Instruções e dicas para treinamento RVC

Estas DICAS explicam como o treinamento de dados é feito.

Fluxo de treinamento

Explicarei ao longo das etapas na guia de treinamento da GUI.

Passo 1

Defina o nome do experimento aqui.

Você também pode definir aqui se o modelo deve levar em consideração o pitch. Se o modelo não considerar o tom, o modelo será mais leve, mas não será adequado para cantar.

Os dados de cada experimento são colocados em /logs/nome-do-seu-modelo/.

Passo 2a

Carrega e pré-processa áudio.

Carregar áudio

Se você especificar uma pasta com áudio, os arquivos de áudio dessa pasta serão lidos automaticamente. Por exemplo, se você especificar C:Users\hoge\voices, C:Users\hoge\voices\voice.mp3 será carregado, mas C:Users\hoge\voices\dir\voice.mp3 será Não carregado.

Como o ffmpeg é usado internamente para leitura de áudio, se a extensão for suportada pelo ffmpeg, ela será lida automaticamente. Após converter para int16 com ffmpeg, converta para float32 e normalize entre -1 e 1.

Eliminar ruído

O áudio é suavizado pelo filtfilt do scipy.

Divisão de áudio

Primeiro, o áudio de entrada é dividido pela detecção de partes de silêncio que duram mais que um determinado período (max_sil_kept=5 segundos?). Após dividir o áudio no silêncio, divida o áudio a cada 4 segundos com uma sobreposição de 0,3 segundos. Para áudio separado em 4 segundos, após normalizar o volume, converta o arquivo wav para /logs/nome-do-seu-modelo/0_gt_wavs e, em seguida, converta-o para taxa de amostragem de 16k para /logs/nome-do-seu-modelo/1_16k_wavs como um arquivo wav.

Passo 2b

Extrair pitch

Extraia informações de pitch de arquivos wav. Extraia as informações de pitch (=f0) usando o método incorporado em Parselmouth ou pyworld e salve-as em /logs/nome-do-seu-modelo/2a_f0. Em seguida, converta logaritmicamente as informações de pitch para um número inteiro entre 1 e 255 e salve-as em /logs/nome-do-seu-modelo/2b-f0nsf.

Extrair feature_print

Converta o arquivo wav para incorporação antecipadamente usando HuBERT. Leia o arquivo wav salvo em /logs/nome-do-seu-modelo/1_16k_wavs, converta o arquivo wav em recursos de 256 dimensões com HuBERT e salve no formato npy em /logs/nome-do-seu-modelo/3_feature256.

Passo 3

treinar o modelo.

Glossário para iniciantes

No aprendizado profundo, o conjunto de dados é dividido e o aprendizado avança aos poucos. Em uma atualização do modelo (etapa), os dados batch_size são recuperados e previsões e correções de erros são realizadas. Fazer isso uma vez para um conjunto de dados conta como um epoch.

Portanto, o tempo de aprendizagem é o tempo de aprendizagem por etapa x (o número de dados no conjunto de dados/tamanho do lote) x o número de epoch. Em geral, quanto maior o tamanho do lote, mais estável se torna o aprendizado (tempo de aprendizado por etapa ÷ tamanho do lote) fica menor, mas usa mais memória GPU. A RAM da GPU pode ser verificada com o comando nvidia-smi. O aprendizado pode ser feito em pouco tempo aumentando o tamanho do lote tanto quanto possível de acordo com a máquina do ambiente de execução.

Especifique o modelo pré-treinado

O RVC começa a treinar o modelo a partir de pesos pré-treinados em vez de 0, para que possa ser treinado com um pequeno conjunto de dados.

Por padrão

Se você considerar o pitch, ele carrega rvc-location/pretrained/f0G40k.pth e rvc-location/pretrained/f0D40k.pth.
Se você não considerar o pitch, ele carrega rvc-location/pretrained/f0G40k.pth e rvc-location/pretrained/f0D40k.pth.

Ao aprender, os parâmetros do modelo são salvos em logs/nome-do-seu-modelo/G_{}.pth e logs/nome-do-seu-modelo/D_{}.pth para cada save_every_epoch, mas especificando nesse caminho, você pode começar a aprender. Você pode reiniciar ou iniciar o treinamento a partir de weights de modelo aprendidos em um experimento diferente.

Index de aprendizado

O RVC salva os valores de recursos do HuBERT usados durante o treinamento e, durante a inferência, procura valores de recursos que sejam semelhantes aos valores de recursos usados durante o aprendizado para realizar a inferência. Para realizar esta busca em alta velocidade, o index é aprendido previamente. Para aprendizagem de index, usamos a biblioteca de pesquisa de associação de áreas aproximadas faiss. Leia o valor do recurso logs/nome-do-seu-modelo/3_feature256 e use-o para aprender o index, e salve-o como logs/nome-do-seu-modelo/add_XXX.index.

(A partir da versão 20230428update, ele é lido do index e não é mais necessário salvar/especificar.)

Descrição do botão

Treinar modelo: Após executar o passo 2b, pressione este botão para treinar o modelo.
Treinar índice de recursos: após treinar o modelo, execute o aprendizado do index.
Treinamento com um clique: etapa 2b, treinamento de modelo e treinamento de index de recursos, tudo de uma vez.