uvrs如何训练ai歌手
粉丝3733获赞2.2万
相关视频
07:20查看AI文稿AI文稿哈喽，大家好，现在这一段声音是大家平时听到我原本的声音，这一段声音呢，是我用朋友的声音炼制的声音模型，接下来这一段呢，是我家楼下大爷的音色，接下来这一段呢，是我用自己的声音推理出来的歌曲。 没错，今天我们来分享一个关于训练声音模型的技术。其实训练声音的模型很早就已经接触了，但是一直没有准备做教程来分享，因为呃声音的训练和推理就像是这个二维码一样，都是比较敏感，容易在很多诈骗的场景被使用我所以我基本一直是自己来自娱 自乐一下。但是呢，前几天做了一件事，让我感觉这项技术其实可以拿来做很多非常有意义的事，比如说把家里人的声音训练成声音模型，或者是把照片训练成 sd 的模型。在一些非常遗憾，人力不可抗拒的情况下，这样的赛博飞升其实真的是非常有意义的。所以今天准备跟大家分享这个呃 有趣的技术吧。我们接下来进入正题，开始训练之前呢，首先要跟大家讲一下，这个软件其实还是利用 gpu 来训练的，所以对显卡有一定的要求，经过我的测试，应该是二零系的显卡基本都没问题了。 当然我们的显存尽量要大一点，最低最低最低应该是要六 g 甚至六 g， 我估计可能是训练不了模型，但是你可以用已有的模型来推理，保险一点的配置应该是八 g 的显存。首先呢，我们需要下载这个软件，软件的名字叫做 rvc， 这也是一个大佬基于这个技术原理来集成的一个这种 ui 界面，类似于 s d 的 y， 大家如果想去了解更多的这个使用知识，可以去 b 站去关注一下这位大佬，这个软件呢我也放在了链接当中，大家可以自行去下载， 下载完之后呢，我们把它解压出来，解压了之后我们打开下面这个 r v c， 在里面呢，我们找到有一个勾 v 点 b a t， 我们双击打开这个，这样的话我们就到了 ui 界面，这个 ui 界面里面呢，我们其实只要用 其中的两个功能。首先第一部分先教大家如何来训练我们的声音模型。首先需要准备素材，这个素材集呢，根据我的经验，我们需要准备至少 十到十五分钟的纯人生的素材，这个声音的质量是越高越好，而且不要有杂音，不要有混响。如果你没有专业的录制设备，其实我们现在的手机录音在一个安静的环境下就可以做得到。然后素材量呢，理论上是越多越好，但是一定是要在保证质量的前提下，呃，然后素材要注意的第二个点就是，如果我们训练出来的模型是想让他更多的用语说 话，那这个时候我们尽量就录制正常来说话沟通的这个声音。如果我们是想用来推理歌曲，想用来唱歌，那我们尽量素材就是我自己清唱的声音，不用担心唱的不好或者跑调，因为他最终训练的是我们的音色，但是尽量的要覆盖到高中低音，如果你的唱歌的声音里面全部都是低音， 或者你用纯说话的声音推理歌曲，他就会产生一些这种电子音或者是一些哑音的情况。当我们准备好了这个素材之后，接下来我们进入到这个 web ui 的训练界面里面。首先第一个部分，我们要给这个训练的模型起一个名字，然后呢这里的目标采样率我建议大家就保持默认，然后呢模型是否带有高音指导， 我们也是让他默认保持打开的状态。然后接下来版本，这里啊建议大家都是选择 v 一，因为 v 二目前不是特别稳定。然后最后这里呢就是除了在使用 gpu 处理的情况下， cpu 也可以辅助我们完成这个数据的处理，这个地方我们尽量给他拉满了，相对处理的会更快一些。第二步 这里我们要选择训练的文件夹路径，也就是说我们要把准备训练的声音素材，这个素材可以是一整段的，也可以是多段的，我们把它放到一个文件夹，然后呢复制这个文件夹的路径，然后粘贴到这里。然后第二步的其他所有的部分全部都是保持默认。接下来呢直接进入到第三个步骤，来填写一下他的训练设置。 首先我们先看一下总轮数吧，根据我的测试状态，如果你是有十五到三十分钟的素材，那么我建议这里的训练轮数是二百轮或者到三百轮，总轮数是二百轮。如果我们是五轮保存一次的话，那最后就会得到四十个模型， 其实没有必要的，所以这里建议我们改成每二十轮保存一次，这样最终我们就会得到十个模型来从中挑选。然后呢这里相当于一个并行处理的数量，这个越高的话处理的就会越快，但是越迟，我们的显存这里的话，它会自动根据我们的显卡来确定，我们保持默认就好。然后这里呢是说我们是否保存最新的一节是一般空间，也就说无论你这里填了多少， 如果你把这个勾选的话，他最后只给你保存最新的这个模型，我们当然是要选择否了，这个部分我们也可以给他选择否，然后最后这里是否在每次保存的时间点将最终小模型保存至这个文件夹。