这个博客，主要调研如何最基础的使用SoVits进行
语音合成。
该项目的官网链接为：
github.com/svc-develop-team/so-vits-svc/
现在，该项目已经归档，无法进行PR的提交了
SoVits的部署
简介
so-vits-svc是一个开源的基于PyTorch的歌唱语音转换项目。它主要功能是可以将一段歌唱语音转换成另一个人的声音风格,实现不同人物“演唱”同一首歌曲的效果。
该项目的核心思路是利用SoftVC内容编码器提取源音频的语音特征,然后直接输入到VITS中进行转换,不需要转换为文本的中间表示。这样可以保留原音频的音高和语调信息。同时替换了VITS原来的声码器为NSF HiFiGAN,解决了声音中断的问题。
项目使用ContentVec或Hubert作为语音编码器,提取语音特征;使用RMVPE或其他方法提取音高特征;然后输入到VITS模型中进行风格转换。转换后的语音通过HiFiGAN等声码器还原为语音波形。
项目提供了完整的训练、推理流程,可以自定义训练数据集。也提供了多种语音编码器、音高提取器、声码器等模块的选择。支持动态的音色融合功能。同时具有浅度扩散等后处理功能提升音质。
部署
- 下载项目
git clone https://github.com/svc-develop-team/so-vits-svc.git
- 下载预训练文件
📥 预先下载的模型文件
第一步：选择并下载声音编码器
… (以此类推，为每个编码器提供下载链接和存放位置)
第二步：下载可选的预训练模型
预训练底模文件
- 下载：
G_0.pth和D_0.pth- 存放位置：
logs/44k目录扩散模型预训练
- 下载：
model_0.pt- 存放位置：
logs/44k/diffusion目录第三步：下载增强器和预测器（如果需要）