194 lines
8.9 KiB
Markdown
194 lines
8.9 KiB
Markdown
<div align="center">
|
||
|
||
<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
|
||
Uma estrutura de conversão de voz fácil de usar baseada em VITS.<br><br>
|
||
|
||
[](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI)
|
||
|
||
<img src="https://counter.seku.su/cmoe?name=rvc&theme=r34" /><br>
|
||
|
||
[](https://colab.research.google.com/github/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/Retrieval_based_Voice_Conversion_WebUI.ipynb)
|
||
[](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/LICENSE)
|
||
[](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)
|
||
|
||
[](https://discord.gg/HcsmBBGyVk)
|
||
|
||
</div>
|
||
|
||
------
|
||
[**Changelog**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_EN.md) | [**FAQ (Frequently Asked Questions)**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/FAQ-(Frequently-Asked-Questions))
|
||
|
||
[**English**](../en/README.en.md) | [**中文简体**](../../README.md) | [**日本語**](../jp/README.ja.md) | [**한국어**](../kr/README.ko.md) ([**韓國語**](../kr/README.ko.han.md)) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
|
||
|
||
|
||
Confira nosso [Vídeo de demonstração](https://www.bilibili.com/video/BV1pm4y1z7Gm/) aqui!
|
||
|
||
Treinamento/Inferência WebUI：go-web.bat
|
||
|
||
|
||
GUI de conversão de voz em tempo real：go-realtime-gui.bat
|
||
|
||
|
||
|
||
> O dataset para o modelo de pré-treinamento usa quase 50 horas de conjunto de dados de código aberto VCTK de alta qualidade.
|
||
|
||
> Dataset de músicas licenciadas de alta qualidade serão adicionados ao conjunto de treinamento, um após o outro, para seu uso, sem se preocupar com violação de direitos autorais.
|
||
|
||
> Aguarde o modelo básico pré-treinado do RVCv3, que possui parâmetros maiores, mais dados de treinamento, melhores resultados, velocidade de inferência inalterada e requer menos dados de treinamento para treinamento.
|
||
|
||
## Resumo
|
||
Este repositório possui os seguintes recursos:
|
||
+ Reduza o vazamento de tom substituindo o recurso de origem pelo recurso de conjunto de treinamento usando a recuperação top1;
|
||
+ Treinamento fácil e rápido, mesmo em placas gráficas relativamente ruins;
|
||
+ Treinar com uma pequena quantidade de dados também obtém resultados relativamente bons (>=10min de áudio com baixo ruído recomendado);
|
||
+ Suporta fusão de modelos para alterar timbres (usando guia de processamento ckpt-> mesclagem ckpt);
|
||
+ Interface Webui fácil de usar;
|
||
+ Use o modelo UVR5 para separar rapidamente vocais e instrumentos.
|
||
+ Use o mais poderoso algoritmo de extração de voz de alta frequência [InterSpeech2023-RMVPE](#Credits) para evitar o problema de som mudo. Fornece os melhores resultados (significativamente) e é mais rápido, com consumo de recursos ainda menor que o Crepe_full.
|
||
+ Suporta aceleração de placas gráficas AMD/Intel.
|
||
+ Aceleração de placas gráficas Intel ARC com suporte para IPEX.
|
||
|
||
## Preparando o ambiente
|
||
Os comandos a seguir precisam ser executados no ambiente Python versão 3.8 ou superior.
|
||
|
||
(Windows/Linux)
|
||
Primeiro instale as dependências principais através do pip:
|
||
```bash
|
||
# Instale as dependências principais relacionadas ao PyTorch, pule se instaladas
|
||
# Referência: https://pytorch.org/get-started/locally/
|
||
pip install torch torchvision torchaudio
|
||
|
||
#Para arquitetura Windows + Nvidia Ampere (RTX30xx), você precisa especificar a versão cuda correspondente ao pytorch de acordo com a experiência de https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/issues/ 21
|
||
#pip instalar tocha torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
|
||
|
||
#Para placas Linux + AMD, você precisa usar as seguintes versões do pytorch:
|
||
#pip instalar tocha torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2
|
||
```
|
||
|
||
Então pode usar poesia para instalar as outras dependências:
|
||
```bash
|
||
# Instale a ferramenta de gerenciamento de dependências Poetry, pule se instalada
|
||
# Referência: https://python-poetry.org/docs/#installation
|
||
curl -sSL https://install.python-poetry.org | python3 -
|
||
|
||
#Instale as dependências do projeto
|
||
poetry install
|
||
```
|
||
|
||
Você também pode usar pip para instalá-los:
|
||
```bash
|
||
|
||
for Nvidia graphics cards
|
||
pip install -r requirements.txt
|
||
|
||
for AMD/Intel graphics cards on Windows (DirectML)：
|
||
pip install -r requirements-dml.txt
|
||
|
||
for Intel ARC graphics cards on Linux / WSL using Python 3.10:
|
||
pip install -r requirements-ipex.txt
|
||
|
||
for AMD graphics cards on Linux (ROCm):
|
||
pip install -r requirements-amd.txt
|
||
```
|
||
|
||
------
|
||
Usuários de Mac podem instalar dependências via `run.sh`:
|
||
```bash
|
||
sh ./run.sh
|
||
```
|
||
|
||
## Preparação de outros Pré-modelos
|
||
RVC requer outros pré-modelos para inferir e treinar.
