AI翻唱变声软件DDSP-SVC教程，低配电脑可用，so-vits-svc替代品

前几天给大家介绍了一个非常强大的翻唱歌曲软件so-vits-svc，文章链接：《AI孙燕姿：人人都是翻唱高手，so-vits-svc4.0一键整合包下载及本地安装部署教程》，但是那个软件对电脑配置要求比较高，一般人显卡达不到要求，训练效果可能不是很理想。现在给大家介绍另外一个AI变声软件DDSP-SVC，这个软件对电脑配置要求要低一些，但是转换效果也会比so-vits-svc差了点，但是软件还是在优化升级中，目前合成音频效果也是不错的。DDSP-SVC github项目地址：https://github.com/yxlllc/DDSP-SVC，下面给大家具体演示一下操作步骤。

github上有安装使用步骤，大佬可以参考步骤安装使用，我们这里使用羽毛布団大佬制作的整合包，方便新手小白使用。百度网盘下载链接: https://pan.baidu.com/s/1KBGJP4F1i5OthGCoAohz9Q?pwd=35ps 提取码: 35ps

首先准备声音素材，最好是在安静的环境中录制的纯人声高清音频素材，如果你是用来转换歌曲的话，你录制的声音最好有高音和低音部分，这样转换出来的歌声效果更好，不然的话高音部分可能会沙哑变音，如果你录制的声音不够干净，可以使用UVR5这个软件来提取干净人声。这个软件在网盘里也有。声音素材总时长建议在1个小时以上。

打开UVR5软件，如上图所示，input里选择待提取纯人声的音频文件，output选择输出文件夹，下面选中GPU Conversion 和vocals only只保留人声，然后点击按钮start processing提取即可。单个音频文件不要太大，时长最好20分钟以内，否则软件可能会因显存不足报错。将所有纯人声音频文件提取完毕后待用。

将DDSP-SVC软件下载到电脑上解压，运行【启动WebUI.bat】文件启动webui页面，选择智能音频切片选项卡，原始音频文件夹里输入准备好的干净人声音频文件所在的文件夹，文件夹路径复制进来，然后点击按钮【加载原始音频】，看看是不是提示加载成功，音频列表里的音频文件和你文件夹里的音频文件是否一致，然后选择分割后的音频输入文件夹，点击【开始切片】开始分割音频。输出信息成功即代表分割完成。

音频分割完成之后，将分割好的音频片段复制到data rain\audio文件夹下，再点击【一键划分数据集】按钮，选出验证集音频文件

下面是数据预处理，选择编码器和f0提取算法，页面上有明确的说明，可以根据自己的需求选择，然后点击【数据预处理】按钮，这一步根据选择算法不同，文件数量不同消耗时间也不一定。等到进度条100%，没有报错的话就是预处理成功了。

下面是设置训练参数，总共需要训练两个模型一个是DDSP模型另一个是扩散模型，下面大部分参数保持默认即可，如果你的显卡显存比较低比如2G，可以在缓存数据这里选择CPU，同时batch_size也要适当降低，大显存可以不用修改。扩散模型配置里训练数据类型，如果你的显卡是20系列或更高，可以选择fp16或bf16，可以加快训练速度，如果训练时提示RuntimeError: Current CUDA Device does not support bfloat16. Please switch dtype to float16，就是不支持bf16,可以选择前面的fp16,如果还是不支持就再朝前选择fp32,注意更换选择训练数据类型之后要点击按钮【写入配置文件】，然后再去点击下面的训练模型按钮，都设置完成后点击按钮写入配置文件。

下面选择从头开始训练，然后点击训练DDSP模型，然后系统就会打开终端窗口输出训练信息，如果不想训练了的话可以按住ctrl+c终止训练，DDSP模型和扩散模型是分开独立训练的，

你可以打开tendorboard查看训练状态，选中正在训练的模型点击打开tensorboard按钮，等到终端输入如下图http://localhost:6006/信息的时候将网址复制到浏览器地址栏打开就可以。

训练步数越大越好，在训练过程中终端会输出loss值，当值很低不再变的时候就可以停止训练了，可以转去训练下一个模型。如果停止后想接着训练，可以选择继续上一次的训练进度接着训练。

两个模型都训练完成之后，切换到推理选项卡，点击刷新选项，选择模型训练步数最大的模型文件。

点击上传待转换的纯人声音频文件，其它设置保持默认即可，点击下面的音频转换按钮开始转换音频。如果转换后的音频声音嘶哑或是声音异常，可能是模型里没有高音待转换的音频里面有高音无法达到转换效果，或是f0提取算法问题，你可以换个算法。声音转换完成后可以播放试听或是点击下载保存转换后的音频文件。

在终端里面输入workenv\python.exe gui_diff.py运行，可以开启实时声音转换功能，选择想用的模型，选择输入输出设备，点击开始音频转换按钮即可。

注意请训练自己的声音，如果训练别人的声音请获得授权，仅限个人研究学习及娱乐使用，切勿违规使用该软件。

原文：https://dyss.top/897