GPT-SoVITS_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 项目训练的 草薙寧々 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

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」

• GPT-SoVITS 项目

• GPT-SoVITS 使用

• 数据集

• 训练相关代码