💡
原文中文，约7100字，阅读约需17分钟。
📝
内容提要
本文介绍了使用Bert-VITS2V2.0.2版本对原神数据集进行本地训练的过程，包括数据集构建、切分、重采样和标注，解决过拟合问题以及模型推理。需要注意数据集质量和训练次数的平衡。
🎯
关键要点
- 使用Bert-VITS2V2.0.2版本对原神数据集进行本地训练。
- 需要构建数据集以克隆脱离原神角色的对象，数据集质量和多样性影响模型性能。
- 音画分离操作提取音频，使用moviepy库完成。
- 对原始音频进行分析，获取采样频率和信号强度。
- 数据集切分以避免内存溢出，使用slicer2库将大文件切分为小份。
- 切分后的音频文件长度需大于2秒，以保证音频质量。
- 对切分后的音频进行重采样和生成标注文件，使用whisper进行转录。
- 生成bert模型可读文件，完成数据预处理。
- 配置训练参数，开始训练模型，注意保存间隔以便验证。
- 训练步数需平衡，过多可能导致过拟合，过少可能导致欠拟合。
- 最后进行模型推理，注意过拟合和欠拟合之间的平衡。
➡️
