Cách sao chép giọng nói với SoftVC VITS và Bert-VITS2: Tìm hiểu sâu

Mục lục Đi sâu vào nhân bản giọng nói với SoftVC VITS và Bert-VITS2 Chuẩn bị tập dữ liệu Trích từ một bài hát Quy trình làm việc UVR Chuẩn bị thu âm giọng hát Thiết bị âm thanh của Cheapskate Quy trình làm việc của Audacity máy cắt âm thanh Làm sạch tập dữ liệu Độ ồn của trận đấu so-vits-svc Thiết lập môi trường Khởi tạo Tải xuống các mô hình được đào tạo trước Chuẩn bị tập dữ liệu Chỉnh sửa cấu hình Đào tạo Sự suy luận Chỉnh sửa âm thanh so-vits-svc-fork Cài đặt Sự chuẩn bị Đào tạo Sự suy luận DDSP-SVC Sự chuẩn bị Đào tạo Sự suy luận Bert-vits2-V2.3 Khởi tạo Sự chuẩn bị Phiên mã Đào tạo và suy luận vits-đơn giản-api Tinh chỉnh Chia sẻ mô hình Ở mình đã thử qua một chút về và thấy nó rất thú vị. Vì vậy, tôi quyết định đào tạo một mô hình có thể sử dụng được bằng chính giọng nói của mình. bài viết trước TTS Generation WebUI Dự án nhân bản giọng nói này khám phá cả SVC để thay đổi giọng nói và để chuyển văn bản thành giọng nói. Không có một công cụ nào có thể thực hiện được mọi công việc. VITS Tôi đã thử nghiệm một số công cụ cho dự án này. Nhiều hướng dẫn hay như , và đều bằng tiếng Trung Quốc. Vì vậy, tôi nghĩ sẽ rất hữu ích nếu đăng những ghi chú của mình bằng tiếng Anh. thế này thế này thế này Mặc dù đã được lưu trữ vài tháng nhưng có lẽ do bị áp bức nên nó vẫn là công cụ cho kết quả tốt nhất. so-vits-svc Các công cụ liên quan khác như , , và cung cấp khả năng tối ưu hóa nhanh hơn/lít, nhiều tính năng hơn hoặc giao diện tốt hơn. so-vits-svc-fork so-vits-svc-5.0 DDSP-SVC RVC Nhưng với đủ thời gian và nguồn lực, không lựa chọn thay thế nào trong số này có thể cạnh tranh với kết quả vượt trội do so-vits-svc ban đầu tạo ra. Đối với TTS, một công cụ mới có tên hoạt động rất tuyệt vời và đã hoàn thiện với bản phát hành cuối cùng vào tháng trước. Nó có một số trường hợp sử dụng rất khác nhau, chẳng hạn như tạo nội dung âm thanh. Bert-VITS2 Chuẩn bị tập dữ liệu Các tệp âm thanh của tập dữ liệu phải ở định dạng WAV, lý tưởng nhất là 44100 Hz, 16bit, mono, 1-2 giờ. Trích xuất từ một bài hát là công cụ dễ dàng nhất cho công việc này. Có một giải thích mọi thứ một cách chi tiết. Ultimate Vocal Remover chủ đề Quy trình làm việc UVR Loại bỏ và trích xuất nhạc cụ Model: VR - UVR(4_HP-Vocal-UVR) Cài đặt: 512 - 10 - GPU Đầu ra và giọng hát ô uế Nhạc cụ Loại bỏ và trích xuất giọng hát nền. Model: VR - UVR(5_HP-Karaoke-UVR) Cài đặt: 512 - 10 - GPU ra và giọng hát chính không sạch sẽ Giọng hát nền đầu Loại bỏ hồi âm và tiếng ồn. Model: VR - UVR-DeEcho-DeReverb & UVR-DeNoise Cài đặt: 512 - 10 - GPU - Không có chỉ khác Đầu ra giọng hát chính sạch sẽ (Tùy chọn) Sử dụng RipX (không miễn phí) để thực hiện làm sạch thủ công. Chuẩn bị thu âm giọng hát Tốt hơn hết bạn nên ghi âm trong phòng được điều trị bằng micrô điện dung, nếu không, hãy sử dụng micrô định hướng hoặc micrô động để giảm tiếng ồn. Thiết bị âm thanh của Cheapskate Lần đầu tiên tôi đến với âm nhạc là hồi cấp 3 với chiếc Sennheiser MX500 màu xanh và Koss Porta Pro. Tôi vẫn nhớ lần đầu tiên tôi thu âm một bài hát trên Sony VAIO với Cool Edit Pro. Ngày nay, tôi vẫn