最强中文语音克隆BertVits2 - 有一点点麻烦，但是效果真的无敌

本文介绍了一个中文特化的AI音频克隆工具——Bert-Vits-2，并提供了详细的教程来训练和使用这个模型。作者首先指出国外AI产品中往往忽视中文语言，而国内产品尽管效果好但不易对外发布。因此，作者倾向于自己动手，发现了Bert-Vits-2这个项目，并认为它是目前开源TTS中最强的中文语音克隆项目。

作者提供了一个详细的教程，首先推荐使用云平台AutoDL来减少错误和成本。教程要求用户选择正确的CPU型号和CUDA版本，以及指定的社区镜像版本，来避免错误。创建镜像后，作者指导用户通过JupyterLab运行代码块，并注意系统状态。

教程中还涉及了数据集的上传与切割，作者强调需要纯人声的干声，并且口吻应当日常自然。接下来，用户需要进行数据集的标注，这一步骤可能会花费较长时间。完成后，用户需要按照教程依次运行几个代码块，生成所需的数据。

最后，用户进入训练模型的阶段，作者提醒在某些步骤之间要重新运行特定的代码块以避免错误。训练完成后，作者建议用户在云端进行推理，以满足硬件要求。推理过程中，用户需要修改配置文件，并通过AutoDL的自定义服务访问推理WebUI。

作者分享了对于推理结果的满意度，并提供了参数调整的建议，以及如何保存和继续使用训练模型。最后，作者表示自己虽然不懂技术但最终解决了许多问题，希望读者能发挥AI的强大功能，做一些有趣的事情，并鼓励读者点赞和转发。