AI翻唱-RVC本地部署使用

原作者项目说明书：RVC指南

这是lz的第二个AI翻唱项目。。。

第一个跑了一天一夜但是效果不是很好。这个项目也跑了一天一夜。。。

但这个项目效果确实更出众，lz是因为数据集较多，（lz将近300段数据集，综合下来半个小时，跑了将近200步，且lz显存较小，只有4GB）比较追求高质量的效果，uu们在使用该项目时，数据集不多会很快的。

花儿不哭开源的免费的软件

原项目github发布地址：https://github.com/RVC-Boss/Retrieval-based-Voice-Conversion-WebUI

SVC全称为Singing Voice Conversion（歌声转换），{RVC、DDSP-SVC、Diffuision-SVC，Diff-SVC，So-VITS-SVC}∈SVC

RVC的全称为Retrieval-based Voice Conversion，基于检索的声音转换，一种语音转换技术。比较绕口一点的解释是：改变一段原始语音（源语音）的某些特征，使其听起来像另一个说的（目标说话人），同时保持原始语音的内容和韵律。简单一点的理解就是，AI翻唱，让目标人唱目标歌曲。

本地部署 

1.下载项目

lz的环境为win11。

将项目下载到本地，解压，双击go-web

稍等一会儿会在默认浏览器弹出RVC-WebUI界面，建议使用Edge/chrome浏览器

补丁替换

lz下载的整合包为：RVC20240604Nvidia，同时下载了0128补丁，复制0128文件夹中所有文件，将其粘贴到RVC20240604Nvidia文件夹中，在弹出窗口中选择替换文件夹。

2.数据集准备

该项目和lz之前使用过的GPT-SoVITS是同一位作者，两个项目都集成了UVR5，便于使用者分离目标音源中的音乐与演唱者的音频。在lz之前的blog里详细地写了数据集的分离说明。AI语音训练——GPT-SoVITS(GSV)-CSDN博客

纯净人声获取步骤：伴奏&人声分离→和声分离→一次去混响→二次去混响→去噪音。 

更多lz懒得搬了。。。  

有了解到Ripx这个软件也可以去除和声等音频中的杂音，实现人声的还原，lz正在下...，uu们也可以尝试一下。

快速开始

原项目中有的简易教程

"E:\RVC\RVC20240604Nvidia\docs\小白简易教程.doc"

2.1数据集管理

实验名可以使用训练人的名称，但名称中不可以有中文。目标采样率建议保持40K，48K会有炸炉的风险（原项目作者原话）。如果不想让模型具备歌唱能力，则不需要勾选音高指导。

数据集文件夹管理

将路径粘贴，开始识别数据。此时也可以通过Console窗口查看数据导入信息。

可以随时在console窗口查看信息，所有音频信息处理完毕后console窗口会显示end preprocess。

2.2提取特征 

基本上保持默认即可，多显卡用户可以研究一下红色窗口，如果对模型有其他需求，可以前去了解其他音高算法。如果只是想AI翻唱，保持勾选rmvpe_gpu即可。

 console窗口或者上图的输出信息中显示all-feature-done则表明特征提取顺利地完成了。

开始训练，先设置训练总轮数，再根据总轮数设置保存频率最后根据显存数量设置batch_size。 

右侧橙色框图部分可以根据自身硬盘内存数进行设置，整理好之后，一键训练即可。

 点击一键训练即可开始训练模型了。

推理

变调说明

lz是声乐小白，推测大致思路应该是，男声音调较低，女声音调较高，所以男转女需要调高，女转男需要调低

男声（歌曲）→女声（训练数据集），+7，如果歌曲本身音高很高，可以+4/3

女声（歌曲）→男声（训练数据集），-7，或者-4/3

如果训练的模型比较好，检索占比可以调高一点，会更还原音色。

注意此处的音频是歌曲的干声音频。

王进喜——有条件要上，没有条件创造条件也要上。——来点鸡汤8

以上end