---
license: openrail
task_categories:
- conversational
language:
- aa
tags:
- music
size_categories:
- n<1K
pretty_name: genshin_voice_sovits 
---
# 效果预览
<audio src="https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/散兵效果预览/转换结果/夢で逢えたら2liulangzhe_f.wav" controls="controls"> 
本仓库用于预览训练出的各种语音模型的效果

|  角色名  |  角色原声A   |     被转换人声B   |A音色替换B|A音色翻唱(点击直接下载)|
| :------: | :----------------------------: | :----: | :----: |:----: |
|   散兵   | <audio src="https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/散兵效果预览/部分训练集/真遗憾，小吉祥草王让他消除了那么多的切片，剥夺了我将他一片一片千刀万剐的快乐%E3%80%82.mp3" controls="controls"> | <audio src="https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/散兵效果预览/原声/shenli3.wav" controls="controls"> | <audio src="https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/散兵效果预览/转换结果/shenli3mp3_auto_liulangzhe.wav" controls="controls">|[夢で会えたら](https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/散兵效果预览/转换结果/夢で逢えたら2liulangzhe_f.wav)|
|胡桃|  |    |   |
|神里绫华|   |    |   |
  
[Other2胡桃](https://huggingface.co/datasets/jiaheillu/audio_preview/tree/main/%E8%83%A1%E6%A1%83_preview)：[moonlight_shadow](https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/%E8%83%A1%E6%A1%83_preview/moonlight_shadow2%E8%83%A1%E6%A1%83.WAV),
[云烟成雨](https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/%E8%83%A1%E6%A1%83_preview/%E4%BA%91%E7%83%9F%E6%88%90%E9%9B%A82%E8%83%A1%E6%A1%83.WAV),
[原点](https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/%E8%83%A1%E6%A1%83_preview/%E5%8E%9F%E7%82%B92%E8%83%A1%E6%A1%83.WAV),
[夢だ会えたら](https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/%E8%83%A1%E6%A1%83_preview/%E5%A4%A2%E3%81%9F%E3%82%99%E4%BC%9A%E3%81%88%E3%81%9F%E3%82%892%E8%83%A1%E6%A1%83.WAV),
[贝加尔湖畔](https://huggingface.co/datasets/jiaheillu/audio_preview/resolve/main/%E8%83%A1%E6%A1%83_preview/%E8%B4%9D%E5%8A%A0%E5%B0%94%E6%B9%96%E7%95%942%E8%83%A1%E6%A1%83.WAV)</br>

各文件主要内容：

部分训练集：内含一些被训练角色的音色<br>
待转换音频：用于“被替换音色”的音频<br>
转换结果：音色被训练音色替换掉的音频<br>
训练参数预览：仅需要关注以下几点即可<br>

关键参数：

音频时长：min<br>
epoch: 轮 <br>

其余：
batch_size = 一个step训练的片段数<br>
segments = 音频被切分的片段<br>
step=segments*epoch/batch_size,即模型文件后面数字由来<br>

以散兵为例：
损失函数图像：主要看step 与 loss5，比如：<br>
给一个大致的参考，待转换音频都为高音女生，这是较为刁钻的测试：如图，10min纯净人声，<br>
差不多2800epoch（10000step）就已经出结果了，实际使用的是5571epoch(19500step)的文件，被训练音色和原音色相差几<br>
何，差不多有个概念。当然即使loss也不足以参考，唯一的衡量标准就是当事人的耳朵。当然，正常训练，10min还是有些少的。<br>

相关文件全部在“散兵效果预览”文件夹中<br>
![sanbing_loss](./散兵效果预览/%E8%AE%AD%E7%BB%83%E5%8F%82%E6%95%B0%E9%80%9F%E8%A7%88.assets/sanbing_loss.png)