SoftVC VITS ve Bert-VITS2 ile Ses Klonlama: Derinlemesine Bir İnceleme

İçindekiler

• SoftVC VITS ve Bert-VITS2 ile Ses Klonlamaya Derin Bir Bakış
  • Veri Kümesini Hazırla
    • Bir Şarkıdan Alıntı
      • UVR İş Akışları
    • Vokal kaydına hazırlık
      • Cheapskate'in Ses Ekipmanı
      • Audacity iş akışları
    • ses dilimleyici
      • Veri kümesini temizleme
      • Ses yüksekliğini eşleştir
  • so-vits-svc
    • Ortamı ayarlama
    • Başlatma
      • Önceden eğitilmiş modelleri indirin
      • Veri Seti Hazırlama
      • Yapılandırmaları Düzenle
    • Eğitim
    • Çıkarım
    • Ses Düzenleme
  • so-vits-svc-çatal
    • Kurulum
    • Hazırlık
    • Eğitim
    • Çıkarım
  • DDSP-SVC
    • Hazırlık
    • Eğitim
    • Çıkarım
  • Bert-vits2-V2.3
    • Başlatma
    • Hazırlık
      • Transkripsiyon
    • Eğitim ve Çıkarım
  • vits-simple-api
    • İnce ayarlar
    • Modelleri paylaş

Önceki yazıda TTS Generation WebUI'yi biraz denedim ve ilginç buldum. Ben de kendi sesimle kullanışlı bir model eğitmeye karar verdim.

Bu ses klonlama projesi hem Ses Değiştirme için SVC'yi hem de Metin-Konuşma için VITS'yi araştırıyor. Tüm işleri yapan tek bir araç yoktur.

Bu proje için çeşitli araçları test ettim. Bunun , bunun ve bunun gibi iyi rehberlerin çoğu Çincedir. Bu yüzden notlarımı İngilizce olarak yayınlamanın faydalı olacağını düşündüm.

Her ne kadar so-vits-svc muhtemelen baskı nedeniyle birkaç aydır arşivlenmiş olsa da hala en iyi sonucu veren araçtır.

so-vits-svc-fork , so-vits-svc-5.0 , DDSP-SVC ve RVC gibi diğer ilgili araçlar daha hızlı/litre optimizasyonu, daha fazla özellik veya daha iyi arayüzler sağlar.

Ancak yeterli zaman ve kaynakla bu alternatiflerin hiçbiri orijinal so-vits-svc'nin ürettiği üstün sonuçla rekabet edemez.

TTS için Bert-VITS2 adı verilen yeni bir araç harika çalışıyor ve geçen ayki son sürümüyle zaten olgunlaştı. Ses içeriği oluşturma gibi çok farklı kullanım durumları vardır.

Veri Kümesini Hazırla

Veri setinin ses dosyaları WAV formatında, 44100 Hz, 16bit, mono, ideal olarak 1-2 saat olmalıdır.

Bir Şarkıdan Çıkart

Ultimate Vocal Remover bu iş için en kolay araçtır. Her şeyi ayrıntılı olarak açıklayan bir konu var.

UVR İş Akışları

• Enstrümantal'ı kaldırın ve çıkarın

  • Modeli: VR - UVR(4_HP-Vokal-UVR)

  • Ayarlar: 512 - 10 - GPU

  • Çıkış Enstrümantal ve kirli vokal

    
    

• Arka plan vokallerini kaldırın ve çıkarın.

  • Modeli: VR - UVR(5_HP-Karaoke-UVR)

  • Ayarlar: 512 - 10 - GPU

  • Çıkış arka vokali ve kirli ana vokal

    
    

• Yankı ve gürültüyü kaldırın.

  • Model: VR - UVR-DeEcho-DeReverb ve UVR-DeNoise

  • Ayarlar: 512 - 10 - GPU - Yalnızca Başkası Yok

  • Çıkış temiz ana vokal

    
    

• (İsteğe bağlı) Manüel ince temizlik gerçekleştirmek için RipX'i (ücretsiz değil) kullanma.

Vokal Kaydına Hazırlık

Yoğunlaştırılmış bir mikrofonla işlenmiş bir odada kayıt yapmak daha iyidir, aksi takdirde gürültüyü azaltmak için yönlü veya dinamik bir mikrofon kullanın.