我们这里要选择是因为最终训练完的模型，我们要在这里找到他，接下来其他地方全部保持默认，然后我们点击 一键训练，这个时候我们就看到后台这里已经在处理，包括前台他正在处理数据，这里我们需要耐心做一个等待，做演示，我这里就不训练完了。训练结束之后，我们会看到一个英文单词 successful 的字样，就代表成功了，然后最后在结尾的时候，他会有一个二三三三三三这样结尾。当他整体训练完了之后，我们进入到这个 rvc 的这个根目录下面，然后我们在这个为此这个文件夹当中就可以找到我们训练完的，比如说这个是之前我训练过的，他就会显示，呃每一轮保留的一个模型，这些就都是我们训练好的模型。训练完之后，再当我们打开模型推理的时候，我们在下拉菜单 中就可以找到刚才训练的模型，到这一步我们的训练就结束了，那如果我们正常自己使用，其实在下拉菜单中找到进行下一步的推理就可以了。那如果我们想把训练好的音色分享给别人来使用，在 哪里找的？首先第一个我们需要把这个位词当中这个模型给他复制出来。然后第二个我们还要在这个 logs 里面找到我们刚才训练的这个音色，在这里面呢我们会看到非常多的文件，我们要找到其中的两个，一个是以 n p y 结尾的这个文件，另外一个就是上方的这个音 desk 结尾的这个文件，这三个文件组成了我们完整的模型文件。那第二步我们如何来进行声音的推理呢？首先我们需要把模型放到我们文件夹当中的位置里面， 然后在推理音色这里我们就可以找到刚才放进去的模型。我给大家展示一下，如果我们用这一首歌来做推理的话，首先第一个我们一般下载的歌曲都是带伴奏的，这个时候呢我们就要把伴奏跟人声 进行一个分离，这里呢推荐一个简单的工具，这个软件呢我也会把它放到链接中，他的使用其实非常简单，打开之后呢，我们直接选择他的输出路径，确认输出路径之后呢，我们就把这个想要分离的这个音乐给他 进来，处理完之后，在这个输出目录他就会生成一个文件夹，这个文件夹当中呢 ocas 就是我们的人声，然后上面一长串就是分离出来的伴奏，我们所需要用到的是这个人声，然后这个变调这个部分， 如果我们是男生转男声，或者女生转女生，音调是差不多高的，我们就默认保持为零。那如果原音是男生转为女生模型的音色，相当于他做了一个声调，那这里呢，我们就要填写十二。然后呢，如果是原音是女生，我们要转成男生的音色，那又给他填写负十二。我们这里呢，因为这个原音 是一个男生，我的这个声音也是男生，所以就不用给他做变调。然后这个地方的路径呢，就是我们之前保存那个 indesk， 如果这个模型是别人复制给你的，那我们 就是要把它放到 logs 里面，我们给它新建一个文件夹，然后把这个 indesk 给它放进来。如果是我们自己练的就不需要了，它自动已经就在这里了。然后其他的地方我们都不用去管它，直接点击转换， ok， 这样的话最终在剪辑软件里面把伴奏跟人声合在一起就完成了，学会的话就赶紧去尝试一下吧。
1.5万大桶子AI
10:57查看AI文稿AI文稿大家好，呃，前两天我自己在用剪映做视频的时候呢，因为声音有些不对，所以呢这边做了一些声音的重新录制，但是呢我突然发现在这个地方有一个叫人声分离的功能 啊，这是剪映提供的，但是呢是 vip 的，需要付费的啊，然后呢从这个东西我不由得想到了一件事情啊，在九月份 我们的六公主干了个事情，把这个全弯的这边有部分的声音啊，部分的六公主，部分歌手的唱歌，把他的伴奏全去掉，也就是全部是清唱，然后呢就出现了各种各样的 一些奇怪的现象，这个东西大家也都清楚，这个是网易的啊，这比较官方的一个平台所提供的一些视频，本身这个 他们这个唱功什么的我不去研究啊，我们也不是研究这个的啊，好坏我们也不管，因为我们就在想，就是他这个 这个视频做出来的所使用到的声音，应该就是跟剪映这边的这种人声分离是一个意思，或者是用的这种功能去实现的。 那么我自己就想到的说我们自己能不能干这个事情，就说别人在唱的一首歌，把这首歌的伴奏跟人声分开，也许呢我们可以拿这个伴奏自己来唱，对不对？然后顺便我们可以学习一下人家清唱的时候是什么 样子，对吧？ ok， 经过一些寻找，找到了啊这个东西，当然了这种人参分离的工具有很多，但是我自己觉得比较好的呢，是这个啊，就是 ur uvr 五，然后呢现在已经到五点六了啊，它的版本已经到五点六了， 原来的时候他是五的时候呢，据说是一个绿色的啊，安装包直接下载下来打开就可以用。然后呢现在已经进化到就是需要安装了啊，我们可以看一下这边有几个下载的链接啊，把它翻一下， 这边呢是可以直接下载的。那主要下载链接或者是如果是你用 a m d 的话呢？ a m d 显卡啊， a m d 显卡的话可以用它的另外一个 open c l 版本。