So-vits-svc(Softvc SInging Voice Conversion)

So-vits-svc(Softvc Singing Voice Conversion)

git clone地址GitHub
下载预训练模型地址：checkpoint_best_legacy_500.pt | Powered by Box
将checkpoint_best_legacy_500.pt放在 pretrain文件夹下

准备训练数据

将纯人声的wav音频切分为15秒左右的短音频，将整理好的wav文件放在在 .\so-vits-svc\dataset_raw 文件夹中新建一个文件夹，命名为该音色的名字。（音频总时长控制在1-2h）
下面是我写的切分wav音频的Python脚本

import soundfile as sf
import os


def split_audio(input_file, output_folder):
    # 读取音频文件
    data, sample_rate = sf.read(input_file)

    # 计算每个15秒段的样本数
    segment_duration = 15 * sample_rate

    # 创建目标文件夹（如果不存在）
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 当前片段的索引
    segment_index = 0

    # 分割音频文件
    for start_sample in range(0, len(data), segment_duration):
        end_sample = start_sample + segment_duration
        segment = data[start_sample:end_sample]

        # 创建输出文件名
        output_file = os.path.join(output_folder, f'{segment_index}.wav')

        # 写入新的.wav文件
        sf.write(output_file, segment, sample_rate)

        segment_index += 1


# 示例用法
input_file = ''  # 输入文件的路径
output_folder = ''  # 输出文件夹的路径
split_audio(input_file, output_folder)

预处理

1.重新采样至44100Hz和单声道

python resample.py

2.自动将数据集拆分为训练集和验证集，并生成配置文件。

python preprocess_flist_config.py --speech_encoder vec768l12

3.生成休伯特和f0

python preprocess_hubert_f0.py --f0_predictor dio

训练

python train.py -c configs/config.json -m 44k

• 在训练期间，模型文件将保存到 ，扩散模型将保存到logs/44k

推理

1.可使用 python webUI.py程序启服务进行推理

在选择模型文件的选择框中上传自己训练的模型，在选择配置文件中上传相应的config.json

2.使用命令行推理

# Example
python inference_main.py -m "logs/44k/G_980090.pth" -c "configs/config.json" -n "凤凰传奇.wav" -t 0 -s "nen"