Cheapskate'in Ses Ekipmanı

Müziğe ilk kez lise yıllarımda mavi Sennheiser MX500 ve Koss Porta Pro ile başladım. Cool Edit Pro ile Sony VAIO'da ilk kez bir şarkıyı kaydettiğim zamanı hâlâ hatırlıyorum.

Bugünlerde amatör olarak ses donanımına çok fazla para harcamaya hala direniyorum çünkü bu tam anlamıyla para emen bir kara delik.

Yine de bu ucuz üretim ekipmanlarının güvenilirliğini gerçekten takdir ediyorum.

Kurulumumun temel parçası Behringer UCA202'dir ve kullanım durumlarım için mükemmeldir. İndirim döneminde 10$'a aldım.

Bu, “Ses Arayüzü” olarak adlandırılan, ancak temelde yalnızca birden fazla bağlantı noktasına sahip bir ses kartıdır. Kulaklıklarım için RCA'dan 3,5 mm'ye TRS kabloları, normal çıkış için yarı açık K240'ları ve monitör çıkışı için arkası kapalı HD669/MDR7506'yı kullandım.

Bahsedilen üç kulaklığın tümü normal fiyat için 100 doların altındadır. Ayrıca Samson, Tascam, Knox Gear ve daha fazlasının 50 dolardan daha düşük fiyata klonları var.

Giriş cihazı olarak çevresel gürültüleri önlemek adına dinamik bir mikrofon kullanıyorum. Bu bir SM58 kopyası (Pyle) + Tascam DR-05 kaydedicidir (amplifikatör olarak). SL84c veya wm58 gibi diğer klonlar da bunu yapabilir.

Mikrofonu kayıt cihazının MIC/Harici girişine bağlamak için bir XLR - 3,5 mm TRS kablosu kullanıyorum ve ardından kayıt cihazının hat çıkışı ile UCA202'nin girişi arasına bağlantı kurmak için bir AUX kablosu kullanıyorum.

Kurulumumu kopyalamak için bir "ses arayüzü" ve özel bir amplifikatör satın almanız önerilmez. 10 dolarlık bir c-media USB ses kartı yeterince iyi olmalıdır. Sahip olduğum Syba modeli, dinamik mikrofonları doğrudan ve hatta bazı alt seviye fantom güçlü mikrofonları "ön ampingleme" kapasitesine sahip.

Kurulum son derece ucuz olabilir (40~60 $), ancak UCA202 ve DR-05 ile ses çok daha temiz. Ve eski iyi dijital kayıt cihazımın fiziksel kontrollerini, çok yönlülüğünü ve taşınabilirliğini gerçekten seviyorum.

Audacity İş Akışları

Tasarımcı olarak para aldığım dönemde Audition'dan oldukça memnundum. Ancak eğlenceli bir projede kişisel kullanım için Audacity, Adobe'nin kaotik kötülüğünden kaçınmanın yoludur.

• Gürültü Azaltma
• Dereverb
• Sessizliği Kes
• Normalleştir

ses dilimleyici

Ses dosyasını daha sonra kullanmak üzere küçük parçalara bölmek için ses dilimleyiciyi veya ses dilimleyiciyi (gui) kullanın.

Varsayılan ayar harika çalışıyor.

Veri Kümesini Temizleme

Çok kısa olanları çıkarın ve 10 saniyenin üzerinde olanları yeniden dilimleyin.

Büyük bir veri kümesi olması durumunda, 4 saniyeden kısa olanların tümünü kaldırın. Küçük bir veri kümesi olması durumunda, yalnızca 2 saniyenin altındakileri kaldırın.

Gerekirse her bir dosya için manuel inceleme gerçekleştirin.

