so-vits-svc4.1从零训练自己的模型

so-vits-svc需求GPU，如果电脑没有GPU可以用云端训练。

如果您没有anaconda，请忽略下文出现的conda activate sovits，如果您安装了pytorch-gpu但无法使用那么您需要自行下载cuda。因为anaconda在安装pytorch时会自行安装所需的环境。

音频数据处理：

1.uvr5提取人声/去和声/去混响

2.au去底噪（可选）

3.au进行响度匹配

4.音频切割

svc/rvc模型训练前的音频数据处理-CSDN博客https://blog.csdn.net/2301_79607161/article/details/135573528?spm=1001.2014.3001.5501

安装环境：

python版本：3.8版本。

版本过高会导致依赖安装不上。

pytorch安装：

请参考这篇文章

Anaconda安装Pytorch（GPU和CPU）超简单的两种方法-CSDN博客https://blog.csdn.net/2301_79607161/article/details/134708867?spm=1001.2014.3001.5502

FFmpeg安装：

FFmpeg官网https://ffmpeg.org/

下载

进入之后点击下载，选择自己的版本，我是windows。

安装

下载好后解压到一个自己不经常动的文件夹。打开bin目录，复制此路径。

如：C:\Program Files\ffmpeg-6.1-full_build\bin

将此路径添加到环境变量：

此电脑 > 右键 > 属性 > 高级系统设置 > 环境变量 > 点开path > 新建 > 粘贴路径 

然后一直点确认

查看是否可用：

ffmpeg -version

其他python环境依赖：

设置pip镜像源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/

可以参考下面这个文章安装fairseq==0.12.2

注意：请先安装pythorch在安装fairseq，否则会自动安装cpu版本的pythorch。

安装pyqt5 error:Microsoft Visual C++ 14.0 or greater is required.Get it with“Microsoft C++ Build Tools-CSDN博客文章浏览阅读454次，点赞16次，收藏9次。试了很多其他办法但是都没用，又感觉别的文章中12G的Visual Studio默认安装没啥必要。所以试了几个看起来需要的。https://blog.csdn.net/2301_79607161/article/details/135144949?spm=1001.2014.3001.5502

pip install fairseq==0.12.2

在anaconda命令行输入代码进入自己安装so-vits-svc的文件夹

cd /dD:\hina\hina_vits\so-vits-svc-4.1-Stable

运行以下代码安装依赖

pip install -r requirements_win.txt

预处理：

预先下载的模型文件：

1.编码器

• 用contentvec做编码器

• 文件放在pretrain目录下

​​​​checkpoint_best_legacy_500.pt 约1g+大小https://ibm.box.com/s/z1wgl1stco8ffooyatzdwsqn2psd9lrr

2.底模文件

• 预训练底模文件： G_0.pth D_0.pth

  • 放在logs/44k目录下

• 扩散模型预训练底模文件： model_0.pt

  • 放在logs/44k/diffusion目录下

预训练底模下载地址https://huggingface.co/Sucial/so-vits-svc4.1-pretrain_model/tree/main

3.使用NSF-HIFIGAN增强器或浅层扩散

预训练的 NSF-HIFIGAN 声码器：nsf_hifigan_20221211.zip

• 解压后，将里面的四个文件放在pretrain/nsf_hifigan目录下

nsf_hifigan_20221211.ziphttps://github.com/openvpi/vocoders/releases/download/nsf-hifigan-v1/nsf_hifigan_20221211.zip

4.使用rmvpeF0预测器

如果使用rmvpeF0预测器的话，需要下载预训练的 RMVPE 模型

下载模型rmvpe.zip，目前首推该权重。

解压缩rmvpe.zip，并将其中的model.pt文件改名为rmvpe.pt并放在pretrain目录下

rmvpehttps://objects.githubusercontent.com/github-production-release-asset-2e65be/663143308/33d522ae-de7a-43f8-aff7-cde4cdf1c956?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=AKIAVCODYLSA53PQK4ZA%2F20240113%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Date=20240113T083027Z&X-Amz-Expires=300&X-Amz-Signature=8778f9e2614ee3f35ba5ed1778d1586166afd7996b9ffce24a0abf788ee73f34&X-Amz-SignedHeaders=host&actor_id=0&key_id=0&repo_id=663143308&response-content-disposition=attachment%3B%20filename%3Drmvpe.zip&response-content-type=application%2Foctet-stream

数据集准备：

1.需要以以下文件结构将数据集放入 dataset_raw 目录

dataset_raw
├───speaker0   #说话人1
│   ├───xxx1-xxx1.wav
│   ├───...
│   └───Lxx-0xx8.wav
└───speaker1   #说话人2
    ├───xx2-0xxx2.wav
    ├───...
    └───xxx7-xxx007.wav

2.此外还需要编辑config.json

新建一个config.json文件，内容如下

"n_speakers": 10   #说话人人数
 
"spk":{
    "speaker0": 0,   #说话人名字
    "speaker1": 1,
}

dataset_raw文件夹内容如下

数据预处理

在anaconda终端cd进入项目文件夹

cd /dD:\hina\hina_vits\so-vits-svc-4.1-Stable
conda activate sovits

  

1.重新采样至 44100Hz 和单声道。

该步骤分为两种情况，请按照自己数据集处理的情况运行代码。

虽然本项目拥有重采样、转换单声道与响度匹配的脚本 resample.py，但是默认的响度匹配是匹配到 0db。这可能会造成音质的受损。而 python 的响度匹配包 pyloudnorm 无法对电平进行压限，这会导致爆音。所以建议可以考虑使用专业声音处理软件如adobe audition等软件做响度匹配处理。

