开源服务指南
·
基于 VITS 的变声框架：杜绝音色泄漏问题 | 开源日报 No.242
💡
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
Retrieval-based-Voice-Conversion-WebUI 是一个基于 VITS 的变声框架，能够有效防止音色泄漏。该框架支持快速训练，适合低显卡性能，推荐使用至少10分钟的低底噪语音数据。它提供简单的网页界面，支持音色融合和人声分离，采用先进的音高提取算法，效果显著。
🎯
关键要点
- Retrieval-based-Voice-Conversion-WebUI 是一个基于 VITS 的变声框架，简单易用。
- 该框架有效防止音色泄漏，使用 top1 检索替换输入源特征。
- 即使在显卡性能较差的情况下，也能快速训练。
- 推荐使用至少10分钟的低底噪语音数据进行训练，能够得到较好结果。
- 支持音色融合，可以通过模型融合改变音色。
- 提供简单的网页界面，支持快速分离人声和伴奏。
- 采用先进的人声音高提取算法，效果显著且资源占用小。
❓
延伸问答
Retrieval-based-Voice-Conversion-WebUI 的主要功能是什么？
该框架是一个基于 VITS 的变声工具，能够有效防止音色泄漏，并支持音色融合和人声分离。
使用 Retrieval-based-Voice-Conversion-WebUI 进行训练需要什么样的数据？
推荐使用至少10分钟的低底噪语音数据进行训练，以获得较好的效果。
这个变声框架在显卡性能较差的情况下表现如何？
即使在显卡性能较差的情况下，Retrieval-based-Voice-Conversion-WebUI 也能快速训练。
如何通过该框架改变音色？
可以通过模型融合来改变音色，使用 ckpt 处理选项卡中的 ckpt-merge 功能。
Retrieval-based-Voice-Conversion-WebUI 的用户界面如何？
该框架提供简单易用的网页界面，方便用户操作。
该框架使用了什么样的音高提取算法？
框架采用了先进的人声音高提取算法，效果显著且资源占用小。
➡️