呃，一般的话 是加载下载这个我们把它下载下来之后呢下载呢我们下载下来在这边啊， 安装一下就可以，安装的时间比普通的一些程序稍微长那么一点点啊，这个不重要，按照正常的程序来，然后他就会在这个位置 发现一个图标，我们把它点开运行呢，它是整个呢，大概是这样子的，分几个框，一个是输入框，这是输出框， 这个输入框呢也就是说你把需要去进行人声分离的音频放在这边，然后呢这个地方是你要输入的文件夹，输出的文件夹，那我这个他跟以前有些东西不一样，原来呢是只能放一首歌或者是放一个 片段，现在你把它点开呢，可以往里面加，可以往里面加。像现在这边的话，我自己加了三个啊，就是有三个音频文件，然后这边是有个输出的文件夹给他。 嗯，现在这边呢，我们顺便看一下他的一些。嗯，分离的模式，这个呢 vr 的是主要针对人声唱歌这种的，有些呢可能是针对其他的一些乐器类的啊，包括还有这些奥迪托斯是更加针对乐器类的东西。呃，然后这边我们默认不不用管 在这边呢，它默认的时候呢是只有呃一个 ur 呃 u u vr 的这个 later 模型啊，我们自己需要去下载一二三四五或者是其他等等，它有很多的模型，原来的时候五 版本是五点零的时候呢，它是有一三五的啊，我们自己到这边点一下这个 download more models， 在这边可以选一下。 vr 的模型下面有很多 啊，一般情况下我自己用的话用的是一二三五，一二啊，一三四五 啊，这只是进行人唱歌的时候人声进行分离的，用三或者是四 啊三呢是比较正常的，包括这个所有的半身会一起把它分离出来，然后单纯的音乐四呢会更加分类的更清楚一点，强化一点，但是强化的时候可能刚刚有点过了个人使用那个经验啊， 我们用三啊，我们其他的呢就可以不用管它了。我们大概 呃听一下原来的声音是什么样子啊？比如说我们选 d 手，就这个吧， 就这个我们先听一下， 是个很有情调的一个歌曲，是吧？ ok， 我们把它进行两下删掉， 我们把它放在这边之后，你的这个输出文件夹选好了，比如说这边是 opport， 选好之后呢就行了， 就不用管它了，然后这边模型选好。哦，咱这里有一个东西看一下哈，这边有一个 gpu 设置，就是打勾的话呢，它就使用 gpu 进行运算， 然后还有一个是 vocals only 的话，如果这个打打勾的话呢，就说只把人声提取出来，然后呢音乐他是不会给你留保留的 啊，如果你打勾的话它是不保留的，我们勾不打，放在这边的话，那么它会人声，跟你的音乐会分别存为两个文件啊。 ok， 那我们现在先试一下，点击这个 start， 速度是比较快的，也就几秒钟的时间， down， down down， okay， 七秒钟完成，那么我们现在到 output， 这是它的 output 文件夹，文件夹是这个啊， vocal 呢是人参啊。 呃，来我们听一下， 还是挺不错的啊，这个效果还是蛮好的啊，个人觉得啊。下面呢， 我们先把它这边的另外一个输出，把它删除掉，重新选一首歌，比如说从这边 import， 这个呢是叫得意的笑啊， 我们其他的选项都不变，然后重新运行一次，待会这边会产生一些两个文件，一个是音乐文件，一个呢是人声音乐这边已经产生了六秒钟，很快的就已经把它生成出来了。首先我们先听一下这个是李丽珍的， ok， 那么再听一下这个 vocal， 记得 vocals 是人声，这下面呢是一个音乐， 整个的呢还是比较清爽的，而且可以感觉出来，最起码说我认为他的唱功还是蛮不错的啊，当然这个是 有这个 uvr 五的功劳，他能把它分别出来，我们顺便可以听一下他的这个伴奏的音乐， 人声去除的非常的干净啊，但是呢，像这种音乐话呢，你只能说把它分离出来了，如果说拿它去做卡拉 ok 的这种伴奏的话呢，可能还是有一些欠缺，如果是需要去做卡拉 ok 的伴奏这一类的东西的话，用的模型你把它改成四或者是五， 当然这个舞会更适合一点，专门专门标注了是卡拉 ok 用的，这样的话呢，他会把所有的伴奏包括有一点点的人声留在音乐里面，更加方便的你去唱这首歌。比如说我们现在去把这个 啊，对的，小这个歌我们把它分离出来，按照五的模型啊，我们待会光听音乐不听人声啊，大概六秒钟完成就这个了。啊，这个呢是 伴奏听到有没有有一点点的原声在里面， 这个呢就有一点点的原人声在里面，包括他们的和声全部都在里面，更加方便的，你去啊唱歌也就说可能会帮你演示的会更好一点， 对吧？嗯，这个工具呢，只是觉得挺好玩的。然后呢就找了一下啊，给大家分享一下吧，如果你们想是 啊，像六公主一样去让别人去原形毕露或者怎么样的话，一样的没问题，自己去慢慢捣鼓就可以了。好吧啊，今天的介绍就到这边，谢谢各位。
90太古李
01:34
