【亲测免费】 so-vits-svc开源项目安装与配置指南

1. 项目基础介绍

so-vits-svc是一个基于歌声合成和音色转换的开源项目。它使用先进的深度学习技术，可以将一个人的歌声转换成另一个人的音色。该项目主要使用Python编程语言开发。

2. 项目使用的关键技术和框架

项目使用的关键技术包括：

• VITS（Voice Injury Transformer with Singer Adaptation）：一种基于变换器的文本到语音合成模型，它能够生成高质量的歌声。
• SoftVC：一种内容编码器，用于提取和转换语音特征。
• NSF HiFiGAN：一种声码器，用于生成高质量的音频波形。

此外，项目使用了以下框架和工具：

• PyTorch：一个流行的深度学习框架，用于构建和训练模型。
• NumPy：一个强大的Python库，用于进行数值计算。
• Librosa：一个用于音频处理的Python库。

3. 安装和配置准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python版本：3.7及以上
• 硬件：具备至少一张支持CUDA的GPU，以加速模型训练

详细安装步骤

步骤 1：克隆项目仓库

打开终端（或命令提示符），运行以下命令来克隆项目仓库：

git clone https://github.com/innnky/so-vits-svc.git
cd so-vits-svc

步骤 2：安装依赖

项目使用requirements.txt文件列出了所需的Python依赖。使用以下命令安装这些依赖：

pip install -r requirements.txt

步骤 3：下载预训练模型

项目提供了一个预训练的模型，可以从以下链接下载：

• hubert-soft-0d54a1f4.pt
• G_0.pth
• D_0.pth

下载后，将这些文件放置到项目相应的目录下：

wget -P hubert/ https://github.com/bshall/hubert/releases/download/v0.1/hubert-soft-0d54a1f4.pt
wget -P logs/32k/ https://huggingface.co/innnky/sovits_pretrained/resolve/main/G_0.pth
wget -P logs/32k/ https://huggingface.co/innnky/sovits_pretrained/resolve/main/D_0.pth

步骤 4：准备数据集

将您的数据集按照以下结构放置在dataset_raw目录下：

dataset_raw/
├───speaker0/
│   ├───xxx1-xxx1.wav
│   ├───...
│   └───Lxx-0xx8.wav
└───speaker1/
    ├───xx2-0xxx2.wav
    ├───...
    └───xxx7-xxx007.wav

步骤 5：数据预处理

运行以下脚本进行数据预处理：

python resample.py
python preprocess_flist_config.py
python preprocess_hubert_f0.py

步骤 6：训练模型

使用以下命令开始训练模型：

python train.py -c configs/config.json -m 32k

步骤 7：推理和测试

训练完成后，使用inference_main.py进行推理和测试。

以上步骤为您提供了从安装到配置该项目的基础指南。祝您使用愉快！