README.md

---
license: gpl-3.0
language:
- zh
- ja
- en
pipeline_tag: text-to-speech
tags:
- 草薙寧々
- GPT-SoVITS
- pjsk
- 草薙宁宁
- プロセカ
- prsk
- 宁宁
datasets:
- MomoyamaSawa/Voice-KusanagiNene
---
<p align = 'center'>
  <img width='150' src='./README.assets/stamp0570.png'>
</p>
<p align = 'center'> 🥕 </p>
<p align = 'center'> 如果兔兔的仓库对你有帮助的话点个⭐喵~ </p>
<p align = 'center'> If Tutu's repository is helpful to you, please give it a ⭐ meow~ </p>
<p align = 'center'> もしうさぎのリポジトリが役に立った場合は、⭐をぽちっとしてくださいにゃん~  </p>

<p align = 'center'> 🍉 </p>
<p align = 'center'> 任何 ❓问题 / 💭思考 /💡想法 都欢迎提出！</p>
<p align = 'center'> Any ❓question / 💭thought /💡idea  is welcome! </p>
<p align = 'center'> どんな ❓質問 / 💭考え /💡アイデア でも歓迎です！ </p>

---

# 简介 & 示例

* 基于 [GPT-SoVITS](https://github.com/RVC-Boss/GPT-SoVITS) 项目训练的 [草薙寧々](https://zh.moegirl.org.cn/%E8%8D%89%E8%96%99%E5%AE%81%E5%AE%81) 声音模型

<br>

<center>
    <audio controls src="https://huggingface.co/MomoyamaSawa/GPT-SoVITS_KusanagiNene/resolve/main/README.assets/tmpb34bl0o0.wav"></audio>
    <p>いいんじゃない。最近、一緒に歌ってる人の声に合わせられるようになってきたし</p>
    <audio controls src="https://huggingface.co/MomoyamaSawa/GPT-SoVITS_KusanagiNene/resolve/main/README.assets/tmpmqxkbbgm.wav"></audio>
    <p>ざーーこ、お兄ちゃんざーーこ！（杂鱼~哥哥是杂鱼❤）</p>
    <audio controls src="https://huggingface.co/MomoyamaSawa/GPT-SoVITS_KusanagiNene/resolve/main/README.assets/tmpo1ftlmcz.wav"></audio>
    <p>大家好，我是宁宁。我中文还不是很熟练，但是希望大家能喜欢我的声音，喵喵喵！</p>
    <audio controls src="https://huggingface.co/MomoyamaSawa/GPT-SoVITS_KusanagiNene/resolve/main/README.assets/tmp8ouz9kdr.wav"></audio>
    <p>The sun is shining brightly in the clear blue sky.</p>
</center>

<br>

可以默认选择 **nene30_e8_s328.pth**，经测试大部分情况下 nene30_e8_s328.pth > nene60_2_e4_s336.pth = nene60_test_e8_s280.pth > nene60_1_e8_s640.pth = nene60_2_e2_s168.pth，但在不同的情况下其他模型可能表现较好，在默认情况下表现不佳时可以切换模型 / 切换参考音频尝试

|       SoVITS 模型       |        介绍         |    对应 GPT 模型     |
| :---------------------: | :-----------------: | :------------------: |
|   nene30_e8_s328.pth    | 30min 训练集 8epoch |   nene30-e15.ckpt    |
|  nene60_1_e8_s640.pth   | 60min 训练集 8epoch |  nene60-1-e15.ckpt   |
|  nene60_2_e2_s168.pth   | 60min 训练集 2epoch |  nene60-2-e15.ckpt   |
|  nene60_2_e4_s336.pth   | 60min 训练集 4epoch |  nene60-2-e15.ckpt   |
| nene60_test_e8_s280.pth | 60min 训练集 8epoch | nene60-test-e20.ckpt |

# 训练 & 推理

* 推理使用的参考音频对情感语气语调还有停顿影响很大，且必须使用原角色，不然效果会有点迷，建议不同情感语气语调抑扬，各种场合的干声存一份用作参考，平时大部分情况就用比较标准的陈述句当参考音频就好
* 根据项目作者得知训练集边际效应大概为 1h，经实验保持默认参数情况下 30min 的干声素材 8epoch 这样的训练量对于这个数据集大概是效果比较好的了，多的训练量比较容易过拟合，这边只做了随机 10min | 30min | 60min 数据量的实验，有时间也可以再做做更多时间和 epoch 和其他参数调参的组合 / 更多次随机实验来试试有没有效果更好的

# TODO

* （长期）测试优化模型，有时间可以再做做更多时间和 epoch 和其他参数调参的组合 / 更多次随机实验来试试有没有效果更好的

- [ ] 在线演示
- [ ] web api 

# 参考

* 声源归属：草薙寧々(CV:Machico)-[「プロジェクトセカイ カラフルステージ！ feat. 初音ミク」](https://pjsekai.sega.jp/)

* [GPT-SoVITS 项目](https://github.com/RVC-Boss/GPT-SoVITS)

* [GPT-SoVITS 使用](https://www.bilibili.com/video/BV12g4y1m7Uw?vd_source=c4c131fdd99dec0eaf4bf3e8cb419a9e)

* [数据集](https://huggingface.co/datasets/MomoyamaSawa/Voice-KusanagiNene)

* [训练相关代码](https://github.com/MomoyamaSawa/GPT_SoVITS_Colab)