我建议自己手动进行响度匹配，之后选择不进行响度匹配，个人感觉训练效果有提升。

自动响度匹配：

python resample.py

不进行响度匹配：

python resample.py --skip_loudnorm

2.自动将数据集拆分为训练集和验证集，并生成配置文件。

有两个选择，建议选择第一个。如果音频质量不好选择第二个。

1）启用响度嵌入，训练后的模型将与输入源的响度匹配

python preprocess_flist_config.py --speech_encoder vec768l12 --vol_aug

2）与训练集的响度相匹配。

python preprocess_flist_config.py --speech_encoder vec768l12

您可以修改在config文件夹下生成的 config.json 和 diffusion.yaml 中的一些参数
 
keep_ckpts：在训练期间保留先前模型的数量。
 
all_in_mem：将所有数据集加载到RAM。当某些平台的磁盘 IO 过低且系统内存远大于数据集时，可以启用它。
 
batch_size：可以将单个训练会话加载到 GPU 的数据量调整为小于 GPU 内存容量的大小。
 
扩散.yaml
 
cache_all_data：将所有数据集加载到RAM。当某些平台的磁盘 IO 过低且系统内存远大于数据集时，可以启用它。
 
duration：训练时音频切片的时长，可根据显存大小进行调整，注意：此值必须小于训练集中音频的最小时间！
 
batch_size：可以将单个训练会话加载到 GPU 的数据量调整为小于视频内存容量的大小。
 
timesteps：扩散模型中的总步数，默认为 1000。
 
k_step_max：训练只能训练步进扩散以节省训练时间，注意该值必须小于，0 表示训练整个扩散模型，注意：如果不训练整个扩散模型将无法使用 only_diffusion！k_step_maxtimesteps

3.生成 hubert 和 f0

python preprocess_hubert_f0.py --f0_predictor dio

默认的f0预测器是dio，但我们上面加了rmvpe预测器，所以我们可以使用rmvpe预测器。

建议使用浅扩散

如果需要浅扩散（可选），则需要添加参数，例如：--use_diff

1）浅扩散使用rmvpe

python preprocess_hubert_f0.py --f0_predictor rmvpe --use_diff

2)浅扩散使用dio

python preprocess_hubert_f0.py --f0_predictor dio --use_diff

加快预处理速度

如果你的数据集非常大，你可以像这样增加参数：--num_processes

python preprocess_hubert_f0.py --f0_predictor dio --num_processes 8

完成以上步骤后，数据集目录下会包含预处理后的数据，可以删除dataset_raw文件夹。

模型训练

1.修改配置文件

打开configs文件夹，

出现两个配置文件

config.json文件：

（括号内为个人设置的，大家可以自行修改）

"log_interval" ：每200次训练输出一次日志   （2000）

"eval_interval" ：每800次训练保存一次模型  （8000）

"learning_rate" ：学习率   （如果你的batch_size在设置在12以上请将学习率设置为0.0002）

"batch_size" ：过低会造成震荡或不收敛，过高会导致爆显存  （建议不要超过你的显存大小）

"keep_ckpts" ：训练时保留最后的几个模型，0代表所有  （ 0 建议全部保存）

一次性的可选训练模型

下面这两个模型在推理的时候只用选择一个。大家可以都试试，看看那个更好用。好像是特征索引用的更多。

聚类音色泄漏控制

# CPU
python cluster/train_cluster.py
# GPU
python cluster/train_cluster.py --gpu

特征检索

python train_index.py -c configs/config.json

主模型训练

先进入自己的环境

cd /dD:\hina\fufu_so-vits-svc-4.1
conda activate sovits

然后就可以开始训练了

python train.py -c configs/config.json -m 44k

出现以下内容说明开始训练

扩散模型（可选）

python train_diff.py -c configs/diffusion.yaml

模型训练结束后，模型文件保存在logs/44k目录下，扩散模型在logs/44k/diffusion下

打开tensorboard

tensorboard --logdir=./logs/44k

输入这个代码后会有一个链接，按住ctrl点击就可以打开。一般来说损失值越低越好。

推理

打开webUI

python webUI.py

推理时需要g模型，config.json文件，如果使用浅扩散或者特征索引的话大家可以自己加。

加载完模型之后把音乐拖到下面就可以推理了。

一些报错问题：

1.安装fairseq报错：提示lxml报错：（2种方法）

                1）降低python版本到3.8。

                2）pip install lxml==4.8.0

2.重新采样至 44100Hz 和单声道时报错（OSError: [WinError 1455] 页面文件太小，无法完成操作。）：修改虚拟内存然后重启电脑。

3.如果开始训练后没反应，GPU占用率在10%以下，可尝试调大虚拟内存。

4.webUI 相关报错
出现以下报错时：
启动 webUI 时报错：ImportError: cannot import name 'Schema' from 'pydantic'
webUI 加载模型时报错：AttributeError("'Dropdown' object has no attribute 'update'")
请限制以下依赖版本:
fastapi==0.84.0, gradio==3.41.2, pydantic==1.10.12
具体解决方法为：在 cmd 中依次输入以下命令以更新依赖包：
pip install --upgrade fastapi==0.84.0
pip install --upgrade gradio==3.41.2
pip install --upgrade pydantic==1.10.12

此文档为学习总结

感谢名单：

1.Sucial丶B站教程

2.官方文档

3.云端训练文档