|
||
|
||
```bash
|
||
#Baixe todos os modelos necessários em https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/
|
||
python tools/download_models.py
|
||
```
|
||
|
||
Ou apenas baixe-os você mesmo em nosso [Huggingface space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/).
|
||
|
||
Aqui está uma lista de pré-modelos e outros arquivos que o RVC precisa:
|
||
```bash
|
||
./assets/hubert/hubert_base.pt
|
||
|
||
./assets/pretrained
|
||
|
||
./assets/uvr5_weights
|
||
|
||
Downloads adicionais são necessários se você quiser testar a versão v2 do modelo.
|
||
|
||
./assets/pretrained_v2
|
||
|
||
Se você deseja testar o modelo da versão v2 (o modelo da versão v2 alterou a entrada do recurso dimensional 256 do Hubert + final_proj de 9 camadas para o recurso dimensional 768 do Hubert de 12 camadas e adicionou 3 discriminadores de período), você precisará baixar recursos adicionais
|
||
|
||
./assets/pretrained_v2
|
||
|
||
#Se você estiver usando Windows, também pode precisar desses dois arquivos, pule se FFmpeg e FFprobe estiverem instalados
|
||
ffmpeg.exe
|
||
|
||
https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe
|
||
|
||
ffprobe.exe
|
||
|
||
https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe
|
||
|
||
Se quiser usar o algoritmo de extração de tom vocal SOTA RMVPE mais recente, você precisa baixar os pesos RMVPE e colocá-los no diretório raiz RVC
|
||
|
||
https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt
|
||
|
||
Para usuários de placas gráficas AMD/Intel, você precisa baixar:
|
||
|
||
https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx
|
||
|
||
```
|
||
|
||
Os usuários de placas gráficas Intel ARC precisam executar o comando `source /opt/intel/oneapi/setvars.sh` antes de iniciar o Webui.
|
||
|
||
Em seguida, use este comando para iniciar o Webui:
|
||
```bash
|
||
python infer-web.py
|
||
```
|
||
|
||
Se estiver usando Windows ou macOS, você pode baixar e extrair `RVC-beta.7z` para usar RVC diretamente usando `go-web.bat` no Windows ou `sh ./run.sh` no macOS para iniciar o Webui.
|
||
|
||
## Suporte ROCm para placas gráficas AMD (somente Linux)
|
||
Para usar o ROCm no Linux, instale todos os drivers necessários conforme descrito [aqui](https://rocm.docs.amd.com/en/latest/deploy/linux/os-native/install.html).
|
||
|
||
No Arch use pacman para instalar o driver:
|
||
````
|
||
pacman -S rocm-hip-sdk rocm-opencl-sdk
|
||
````
|
||
|
||
Talvez você também precise definir estas variáveis de ambiente (por exemplo, em um RX6700XT):
|
||
````
|
||
export ROCM_PATH=/opt/rocm
|
||
export HSA_OVERRIDE_GFX_VERSION=10.3.0
|
||
````
|
||
Verifique também se seu usuário faz parte do grupo `render` e `video`:
|
||
````
|
||
sudo usermod -aG render $USERNAME
|
||
sudo usermod -aG video $USERNAME
|
||
````
|
||
Depois disso, você pode executar o WebUI:
|
||
```bash
|
||
python infer-web.py
|
||
```
|
||
|
||
## Credits
|
||
+ [ContentVec](https://github.com/auspicious3000/contentvec/)
|
||
+ [VITS](https://github.com/jaywalnut310/vits)
|
||
+ [HIFIGAN](https://github.com/jik876/hifi-gan)
|
||
+ [Gradio](https://github.com/gradio-app/gradio)
|
||
+ [FFmpeg](https://github.com/FFmpeg/FFmpeg)
|
||
+ [Ultimate Vocal Remover](https://github.com/Anjok07/ultimatevocalremovergui)
|
||
+ [audio-slicer](https://github.com/openvpi/audio-slicer)
|
||
+ [Vocal pitch extraction:RMVPE](https://github.com/Dream-High/RMVPE)
|
||
+ The pretrained model is trained and tested by [yxlllc](https://github.com/yxlllc/RMVPE) and [RVC-Boss](https://github.com/RVC-Boss).
|
||
|
||
## Thanks to all contributors for their efforts
|
||
<a href="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/graphs/contributors" target="_blank">
|
||
<img src="https://contrib.rocks/image?repo=RVC-Project/Retrieval-based-Voice-Conversion-WebUI" />
|
||
</a>
|
||
|