File size: 2,270 Bytes
ca0666e 49d8bff ca0666e 877a5a5 ca0666e 9766866 ca0666e 5f8946c ca0666e 60da58b ca0666e 14cb30a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 |
---
tags:
- DiffSVC
- pre-trained_model
- basemodel
- diff-svc
license: "gpl"
datasets:
- 512rc_50k
- 512rc_80k
- 512rc_100k
---
[English](./README.md) | **简体中文**
# DiffSVCBaseModel
任何类型的音色都能用的大型底模!
## 先康康效果
| 原始音频 | 用纳西妲模型推理的 |
| -------------- | ------------------------------------ |
| [点击播放](https://huggingface.co/HuanLin/DiffSVCBaseModel/resolve/main/gouzhiqishi.wav) | [点击播放](https://huggingface.co/HuanLin/DiffSVCBaseModel/resolve/main/gouzhiqishi_-4key_nahida_384_20_348k_0x.flac) |
## 这玩意咋用?
1. 按照你的数据挑选一个zip包,保存到你的电脑上
2. 填好你的配置，把数据集丢到```(diffsvc 根目录)/data/raw/{角色名称}/```
3. 把底模(仅丢 .ckpt 文件)丢到 ```(diffsvc 根目录)/checkpoints/{角色名称}```
4. 向原仓库一样预处理和训练数据集,如果不是从step1开始,那就成功了
## 我用了多少数据集?
两份开源数据集(opencpop ,m4singer),40多个小时的音频
## 我想演自己炼底模!
邢，自己下载 [这个已预处理过的文件](./BaseModelBinary.tar.gz).
## 下载专区
** 选一个符合自己配置文件中 rc 值的模型 **
| 版本 | 下载传送门 | lr参考值
| -------------- | ---------------------------------- | --- |
| 384rc,50k_step | [传送](./384rc_50k_step.zip) | 0.0016 |
| 384rc,80k_step | [传送](./384rc_80k_step.zip) | 0.0032 |
| 384rc,100k_step | [传送](./384rc_100k_step.zip) | 0.0032 |
更多版本还在路上
> rc: 就是配置里的 residual_channels(中文特供翻译: 网格宽度, 简称网宽)
## 涉及仓库
| 仓库 | 传送门 |
| --------------- | ---------------------------------------------------- |
| Diff-SVC | [传送](https://github.com/prophesier/diff-svc) |
| 44.1KHz声码器 | [传送](https://openvpi.github.io/vocoders) |
| M4Singer | [传送](https://github.com/M4Singer/M4Singer) |
| OpenCPOP | [传送](https://github.com/wenet-e2e/opencpop) |
| Pre-trained_Models(有更多RC版本的) | [传送](https://huggingface.co/Erythrocyte/Pre-trained_Models) |
|