AI唱歌之终极喂饭教程 - SVC的极限就在这了

最近作者对AI声音技术产生了兴趣，特别是在制作AI唱歌方面。为此，他开发了一个中文TTS项目BertVits2，并在此基础上继续研究SVC（Singing Voice Conversion）技术。本文旨在为读者提供一个详细的SVC教程，帮助他们制作出高品质的AI唱歌效果。

一. 数据集的准备与处理

在AI声音制作中，数据集的质量对最终效果至关重要。作者强调，不应混用普通话和唱歌数据，建议单独录制1小时的干声数据。录音环境应安静，使用质量较好的收音设备。录制完成后，建议通过剪映软件进行音频优化，最后使用Audio Slicer工具切割数据集。

二. 主模型的训练

准备好数据集后，作者指导读者在AutoDL平台上租用V100 32G显卡，并使用特定的社区镜像进行模型训练。训练过程中，重要的是依靠听觉判断模型效果的好坏，而不是仅仅依赖参数。作者建议在训练过程中多次用耳朵进行检验，以确保最佳音质。

三. 最终推理与合成

模型训练接近完成时，可以利用WebUI界面进行推理和歌曲合成。作者推荐使用一个免费的音乐下载网站获取音乐，并使用剪映软件进行人声与伴奏的分离。分离完毕后，将干声上传到SVC的WebUI页面，进行音频转换。转换成功后，将AI唱歌的声音与伴奏合成即可。

四. 保存模型下次使用

作者提醒，使用云服务时务必记得及时保存模型，以免所有工作白费。他提供了保存模型的详细路径，并建议将模型下载到本地保存。

最后，作者表达了编写教程的艰辛，希望能为读者带来帮助。他鼓励读者点赞、转发，如果觉得内容有用，可以给文章一个星标。