ai孫燕姿什么意思？一夜之間“AI孫燕姿”火遍全網，由此引發了大家對ai音頻轉換工具的相關探討，ai孫燕姿是使用GitHub上面的一個開源項目SO-VITS-SVC制作而來，用戶可以在此項目中通過ai智能工具收集孫燕姿的音色，從而生成目標音色模型來翻唱作品，ai孫燕姿怎么做的？不知道的朋友趕緊來看看！

ai孫燕姿什么意思

一夜之間“AI孫燕姿”火遍全網。在B站上，AI孫燕姿翻唱的林俊杰《她說》、周董《愛在西元前》、趙雷《成都》等等，讓一眾網友深陷無法自拔。網友表示，聽了一晚上AI孫燕姿，出不去了......

這些翻唱作品基于一個叫做so-vits-svc的開源項目。僅憑數段音頻，就可用一個生成式模型來合成目標音色的音頻，訓練出用戶想要的聲學模型。這個模型可以保留音高和音調，也可以用不同的語言來翻唱。

ai孫燕姿下載：【點擊下載】

ai孫燕姿軟件(SO-VITS-SVC GitHub) v1.121.1 手機版

類別：安卓實用工具 時間：2023-07-13 大小：13.5M 星級：

立即下載

ai孫燕姿怎么做的

方法一：

一、準備工作

訓練數據很關鍵，越多高質量的音頻數據，效果越好，建議至少準備一個小時以上的音頻。

顯卡建議使用 N 卡且顯存 8G 以上。

我將項目所需要的代碼、工具整理了出來，如有需要可以在評論區留言或者通過下方鏈接聯系我。

當然，也可以直接用開源代碼直接部署，地址如下

GitHub - svc-develop-team/so-vits-svc: SoftVC VITS Singing Voice Conversion

二、環境安裝

1.安裝pytorch深度學習框架

需要安裝pytorch,torchaudio,torchvision三個庫

參考我之前寫的https://yunlord.blog.csdn.net/article/details/129812705?spm=1001.2014.3001.5502

2.安裝相關依賴

可以看到下載的項目中包含兩個requirements.txt，以windows為例，

進入到項目中，通過prompt輸入以下指令，

pip install -r requirements_win.txt

三、數據處理

訓練音頻、還有需要預測，或者說轉換的音頻都必須是人物的干聲。換句話說音頻中不能包含背景音、伴奏、合聲等，所以無論是訓練和預測，都需要對數據進行處理。

1.提取人聲

我們可以通過UVR5 這個軟件實現伴奏與人聲分離。

在 Windows 下可以直接使用。打開軟件，按照如下配置

運行即可分離人聲和伴奏。

然后再按照如下配置，去除合聲，

經過提取出的干凈人聲音頻就可以用來訓練。

2.切割音頻

不過因為音頻太長，不要超過三十秒，很容易爆顯存，需要對音頻文件進行切片。

我們通過 Audio Slicer這個工具實現音頻切分 。

直接運行 slicer-gui.exe。

填寫輸入路徑，填寫輸出路徑，其它參數都默認即可，這樣就會得到切分好的音頻段。

建議切完之后逐段聽下，將效果不好的刪除，高質量的音頻比數量多的效果更好。并且如果還有時長超過30s的可以通過寫的python音頻切割代碼進行截切。

在項目的 so-vits-svc-4.0/dataset_raw 目錄下創建一個文件夾，比如我的是 wang_processed，將處理好的數據放到里面。

四、訓練模型

在訓練模型前，我們需要下好原始模型，并將其放到對應位置

將checkpoint_best_legacy_500.pt放入hubert文件夾下

將D_0.pth和G_0.pth放入logs/44k目錄下

1.數據預處理

接下來可以直接運行項目里面的1.數據預處理.bat。

這個腳本就是按照步驟，運行各個 py 腳本

重采樣至44100Hz單聲道

python resample.py

自動劃分訓練集、驗證集及自動生成配置文件

python preprocess_flist_config.py

生成hubert與f0

python preprocess_hubert_f0.py

處理完畢后會在 datset/44k 下生成一個文件夾。里面的數據如下圖所示

可以刪除 dataset_raw 文件夾了。

2.模型訓練

直接運行項目中的2.訓練.bat即可開啟訓練。

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

如果顯卡夠好可以增加 batch_size 提高訓練速度對應的配置文件在 configs/config.json 文件里。

這個訓練時間很長，個人覺得如果數據較好的話，訓練到30000輪以上就有一個不錯的效果。

3.聚類模型訓練

直接運行項目中的3.訓練聚類模型.bat即可開啟訓練，這個比較快，幾分鐘即可跑完。

這個主要是可以減小音色泄漏，使得模型訓練出來更像目標的音色，但其實不是特別明顯，但是單純的聚類方案會降低模型的咬字，會口齒不清，這個很明顯，本模型采用了融合的方式，可以線性控制聚類方案與非聚類方案的占比，也就是可以手動在像目標音色和咬字清晰之間調整比例，找到合適的折中點。

使用聚類前面的已有步驟不用進行任何的變動，只需要額外訓練一個聚類模型，雖然效果比較有限，但訓練成本也比較低。

訓練過程，

執行python cluster/train_cluster.py，模型的輸出會在logs/44k/kmeans_10000.pt

推理過程，

inference_main.py中指定cluster_model_path

inference_main.py中指定cluster_infer_ratio，0為完全不使用聚類，1為只使用聚類，通常設置0.5即可

4.推理預測

準備干聲

準備一首歌的干聲，干聲可以按上述音頻素材準備那樣處理，通過UVR5提取一段不超過90s的干聲素材。

修改模型名

修改 app.py 里的這一行

訓練好的模型存放在了 logs/44k 目錄下這里改為訓練好的模型地址。以及對應的配置文件，最后是第三步生成的 pt 文件路徑。

運行web

直接運行項目中的4.推理預測.bat。

程序會直接開啟一個 webui，將開啟的 url，直接復制到瀏覽器地址欄中打開即可。

就是一個簡單的 Web 頁面，里面的參數，可以直接使用默認的，放入一個音頻，即可轉換音色。

方法二：

下載GitHub app，按照如下教程進行操作

GitHub下載：【點擊下載】

GitHub v1.163.1 安卓app

類別：安卓實用工具 時間：2024-05-30 大小：15.8M 星級：

立即下載

github可以很方便地讓我們參與開源項目中，并貢獻自己的代碼.那么,我們怎么去參與一個開源的github項目呢？

首先，去訪問你要參與的github主頁，點擊“Fork” => create Fork.

2. 然后，這樣就把這份項目拷貝到了你的遠程倉庫，用你自己的賬號登錄查看你的倉庫，會發現你的倉庫已經有了這個項目，點擊Code,copy你的github地址，一定要注意，要在自己的github賬號上進行，不要在項目作者的倉庫上，因為你木有權限,你是不能進行推送和修改的.

3.如圖,在git里利用命令git clone + copy的github地址把倉庫克隆到你的工作區上,

clone完成后你就可以在你的工作區看到這個項目文件，然后你就可以開始干活了，

干完活后，先把你的代碼提交到你的倉庫中里:

git add test.md;

gti commit -m something

git push origin，遠程倉庫， -u master，本地分支，

注push 加上 -u 參數 是為了讓你的遠程倉庫與你的本地分支建立連接，以后push的時候就可以不必加上這個參數了.

然后在你的賬號下進行 Pull requests貢獻你的代碼了

至于對方是否接受你的代碼，要看對方的心情了