AI声音克隆实战：一步步教你如何训练出专业的声音模型
嫌啰嗦，可直接跳至教程学习界面
序言
音乐是一种跨越语言和文化的艺术形式，能够带给人们美的享受和情感的共鸣。然而，对于一些五音不全的人来说，歌唱成为一种难以逾越的障碍。但是，随着人工智能技术的不断发展，我们现在有了AI声音模型克隆技术，这项技术能为五音不全的人们带来新的体验。
AI声音模型克隆技术是一种利用深度学习算法，根据目标声音的特点和参数，生成与之相似的新声音。这种技术已经被广泛应用于声音模拟、声音转换、歌唱合成等领域，为音乐创作和教育提供了更多的可能性和便利。
本文将介绍AI声音模型克隆技术的概念、优点和实际应用场景，并探讨潜在的问题和未来的发展方向。同时，我还将提供一些声音模型网站的注册方式和相关信息，以便读者能够更好地了解和尝试这种技术。
尽管本文有一定难度，但只要勇于尝试，问题总会迎刃而解。
技术原理
AI声音模型训练是通过分析大量音频数据来学习声音特性，生成与目标声音相似的新音频。这包括数据预处理、模型构建、训练、评估和优化。为了达到逼真、自然的声音效果，需要大量高质量音频数据和计算资源，并且需要精细调整和优化模型。
教程开始阶段
准备阶段
训练AI声音需要准备以下两部分：
1，高质量的音频数据：这是训练声音模型的基础，需要收集和准备大量的音频数据，包括不同人的发音、不同的声音特征等。这里音频数据指的是说话人的干声，干声就是无伴奏无杂音和背景音乐的说话声，也可以包括歌曲清唱的声音。所需时间 1小时左右声音
这里我放上几个可以朗读的文字，按照以下文字清晰朗读，方便学习不同的音高和音色。如果要训练唱歌的模型，请自己准备好歌词清唱
2，硬件资源：训练声音模型需要大量的计算资源，包括高性能的计算机、GPU等。白话说就是显卡要好。一般 英伟达2060 TI 8Gb以上的就可以进行运算了，只不过耗时巨慢，也可以自己在显卡租用平台，进行租用，价格 1元多1小时。一般 6个小时，就可以把模型训练出来。本文只教学 本地推理，如果本地电脑配置不高的朋友想学云端训练，我会再写下教程。
（本文不涉及任何推广）
训练介绍
RVC介绍
Retrieval-based-Voice-Conversion-WebUI 简称 RVC
一个基于VITS的简单易用的语音转换（变声器）框架
RVC0813 整合包下载（整合包 包含 运行环境 启动器）
https://pan.baidu.com/s/1mEs9Jmi2tBot4AgH6ZWp-w?pwd=eqea
特点
- 使用top1检索替换输入源特征为训练集特征来杜绝音色泄漏
- 即便在相对较差的显卡上也能快速训练
- 使用少量数据进行训练也能得到较好结果(推荐至少收集10分钟低底噪语音数据)
- 可以通过模型融合来改变音色(借助ckpt处理选项卡中的ckpt-merge)
- 简单易用的网页界面
- 可调用UVR5模型来快速分离人声和伴奏
- 使用最先进的人声音高提取算法InterSpeech2023-RMVPE根绝哑音问题。效果最好（显著地）但比crepe_full更快、资源占用更小
- A卡I卡加速支持
教程阶段，可直接在此处学习
一、将整合包下载并解压，启动go-web.bat 等待运行
RVC0813 整合包下载（整合包 包含 运行环境 启动器）
https://pan.baidu.com/share/init?surl=mEs9Jmi2tBot4AgH6ZWp-w&pwd=eqea
启动go-web.bat
出现0.0.0 启动成功
二、进入训练界面，默认的参数默认就行，不用动
3，输入音频文件夹路径，处理数据
将要训练的的干声数据集放到本地任意英文路径文件夹内复，点击处理数据
处理数据
输入 音频文件夹路径
处理完毕
出现 end preprocess 表示处理完毕
特征提取
（特征提取是从声音信号中提取有用信息的过程，这些信息可以被用于训练模型进行分类或识别）
处理完毕
出现 all-feature-done 表示已经处理完毕，可以进行最后一步处理了
最后一步，开始训练，设置训练的步数和保存频率
数值参数设置
保存頻率 这个数值表示多少轮保存一次模型，如果你的电脑很牛很稳定 50轮也是可以的，不然就推荐 20-40轮保存一次模型
總訓練輪數一般 300轮模型就可以出炉了
每张显卡的batch_size 如果你的显存是8则填8，显存多少，填多少数值。
点击一键训练
终端显示Epoch: 1字符，表示第一轮，正在训练了
正在训练
等待几个小时后，就训练结束了，就可以进行下一步，对声音模型进行推理试音了。
准备好要换音的音频，选择音频推理，找到自己已经训练好的模型音色
选择轮数模型
声音转换
我训练的是舌尖上的中国配音试听一下。
到此为止，模型训练完毕，不会的可留言指导。
声音模型下载
推荐一个声音模型下载网站，模型工坊网址 mxgf.cc
有很多高质量声音模型，目前还是在一直更新中，有免费和收费的模型，对比我们来训练的话，还是很省时省力
下载一个RVC模型测试
将下载好的声音模型文件，放置到 RVC目录下的 weights 目录下
模型工坊 mxgf.cc
进入 WEBUI 界面 刷新音色
将要转换的声音或者歌曲干声转换，然后和伴奏合并，试听一下
到此文章结束，有任何疑问欢迎提问。