Maç Ses Yüksekliği

Audacity'yi Loudness Normalization ile tekrar kullanın; 0db bunu yapmalı.

so-vits-svc

Ortamı Ayarlayın

Tek bir sistemde birden fazla Python aracını çalıştırmak için sanal ortam gereklidir. Eskiden VM'leri ve Docker'ı kullanıyordum ama şimdi anaconda'nın diğerlerinden çok daha hızlı ve kullanışlı olduğunu buldum.

so-vits-svc için yeni bir ortam oluşturun ve onu etkinleştirin.

 conda create -n so-vits-svc python=3.8 conda activate so-vits-svc

Daha sonra gereksinimleri yükleyin.

 git clone https://github.com/svc-develop-team/so-vits-svc cd so-vits-svc pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 #for linux pip install -r requirements.txt #for windows pip install -r requirements_win.txt pip install --upgrade fastapi==0.84.0 pip install --upgrade gradio==3.41.2 pip install --upgrade pydantic==1.10.12 pip install fastapi uvicorn

Başlatma

Önceden eğitilmiş modelleri indirin

• ön antrenman

  • wget https://huggingface.co/WitchHuntTV/checkpoint_best_legacy_500.pt/resolve/main/checkpoint_best_legacy_500.pt

  • wget https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/rmvpe.pt

    
    

• günlükler/44k

  • wget https://huggingface.co/datasets/ms903/sovits4.0-768vec-layer12/resolve/main/sovits_768l12_pre_large_320k/clean_D_320000.pth

  • wget https://huggingface.co/datasets/ms903/sovits4.0-768vec-layer12/resolve/main/sovits_768l12_pre_large_320k/clean_G_320000.pth

    
    

• günlükler/44k/yayılma

  • wget https://huggingface.co/datasets/ms903/Diff-SVC-refactor-pre-trained-model/resolve/main/fix_pitch_add_vctk_600k/model_0.pt

  • (Alternatif) wget https://huggingface.co/datasets/ms903/DDSP-SVC-4.0/resolve/main/pre-trained-model/model_0.pt

  • (Alternatif) wget https://huggingface.co/datasets/ms903/Diff-SVC-refactor-pre-trained-model/blob/main/hubertsoft_fix_pitch_add_vctk_500k/model_0.pt

    
    

• ön eğitim/nsf_hifigan
  • wget -P pretrain/ https://github.com/openvpi/vocoders/releases/download/nsf-hifigan-v1/nsf_hifigan_20221211.zip
  • unzip -od pretrain/nsf_hifigan pretrain/nsf_hifigan_20221211.zip

Veri Seti Hazırlama

Hazırlanan tüm audio.wav dosyalarını dataset_raw/character içine koyun

 cd so-vits-svc python resample.py --skip_loudnorm python preprocess_flist_config.py --speech_encoder vec768l12 --vol_aug python preprocess_hubert_f0.py --use_diff

Yapılandırmaları Düzenle

Dosya configs/config.json konumunda bulunur

log interval : yazdırma sıklığı günlük eval interval : kontrol noktalarının kaydedilme sıklığı epochs : toplam adım keep ckpts : kaydedilen kontrol noktalarının sayısı, sınırsız için 0. half_type : fp32 Benim durumumda, batch_size : Ne kadar küçük olursa o kadar hızlı (daha kaba), ne kadar büyükse o kadar yavaş (daha iyi).

VRAM başına önerilen parti_boyutu: 4=6G；6=8G；10=12G；14=16G；20=24G

configs/diffusion.yaml için varsayılanı koruyun

Eğitim

 python cluster/train_cluster.py --gpu python train_index.py -c configs/config.json python train.py -c configs/config.json -m 44k python train_diff.py -c configs/diffusion.yaml

Eğitim adımlarında:

Ana modeli eğitmek için train.py kullanın; genellikle 20k-30k kullanılabilir ve 50k ve üzeri yeterince iyi olur. Bu, GPU hızına bağlı olarak birkaç gün sürebilir.

Bunu ctrl+c ile durdurmaktan çekinmeyin; python train.py -c configs/config.json -m 44k istediğiniz zaman yeniden çalıştırılarak eğitime devam edilecektir.

Difüzyon modelini eğitmek için train_diff.py kullanın; Ana modelin 1/3'ünde eğitim adımları önerilir.

Aşırı antrenmanın farkında olun. Düz olup olmadığını görmek amacıyla grafikleri izlemek için tensorboard --logdir=./logs/44k kullanın.

Gerekirse learning rate 0,0001'den 0,00005'e değiştirin.

İşiniz bittiğinde, çıkarım için bu dosyaları paylaşın/aktarın.

