再次训练#

如果你的GPU到限额了啊 或者要关闭网页了，过了一段时间想重新回来炼丹的话

从“已经预处理过数据集的话，就可以跳过预处理部分 直接从云盘解压处理过的数据 以及配置文件”这步开始

当然前面Clone库该是需要的…

Colab云端推理#

推理脚本（用我自己三脚猫功夫改的）

保存笔记后，手动把你要转换的wav放到云端的/content/so-vits-svc/raw里面

填一下“从Drive中copy模型与json”从上到下执行就可以了

如果你不需要我的三脚猫功夫，可以手动改

这里说一下要点：

在Colab中，系统命令前需要加一个!(半角)

推理依然需要必要模型

1
!wget -P hubert/ https://github.com/bshall/hubert/releases/download/v0.1/hubert-soft-0d54a1f4.pt

Drive云盘在挂载后地址为： /content/drive/MyDrive/

下面是详细的

加一个代码

在代码框中，你需要多安装一个依赖

1
!pip install scikit-maad

然后你可以选择手动把模型和config传上去，但这显然不如把Drive挂载后复制：

1
from google.colab import drive
2
drive.mount('/content/drive')

注意：推理所需要的是G_开头的模型，而不是D_开头的

大概是这样的：

1
!cp 你最新模型在挂载后的路径 /content/so-vits-svc/logs/48k/模型名字.pth
2

3
!rm -rf /content/so-vits-svc/configs/config.json
4

5
!cp 你模型config.json的路径 /content/so-vits-svc/configs/config.json

举个例子：

1
!cp /content/drive/MyDrive/48k/G_2000.pth /content/so-vits-svc/logs/48k/G_2000.pth
2

3
!rm -rf /content/so-vits-svc/configs/config.json
4

5
!cp /content/drive/MyDrive/48k/config.json /content/so-vits-svc/configs/config.json

以上为48k分支（也就是main分支），如果你选择32k，那应该是这样

1
!cp 你最新模型在挂载后的路径 /content/so-vits-svc/logs/32k/模型名字.pth
2

3
!rm -rf /content/so-vits-svc-32k/configs/config.json
4

5
!cp 你模型config.json的路径 /content/so-vits-svc-32k/configs/config.json

如果你是Colab Pro可以打开命令行，我不行所以我只能改笔记

接下来手动打开inference_main.py并修改

依然是重点改model_path,clean_names,trans,spk_list这几个

model_path改成你训练出最新模型的路径

clean_names改为你raw文件夹中放的wav的文件名，无需.wav结尾

trans为变调，根据实际来调，男模型唱女声大概需要-12~-16

spk_lisk为你说话人的名字，可以支持多个，用半角逗号隔开

偷懒了，直接复制上一篇的过来

改完之后，加一个代码并运行

1
!python inference_main.py

值得一提的是…即使Colab给了15GB大显存，如果你直接把一首歌不裁剪丢进去也丝毫不妨碍他炸显存

成功了就把results里的成果下载下来就好了

本地推理#

首先，像上一篇一样配好环境 （这一句话足够折腾几个小时）

然后把Colab里出来的G_开头的.pth模型下载下来，放到你本地的logs/32k或者logs/48k文件夹中

把Colab上的configs/config.json放到和你本地一样的位置，也就是.../configs/config.json中

然后接下来与上一篇基本相同，不细说了