歌声转唱模型So-vits-svc4.1训练讲解，轻松做出声音克隆，数据处理和训练讲解（一）

引言

大家好，最近各种AI孙燕姿、周杰伦火爆全网，我自己也跑了一遍目前比较歌声转唱效果比较好的So-vits-svc4.1模型，然后写了一个教程分享给大家。目前来说歌声转唱领域还属于未被完全发掘的领域，目前这个方向的顶刊论文不多，大部分互联网企业也没有针对这个方向去做一些文章，比如在给出这样的一个应用。毕竟涉及到名人的声音版权问题，但在对于我们个人，做做这个用作非商业化，以及用自己的声音去唱些有意思的歌还是可行的。

本文就专对于So-vits-svc4.1模型进行一个从头到尾的训练以及推理的讲解，另外我发现这个模型的作者并没有发论文对模型进行讲解，因此我自己对模型结构进行了一个简单的分析。本文的推理模型整合包来自b站UP主羽毛的整合包So-VITS-SVC 4.1 整合包完全指南 · 语雀。

数据收集处理

首先我们要知道，训练这个模型的数据必须是纯人声无杂音的，当然目前的人声分离算法很难做到将背景音乐完全剔除达到无杂音的效果，因此我们在进行人声分离后，最好自己再去听一遍，手动的去除掉一些混音、杂音很严重的数据。

首先，我们可以去B站上找到一些歌手的音乐合集，比如下面这种：