• yapılandırma/

  • yapılandırma.json

  • difüzyon.yaml

    
    

• günlükler/44k
  • feature_and_index.pkl
  • kmeans_10000.pt
  • model_0.pt
  • G_xxxxx.pt

Çıkarım

Eğitilen modeli denemenin zamanı geldi. Parametreleri ayarlamanın rahatlığı için Webui'yi tercih ederim.

Ancak başlatmadan önce, LAN erişimi için webUI.py aşağıdaki satırları düzenleyin:

 os.system("start http://localhost:7860") app.launch(server_name="0.0.0.0", server_port=7860)

python webUI.py çalıştırın; daha sonra bir web tarayıcısından ipaddress:7860 erişin.

Webui'nin İngilizce yerelleştirmesi yoktur, ancak Sürükleyici Çeviri faydalı olacaktır.

Çoğu parametre varsayılan değerle iyi çalışır. Değişiklik yapmak için buna ve buna bakın.

Bu 5 dosyayı yükleyin:

main model.pt ve config.json

diffusion model.pt ve diffusion.yaml

Konuşma için küme modeli kmeans_10000.pt veya şarkı söylemek için özellik alma feature_and_index.pkl .

F0 predictor şarkı söylemek için değil, yalnızca konuşmak içindir. Kullanırken RMVPE önerin.

Pitch change kadınsı bir şarkıyı erkeksi bir sese sahip bir model kullanarak söylerken veya tam tersi durumda faydalıdır.

Clustering model/feature retrieval mixing ratio tonu kontrol etmenin yoludur. En net konuşmayı elde etmek için 0.1 , modele en yakın tonu elde etmek için 0.9 kullanın.

shallow diffusion steps 50 civarında ayarlanmalıdır, 30-100 adımda sonucu iyileştirir.

Ses Düzenleme

Bu prosedür isteğe bağlıdır. Sadece daha iyi bir şarkının prodüksiyonu için.

Kullandığım ses düzenleme yazılımı veya DAW (dijital ses iş istasyonu) ücretsiz olmadığı için bu konunun ayrıntılarına girmeyeceğim. Sektörün tamamı ödeme duvarlı ve kapalı kaynaklı olmasına rağmen özel mülk yazılımı savunmak gibi bir niyetim yok.

Audacity çoklu parçayı, efektleri ve çok daha fazlasını destekler. Bazı gelişmiş VST eklentilerini de yükler.

Audacity ile şarkılarda ustalaşmaya yönelik eğitimler bulmak zor değil.

Tipik olarak mastering süreci miksaj/dengeleme, EQ/sıkıştırma, reverb ve görüntüleme olmalıdır. Araç ne kadar gelişmiş olursa süreç o kadar kolay olacaktır.

Gelecekte mastering sürecim için Audacity'yi benimsemeye kesinlikle daha fazla zaman ayıracağım ve herkesin bunu yapmasını tavsiye ediyorum.

so-vits-svc-çatal

Bu, gerçek zamanlı desteğe sahip bir so-vits-svc çatalıdır ve modeller uyumludur. Kullanımı daha kolaydır ancak Difüzyon modelini desteklemez. Özel gerçek zamanlı ses değişimi için bir ses değiştirici önerilir.

Kurulum

 conda create -n so-vits-svc-fork python=3.10 pip conda activate so-vits-svc-fork git clone https://github.com/voicepaw/so-vits-svc-fork cd so-vits-svc-fork python -m pip install -U pip setuptools wheel pip install -U torch torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install -U so-vits-svc-fork pip install click sudo apt-get install libportaudio2

Hazırlık

Veri kümesi .wav dosyalarını so-vits-svc-fork/dataset_raw yerleştirin

 svc pre-resample svc pre-config

configs/44k/config.json dosyasında batch_size değerini düzenleyin. Bu çatal orijinalinden daha büyük boyuttadır.

Eğitim

 svc pre-hubert svc train -t svc train-cluster

Çıkarım

GUI'yi svcg ile kullanın. Bu, yerel bir masaüstü ortamı gerektirir.

Veya gerçek zamanlı olarak svc vc ile CLI'yi ve oluşturmak için svc infer -m "logs/44k/xxxxx.pth" -c "configs/config.json" raw/xxx.wav kullanın.

