Views
No views yet
./pretrainTim_Cook.pth, feature_and_index.pkl, 'kmeans_10000.pt' into ./logs/44kconfig.jsoninto ./config1# 例
2python inference_main.py -m "logs/44k/G_30400.pth" -c "configs/config.json" -n "君の知らない物語-src.wav" -t 0 -s "nen"-m | --model_path：模型路径-c | --config_path：配置文件路径-n | --clean_names：wav 文件名列表，放在 raw 文件夹下-t | --trans：音高调整，支持正负（半音）-s | --spk_list：合成目标说话人名称-cl | --clip：音频强制切片，默认0为自动切片，单位为秒/s-lg | --linear_gradient：两段音频切片的交叉淡入长度，如果强制切片后出现人声不连贯可调整该数值，如果连贯建议采用默认值0，单位为秒-f0p | --f0_predictor：选择F0预测器,可选择crepe,pm,dio,harvest,默认为pm(注意：crepe为原F0使用均值滤波器)-a | --auto_predict_f0：语音转换自动预测音高，转换歌声时不要打开这个会严重跑调-cm | --cluster_model_path：聚类模型或特征检索索引路径，如果没有训练聚类或特征检索则随便填-cr | --cluster_infer_ratio：聚类方案或特征检索占比，范围0-1，若没有训练聚类模型或特征检索则默认0即可-eh | --enhance：是否使用NSF_HIFIGAN增强器,该选项对部分训练集少的模型有一定的音质增强效果，但是对训练好的模型有反面效果，默认关闭-shd | --shallow_diffusion：是否使用浅层扩散，使用后可解决一部分电音问题，默认关闭，该选项打开时，NSF_HIFIGAN增强器将会被禁止-usm | --use_spk_mix：是否使用角色融合/动态声线融合-lea | --loudness_envelope_adjustment：输入源响度包络替换输出响度包络融合比例，越靠近1越使用输出响度包络-fr | --feature_retrieval：是否使用特征检索，如果使用聚类模型将被禁用，且cm与cr参数将会变成特征检索的索引路径与混合比例-dm | --diffusion_model_path：扩散模型路径-dc | --diffusion_config_path：扩散模型配置文件路径-ks | --k_step：扩散步数，越大越接近扩散模型的结果，默认100-od | --only_diffusion：纯扩散模式，该模式不会加载sovits模型，以扩散模型推理-se | --second_encoding：二次编码，浅扩散前会对原始音频进行二次编码，玄学选项，有时候效果好，有时候效果差whisper-ppg 声音编码器进行推理，需要将--clip设置为25，-lg设置为1。否则将无法正常推理。python cluster/train_cluster.py，模型的输出会在logs/44k/kmeans_10000.ptpython cluster/train_cluster.py --gpuinference_main.py中指定cluster_model_pathinference_main.py中指定cluster_infer_ratio，0为完全不使用聚类，1为只使用聚类，通常设置0.5即可python train_index.py -c configs/config.jsonlogs/44k/feature_and_index.pkl--feature_retrieval，此时聚类方案会自动切换到特征检索方案inference_main.py中指定cluster_model_path 为模型输出文件inference_main.py中指定cluster_infer_ratio，0为完全不使用特征检索，1为只使用特征检索，通常设置0.5即可webUI.py文件中，小工具/实验室特性的静态声线融合。spkmix.py文件中关于动态声线混合的介绍--use_spk_mix参数即可启用动态声线混合