx（我记得显示的配置用的就是2.0.1＋cu117但还是出了问题） 3.读取超时和找不到依赖，建议在不开魔法的情况下利用永久换源解决问题，不然会卡一年外加吃一万个readtimeout 然后就是uvr5分离人声会带（Vocal），删了再切割（如果只是尝试的话，可以试试能不能在网上找到别人分享的你想要的相应人物清晰声音，例如在huggingface可能能找到你想要的） 最后是webUI报错的话按文档给出的顺序走，但不按顺序也没关系，只要三个依赖的版本都顺利改变了就行
♥ 4 ↩ 3
up主，我关注这个很久了，我想问下能不能通过这个进行及时的语音转换。就是我训练好了模型，能不能用麦克风说一句话，就立马转换成训练后的声音。因为我想组织一次网络安全的活动，提高一下大家的融入性
♥ 4 ↩ 3
我是amd 5600x 配 3060ti 跑模型给我弹出CPU training is not allowed 请问怎么解决
♥ 4 ↩ 4