对于https://github.com/innnky/so-vits-svc/tree/32k所实践 非N卡请另寻别处,此总结为win10运行python3.10亲测所写, 我使用了180个8秒的wav片段进行训练,实际上这太少了, 因为我目前只是为了至少能成功就行,完美是以后的事 原作者用wget命令下载文件,说明是linux, 安装ffmpeg并配置exe文件的环境变量 将一段纯人声干声放进一个文件夹内,在文件夹路径沿内衬盖式输入 ffmpeg -i a.wav -f segment -segment_time 8 o_%04d.wav 文件名 每段的秒数 输出的文件名 将切出来的片段放入指定文件夹 从第一行cmd命令开始,一路上提示缺什么就安什么 pip install xxxx 以下位置的代码要改,你的python .py文件中的from开头的那些代码在哪就把from开头的代码添加在哪 Python\Python310\lib\site-packages\parselmouth\adapters\dfp\client.py 改Exception,e:为Exception as e:

Python\Python310\Lib\urllib_init_.py 添加 from urllib.parse import quote

Python\Python310\Lib\collections\abc.py和__init__.py 都添加 from collections.abc import Mapping from collections.abc import MutableMapping

提示,不允许用CPU计算 assert torch.cuda.is_available(), "CPU training is not allowed." 安装CUDA和cuDNN,驱动带的CUDA版本可以大于等于CUDA

卸载之前无脑安装的一个CPU版的 pip uninstall torch

安装GPU版的 pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

报错 Distributed package doesn't have NCCL built in win系统没有NCCL改为gloo C:\Users\12266\AppData\Local\Programs\Python\Python310\Lib\site-packages\torch\distributed\distributed_c10d.py 在prefix_store = PrefixStore(group_name, store) 的下一排加上backend = "gloo"

训练 显存只吃了1G,跑了一千步.pth文件的大小和修改时间都没变,说明根本就把wav片段跑进去, 检查train.txt内是否有所有模型片段的路径,没有就重新生成预训练出来.pt文件和.npy文件, train.txt内的有了所有声音片段的路径了

提示爆显存了,说明成功把我的声音片段跑起来了, ,将config.json中的batch_size都改为5,train.py中的num_workers改为2 成功吃了7G的显存,每步所花的时间变慢许多,显卡核心使用率是0,就和在挖矿一样,只吃显存 每提示一次 Saving model and optimizer state at iteration 步数 to ./logs\32k\G_?000.pth 就代表自动保存了进度.每隔50步数会生成一个新的pth例如G_1000.pth,G_2000.pth,G_3000.pth以此类推 最新进度之前的旧.pth可以删掉,只保留最新的, 每个文件10秒,我觉得跑到和wav文件个数的两倍的步数就够了 推理的时候,用自己训练出的最新的G_?000.pth文件

报错module 'parselmouth' has no attribute 'Sound' 安装parselmouth 报错 pandas 1.5.2 requires pytz>=2020.1, but you have pytz 2015.7 which is incompatible. 输入 pip list 查看安装的版本确实为2015 pip3 uninstall pytz将其卸载 安装 pip install pandas 报错 parselmouth 1.1.1 requires pytz==2015.7, but you have pytz 2022.7.1 which is incompatible. 卸载 pip uninstall pytz 安装 pip install pytz==2015.7 报错 pandas 1.5.2 requires pytz>=2020.1, but you have pytz 2015.7 which is incompatible 卸载 pip uninstall pandas 安装 pip install pytz==2015.7 安装 pip install parselmouth 运行报错 No module named 'pandas' 安装 pip install pandas 报错 parselmouth 1.1.1 requires pytz==2015.7, but you have pytz 2022.7.1 which is incompatible. 卸载 pip uninstall parselmouth 安装 pip install praat-parselmouth pip install PyAudio 好了可以运行了 不要用音色差别大的作为模仿对象,最好是年龄和性别都相近,以至于最好是让trans = [0] 真想填的话在先在Melodyne 5里搜索,把模仿对象的声音调到这么高或这么低试试会怎么样 +或-4是最多了,在没别的办法的情况下得到纯净说话的干声推荐微软Azure,歌声推荐VOCALOID5及以上 用歌声训模仿歌声,说话训模仿说话是最好的