ddsp6/
├── v6.1/          # ContentVec (hop 320)
│   ├── 10x1024/          # 10 layers × 1024 chans
│   ├── 10x1024_attn/     # + attention
│   ├── 10x1024_noise/    # + noise injection
│   ├── 10x1024_attn_noise/
│   ├── 6x2048/           # 6 layers × 2048 chans
│   ├── 6x2048_attn/
│   ├── 6x2048_noise/
│   └── 6x2048_attn_noise/
├── v6.3/          # ContentVec TTA-2x (hop 160), LYNXNet2
│   ├── 6x512_6x512/      # aux 6×512, velocity 6×512
│   ├── 6x512_6x768/
│   ├── 6x512_6x1024/
│   ├── 6x512_10x2048/
│   ├── 6x1024_6x1024/
│   ├── 10x1024_6x512/
│   ├── 10x1024_6x1024/
│   └── ...
└── v6.0/          # DDSP-SVC 6.0 (ContentVec, pre-6.1)
    ├── 12x1024/
    └── 6x512/

rift_dit/
├── dit-512-8.ckpt    # 512-dim, 8 layers
├── dit-768-12.ckpt   # 768-dim, 12 layers
└── dit-1024-16.ckpt  # 1024-dim, 16 layers

sovits/
├── cvec768l12_2023/      # ContentVec 768-dim, layer 12 (2023)
└── cvec768l12_20241221/ # BigDataset, 131 speakers (2024.12.21)

diffusion_shallow/
└── contentvec768l12/   # Diffusion shallow-diffusion enhancer base
                         # (for sovits/rvc, not standalone inference)

rvc_v1/             # RVC v1 (HubertSoft 256-dim)
├── 32k_f0/
├── 40k_f0/
└── 48k_f0/

rvc_v2/             # RVC v2 (ContentVec 768-dim)
├── 32k_f0/
├── 40k_f0/
└── 48k_f0/

reflow_vae/
└── contentvec768l12/