AI声音克隆模型常见问题汇总笔记（附解决方法，可评论区留言问题技术交流

PG万般

已于 2024-01-08 14:19:07 修改

阅读量1.5k

点赞数 34

文章标签：人工智能笔记 python ai 机器学习

于 2024-01-08 14:10:02 首次发布

本文链接：https://blog.csdn.net/PGwanban/article/details/135451097

版权

AI声音克隆模型常见问题汇总-学习笔记（附解决方法

声明：
源码非原创，转载自小破站UP主Jack-Cui，文章部分内容来源网路，本文只用于技术分享，模型训练与语音输出已测试成功。

硬件配置工具及运行环境

CPU: i5-12490F
显卡：七彩虹战斧 RTX 4060 显存8G  # 网传：A卡不行
内存：16G
运行系统：Windows 10
Python版本：3.10.9
Python旧版本下载链接：https://www.python.org/downloads/windows/

名词解释：

batch_size：计算效率和内存容量之间的平衡参数。若为高性能GPU，可以设置更大的batch_size值
epochs：所有样本训练一遍。一个epoch是所有训练样本的一轮正向传递和一轮反向传递。
举例：假设训练数据集总共有1000个数据集，batch_size=10，样本集需要100次迭代，完成1次epoch。

*问题汇总(附解决方法

Part 1: 训练几小时报错。

解决方法：比如设置了epoch为50，结果训练很久后报错，可以看cmd的日志，是不是最后一条训练Epoch为50或者51.这种报错是模型训练已经完成。直接关闭，启动预测一键启动.bat 即可

Part 2：CUDA相关报错

在这里插入图片描述
解决方法：这种一般是爆显存，建议是音频做下切片，每个wav不超过2分钟，batch_size调小一下。

Part 3： Error Connection errored out.

在这里插入图片描述
解决方法：打开报错：Error Connection errored out. 建议检查下代理服务器有没有关掉，以及墙/VN/魔法上网，有没有关闭。

Part 4: 找不到系统指定路径问题

解决方法：一般这个是权限不够，直接双击，或者用管理员身份打开。如果是预测一键启动.bat打不开，也有可能是模型没有训练成功。

Part 5：开始运行后提示：音频文件识别失败

解决方法：这个是训练填写的路径错误，路径不要包含中文，建议是直接在工程文件里面找到VITS_fast_finetune\raw_audio直接复制粘贴过去

Part 6：页面文件太小，无法完成操作

解决方法：这个需要修改下虚拟内存。建议改大一点。具体教程可以百度搜索
大概步骤：高级系统设置–点上边高级–性能里面点设置–再点性能选项中高级–出来有个虚拟内存更改按钮–点击进去设置（根据自己硬件条件设置，比如D盘256G 我设置100G虚拟内存

Part 7：bat 文件乱码

解决方法：不要使用win11默认的解压软件，解压压缩包，请使用WinRAR解压。

解压工具分享链接：https://pan.baidu.com/s/10QEYoeNoUem9hCkWzzQpaw
提取码：9996

Part 8： ProcessExitedException 报错 code 3221225477

process 0 terminated with exit code 3221225477
在这里插入图片描述
解决方法：报错原因是音频通过脚本生成对应的text文本中，句子太长。简而言之还是爆显存
个人解决方法：将wav文件做下前期处理，通过剪映将长句子的片段裁剪掉
Up主解决方法：https://www.bilibili.com/video/BV13z4y1L74i/ 视频4分钟后就有讲解该问题。

Part 9：训练没有进度条，空跑项目

在这里插入图片描述
解决方法：检查音频raw_audio文件夹有没有放到VITS_fast_finetune 工程目录下

Part 10：运行后网页打不开

在这里插入图片描述
解决方法：打开 finetune_webui.py 文件，修改最后两行代码，8088 改为 8089 或者其他端口。

Part 11：multiprocessing.spawn.ProcessExitedException: process 0 terminated with exit code 1

在这里插入图片描述
解决方法：这种异常报错，直接打开 finetune_webui.py 文件，找到587行，将gr.Slider中第二个参数改成 10000，重新运行代码，在网页端选择epochs时，调高点。

max_epochs = gr.Slider(2, 10000, value = 200, label = "训练epochs次数", info = "迭代训练的轮次，默认200")

Part 12：路径没错，点开始训练完全没反应，也没打印流程

在这里插入图片描述
解决方法：检查，检查，检查路径中的音频文件后缀是不是小写wav，文件后缀必须为小写！小写！小写的wav

Part 13: UnicodeEncodeError: ‘gbk‘ codec can‘t encode character（编码问题

解决方法：更新一下 pip，

更新指令：pip install --upgrade pip
然后win+R 输入cmd，输入
set PYTHONUTF8=1

Part 14：关于预测一键启动.bat 运行失败问题

解决方法：检查路径中是否含有中文，需要先运行训练一键启动.bat，训练好模型之后，关掉训练一键启动.bat，只运行预测一键启动.bat，模型是不能分享，必须自己训练。

Part 15：关于重新训练模型

解决方法：分别删除以下目录里面的文件

denoised_audio
custom_character_voice
separated
segmented_character_voice
OUTPUT_MODEL

然后删除工程目录下的 txt 文件

final_annotation_train.txt
final_annotation_val.txt

另外：如果想继续之前训练一般的模型，OUTPUT_MODEL目录的文件不用删除，仅删除上面所述的其他文件。重新运行代码即可

Part 16：（待更新，可以在评论区留言…

有待更新…

个人使用总结：

1.音频文件尽量是5分钟内
2.效果与预期可能有点差距，只能到百分之80-90的效果
3.训练的时间需要很长。建议先设置epochs=50试一下，是不是自己想要的效果，不满意建议就换音源节省时间，个人测试后epochs=900与epochs=50 只是音质完善一下。
4.训练模型中，最好使用干声作为数据源
5.使用工具链接分享