DDSP-SVC

DDSP-SVC, daha az donanım kaynağı gerektirir ve so-vits-svc'den daha hızlı çalışır. Hem gerçek zamanlı hem de difüzyon modellerini (Diff-SVC) destekler.

 conda create -n DDSP-SVC python=3.8 conda activate DDSP-SVC git clone https://github.com/yxlllc/DDSP-SVC cd DDSP-SVC pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt

İki dosya için Başlatma bölümüne bakın:

 pretrain/rmvpe/model.pt pretrain/contentvec/checkpoint_best_legacy_500.pt

Hazırlık

 python draw.py python preprocess.py -c configs/combsub.yaml python preprocess.py -c configs/diffusion-new.yaml

configs/

 batch_size: 32 (16 for diffusion) cache_all_data: false cache_device: 'cuda' cache_fp16: false

Eğitim

 conda activate DDSP-SVC python train.py -c configs/combsub.yaml python train_diff.py -c configs/diffusion-new.yaml tensorboard --logdir=exp

Çıkarım

Hem DDSP hem de difüzyon modelini içerdiğinden main_diff.py kullanılması tavsiye edilir.

python main_diff.py -i "input.wav" -diff "model_xxxxxx.pt" -o "output.wav"

Ses klonlama için gerçek zamanlı GUI:

 python gui_diff.py

Bert-vits2-V2.3

Bu, yukarıdakilerden tamamen farklı bir TTS aracıdır. Bunu kullanarak ailem için kendi sesimle birkaç sesli kitap oluşturdum ve onlar bundan gerçekten keyif alıyorlar.

Orijinali kullanmak yerine, daha kolay kurulum için v3u çatalını kullandım.

Başlatma

 conda create -n bert-vits2 python=3.9 conda activate bert-vits2 git clone https://github.com/v3ucn/Bert-vits2-V2.3.git cd Bert-vits2-V2.3 pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2+cu118 --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt

Önceden eğitilmiş modelleri indirin (Çince, Japonca ve İngilizce içerir):

 wget -P slm/wavlm-base-plus/ https://huggingface.co/microsoft/wavlm-base-plus/resolve/main/pytorch_model.bin wget -P emotional/clap-htsat-fused/ https://huggingface.co/laion/clap-htsat-fused/resolve/main/pytorch_model.bin wget -P emotional/wav2vec2-large-robust-12-ft-emotion-msp-dim/ https://huggingface.co/audeering/wav2vec2-large-robust-12-ft-emotion-msp-dim/resolve/main/pytorch_model.bin wget -P bert/chinese-roberta-wwm-ext-large/ https://huggingface.co/hfl/chinese-roberta-wwm-ext-large/resolve/main/pytorch_model.bin wget -P bert/bert-base-japanese-v3/ https://huggingface.co/cl-tohoku/bert-base-japanese-v3/resolve/main/pytorch_model.bin wget -P bert/deberta-v3-large/ https://huggingface.co/microsoft/deberta-v3-large/resolve/main/pytorch_model.bin wget -P bert/deberta-v3-large/ https://huggingface.co/microsoft/deberta-v3-large/resolve/main/pytorch_model.generator.bin wget -P bert/deberta-v2-large-japanese/ https://huggingface.co/ku-nlp/deberta-v2-large-japanese/resolve/main/pytorch_model.bin

Bir karakter modeli klasörü oluşturun mkdir -p Data/xxx/models/

Temel modelleri indirin:

 !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/DUR_0.pth !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/D_0.pth !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/G_0.pth !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/WD_0.pth #More options https://openi.pcl.ac.cn/Stardust_minus/Bert-VITS2/modelmanage/model_filelist_tmpl?name=Bert-VITS2_2.3%E5%BA%95%E6%A8%A1 https://huggingface.co/Erythrocyte/bert-vits2_base_model/tree/main https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/tree/main

Tüm bfloat16 float16 ile değiştirerek train_ms.py düzenleyin

LAN erişimi için webui.py düzenleyin:

 webbrowser.open(f"start http://localhost:7860") app.launch(server_name="0.0.0.0", server_port=7860)

batch_size ve spk2id için Data/xxx/config.json düzenleyin

Hazırlık

Önceki bölümdekine benzer iş akışı.

