顶

cy

顶

前排（？）支持

我为什么推荐各位使用RVC，其一，RVC训练所需数据集少（10分钟即可，也就是说只要有换皮的学生就可以开练）其二，相对于so-vits-svc，RVC的下限更高，在数据集质量较差的情况，RVC的效果更好（众所周知你游很多语音音质都只能用悲剧来形容，当然so-vits-svc的上限是比RVC高的），其三，RVC的云端训练成本低，一般可以控制在1元以内。

那么什么样的声音适合AI翻唱呢？大多数情况下，音声偏亮的声音更适合，例如：优香，和纱，而音声较暗的不太适合，例如佳代子，纱织，这些声音训练出的模型，音域窄，一般而言效果不会太好。

假期边练模型边写算了

ddsp需要的训练集好像也不是很多，而且不那么吃配置，但是我目前还没练过歌声。我不会铸币了吧，我拿ddsp练语音变声，效果很糟，它不会只能练歌声吧……目前使用体验最好的还是花佬的tts。

继续更新

1.搜集数据集：打开浏览器，输入kivo.fun以进入古书馆，下载角色音频（那种太短的就不下了，例如受击语音）

补充一点：沾了混响的语音也不能要

2.合并语音
我们需要将上述音频进行合并，以方便我们来进行下一步：响度匹配

由于古书馆的语音响度太大，直接拿去训练的话模型效果不会很好。所以进行响度匹配是必要的。但是每个角色换皮的语音响度不同，所以我们应该按不同的换皮来分开合并。例如我这里下载了宫子和泳装宫子的语音，打开格式工厂，点击音频合并，将原皮和泳装皮分别合并成两个采样率为44100Hz的WAV文件。

点击这个文件夹图标即可找到输出文件地址

3.响度匹配
打开AU，启动后按下ctrl+N新建多轨会话，点击文件，导入，文件。将你合并出的音频导入进来