Gürültüyü ve sessizliği kaldırın, normalleştirin, ardından dilimlenmemiş WAV dosyasını Data/xxx/raw içine yerleştirin.

dataset_path , num_workers ve keep_ckpts için config.yml düzenleyin.

WAV dosyasını dilimlemek için python3 audio_slicer.py çalıştırın.

2 saniyenin altındaki küçük dosyaları kaldırarak veri kümesini ( Data/xxx/raw ) temizleyin.

Transkripsiyon

Fısıltı pip install git+https://github.com/openai/whisper.git

Dilin otomatik algılanmasını kapatmak için, onu yalnızca İngilizce olarak ayarlayın ve large modeli kullanın; short_audio_transcribe.py aşağıdaki gibi düzenleyin:

 # set the spoken language to english print('language: en') lang = 'en' options = whisper.DecodingOptions(language='en') result = whisper.decode(model, mel, options) # set to use large model parser.add_argument("--whisper_size", default="large") #Solve error "Given groups=1, weight of size [1280, 128, 3], expected input[1, 80, 3000] to have 128 channels, but got 80 channels instead" while using large model mel = whisper.log_mel_spectrogram(audio,n_mels = 128).to(model.device)

Transkripsiyonu başlatmak için python3 short_audio_transcribe.py çalıştırın.

Dilimlenmiş veri kümesini yeniden örnekleyin: python3 resample.py --sr 44100 --in_dir ./Data/zizek/raw/ --out_dir ./Data/zizek/wavs/

İşlem öncesi transkripsiyon: python3 preprocess_text.py --transcription-path ./Data/zizek/esd.list

BERT özelliği yapılandırması oluşturun: python3 bert_gen.py --config-path ./Data/zizek/configs/config.json

Eğitim ve Çıkarım

Eğitime başlamak için python3 train_ms.py çalıştırın

Model yolu için config.yml dosyasını düzenleyin:

 model: "models/G_20900.pth"

Çıkarım için webui'yi başlatmak üzere python3 webui.py çalıştırın

vits-simple-api

vits-simple-api, eğitimli modelleri kullanmaya yönelik bir web ön ucudur. Bunu esas olarak orijinal projede bulunmayan uzun metin desteği için kullanıyorum.

 git clone https://github.com/Artrajz/vits-simple-api git pull https://github.com/Artrajz/vits-simple-api cd vits-simple-api conda create -n vits-simple-api python=3.10 pip conda activate vits-simple-api && pip install -r requirements.txt

(İsteğe bağlı) Önceden eğitilmiş model dosyalarını Bert-vits2-V2.3/ den vits-simple-api/bert_vits2/ ye kopyalayın

Bert-vits2-V2.3/Data/xxx/models/G_xxxxx.pth ve Bert-vits2-V2.3/Data/xxx/config.json dosyasını vits-simple-api/Model/xxx/ kopyalayın

MODEL_LIST için config.py ve Default parameter tercih edildiği gibi düzenleyin

Model/xxx/config.json aşağıdaki gibi düzenleyin:

 "data": { "training_files": "Data/train.list", "validation_files": "Data/val.list", "version": "2.3"

config.yml model_list [xxx/G_xxxxx.pth, xxx/config.json] olarak kontrol edin/düzenleyin

python app.py çalıştırın

İnce ayarlar

Ton için SDP Ratio , rastgelelik için Noise , telaffuz için Noise_W ve hız için Length . emotion ve style kendini açıklayıcıdır

Modelleri Paylaş

Hugging Face deposunda başkaları tarafından paylaşılan çok sayıda VITS modeli var. Önce deneyebilir, ardından istediğiniz modelleri Dosyalar'dan indirebilirsiniz.

Genshin modeli, yüksek kalitesi nedeniyle bazı içerik oluşturma topluluklarında yaygın olarak kullanılmaktadır. Yüzlerce karakter içermesine rağmen yalnızca Çince ve Japonca desteklenmektedir.

Başka bir repoda , popüler Çin yayıncılarından ve VTuber'lardan yapılmış çok sayıda Bert-vits2 modeli var.

Zaten bunun gibi AI Vtuber'lar yapan projeler var. Bu teknolojinin yakın gelecekte sektörü nasıl değiştirebileceğini sabırsızlıkla bekliyorum.

https://techshinobi.org/posts/voice-vits/https://techshinobi.org/posts/voice-vits/