phản đối việc chi nhiều tiền cho phần cứng âm thanh với tư cách là một người nghiệp dư vì nó thực sự là một lỗ đen hút tiền. Tuy nhiên, tôi thực sự đánh giá cao độ tin cậy của những thiết bị sản xuất giá rẻ đó. Phần cốt lõi trong quá trình thiết lập của tôi là Behringer UCA202 và nó hoàn hảo cho các trường hợp sử dụng của tôi. Tôi đã mua nó với giá 10 đô la trong thời gian giảm giá. Nó được gọi là “Giao diện âm thanh” nhưng về cơ bản chỉ là một card âm thanh có nhiều cổng. Tôi đã sử dụng cáp TRS từ RCA đến 3,5mm cho tai nghe của mình, K240 bán mở cho đầu ra thông thường và HD669/MDR7506 đóng kín cho đầu ra màn hình. Cả ba tai nghe được đề cập đều có giá dưới 100 USD so với mức giá thông thường. Và có những bản sao từ Samson, Tascam, Knox Gear, v.v. với giá dưới 50 đô la. Đối với thiết bị đầu vào, tôi đang sử dụng micrô động để giảm tiếng ồn từ môi trường. Đó là bản sao SM58 (Pyle) + đầu ghi Tascam DR-05 (làm bộ khuếch đại). Các bản sao khác như SL84c hoặc wm58 cũng có thể làm được điều đó. Tôi sử dụng cáp TRS XLR đến 3,5 mm để kết nối micrô với MIC/Đầu vào bên ngoài của đầu ghi, sau đó sử dụng cáp Aux để kết nối giữa đầu ra của đầu ghi và đầu vào của UCA202. Bạn không nên mua “giao diện âm thanh” và bộ khuếch đại chuyên dụng để sao chép thiết lập của mình. Một card âm thanh USB c-media trị giá 10 USD là đủ tốt. Mẫu Syba mà tôi sở hữu có khả năng “pre-amping” trực tiếp các micrô động và thậm chí cả một số micrô hỗ trợ ảo cấp thấp hơn. Thiết lập có thể cực kỳ rẻ ($40~60), nhưng với UCA202 và DR-05, âm thanh sẽ sạch hơn nhiều. Và tôi thực sự thích các điều khiển vật lý, tính linh hoạt và tính di động của máy ghi âm kỹ thuật số cũ tốt của tôi. Quy trình làm việc táo bạo Mặc dù khi được trả lương với tư cách là nhà thiết kế, tôi vẫn khá hài lòng với Audition. Nhưng để sử dụng cho mục đích cá nhân trong một dự án thú vị, Audacity là cách để tránh cái ác hỗn loạn của Adobe. Giảm tiếng ồn Dereverb Cắt ngắn sự im lặng Bình thường hóa máy cắt âm thanh Sử dụng hoặc để cắt tệp âm thanh thành nhiều phần nhỏ để sử dụng sau này. bộ cắt âm thanh bộ cắt âm thanh (gui) Cài đặt mặc định hoạt động tuyệt vời. Làm sạch bộ dữ liệu Loại bỏ những cái rất ngắn và cắt lại những cái vẫn còn trên 10 giây. Trong trường hợp tập dữ liệu lớn, hãy xóa tất cả những tập dữ liệu nhỏ hơn 4 giây. Trong trường hợp tập dữ liệu nhỏ, hãy xóa những tập dữ liệu đó chỉ dưới 2 giây. Nếu cần, hãy thực hiện kiểm tra thủ công cho từng tệp. Độ ồn của trận đấu Sử dụng lại Audacity với ; 0db nên làm điều đó. Chuẩn hóa âm lượng so-vits-svc Thiết lập môi trường Môi trường ảo là điều cần thiết để chạy nhiều công cụ Python trong một hệ thống. Tôi đã từng sử dụng VM và Docker, nhưng bây giờ, tôi thấy rằng nhanh hơn và tiện dụng hơn những cái khác. Anaconda Tạo môi trường mới cho so-vits-svc và kích hoạt nó. conda create -n so-vits-svc python=3.8 conda activate so-vits-svc Sau đó, cài đặt các yêu cầu. git clone https://github.com/svc-develop-team/so-vits-svc cd so-vits-svc pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 #for linux pip install -r requirements.txt #for windows pip install -r requirements_win.txt pip install --upgrade fastapi==0.84.0 pip install --upgrade gradio==3.41.2 pip install --upgrade pydantic==1.10.12 pip install fastapi uvicorn Khởi tạo Tải xuống các mô hình được đào tạo trước trước chuyến tàu wget https://huggingface.co/WitchHuntTV/checkpoint_best_legacy_500.pt/resolve/main/checkpoint_best_legacy_500.pt wget https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/rmvpe.pt nhật ký/44k wget https://huggingface.co/datasets/ms903/sovits4.0-768vec-layer12/resolve/main/sovits_768l12_pre_large_320k/clean_D_320000.pth wget https://huggingface.co/datasets/ms903/sovits4.0-768vec-layer12/resolve/main/sovits_768l12_pre_large_320k/clean_G_320000.pth nhật ký/44k/khuếch tán wget https://huggingface.co/datasets/ms903/Diff-SVC-refactor-pre-trained-model/resolve/main/fix_pitch_add_vctk_600k/model_0.pt (Thay thế) wget https://huggingface.co/datasets/ms903/DDSP-SVC-4.0/resolve/main/pre-trained-model/model_0.pt (Thay thế) wget https://huggingface.co/datasets/ms903/Diff-SVC-refactor-pre-trained-model/blob/main/hubertsoft_fix_pitch_add_vctk_500k/model_0.pt đào tạo trước/nsf_hifigan wget -P pretrain/ https://github.com/openvpi/vocoders/releases/download/nsf-hifigan-v1/nsf_hifigan_20221211.zip unzip -od pretrain/nsf_hifigan pretrain/nsf_hifigan_20221211.zip Chuẩn bị tập dữ liệu Đặt tất cả các tệp audio.wav đã chuẩn bị vào dataset_raw/character cd so-vits-svc python resample.py --skip_loudnorm python preprocess_flist_config.py --speech_encoder vec768l12 --vol_aug python preprocess_hubert_f0.py --use_diff Chỉnh sửa cấu hình Tệp được đặt tại configs/config.json : tần suất in nhật ký : tần suất lưu điểm kiểm tra : tổng số bước : số lượng điểm kiểm tra đã lưu, 0 là không giới hạn. : fp32 Trong trường hợp của tôi, : càng nhỏ thì càng nhanh (càng thô), càng lớn thì càng chậm (tốt hơn). log interval eval interval epochs keep ckpts half_type batch_size Kích thước lô được đề xuất cho mỗi VRAM: 4=6G；6=8G；10=12G；14=16G；20=24G Giữ mặc định cho configs/diffusion.yaml Đào tạo python cluster/train_cluster.py --gpu python train_index.py -c configs/config.json python train.py -c configs/config.json -m 44k python train_diff.py -c configs/diffusion.yaml Về các bước đào tạo: Sử dụng để huấn luyện mô hình chính; thông thường, 20k-30k là có thể sử dụng được và 50k trở lên là đủ. Việc này có thể mất vài ngày tùy thuộc vào tốc độ GPU. train.py Vui lòng dừng nó bằng và nó sẽ được tiếp tục đào tạo bằng cách chạy lại bất cứ lúc nào. ctrl+c python train.py -c configs/config.json -m 44k Sử dụng để huấn luyện mô hình khuếch tán; các bước đào tạo được khuyến nghị ở 1/3 mô hình chính. train_diff.py Hãy nhận biết về việc đào tạo quá mức. Sử dụng để theo dõi các ô để xem nó có bằng phẳng không. tensorboard --logdir=./logs/44k Thay đổi từ 0,0001 thành 0,00005 nếu cần. learning rate Khi hoàn tất, hãy chia sẻ/chuyển các tệp này để suy luận. cấu hình/ config.json khuếch tán.yaml nhật ký/44k feature_and_index.pkl kmeans_10000.pt model_0.pt G_xxxxx.pt Sự suy luận Đã đến lúc thử mô hình đã được đào tạo. Tôi thích Webui hơn vì sự thuận tiện trong việc điều chỉnh các thông số. Nhưng trước khi kích hoạt nó, hãy chỉnh sửa các dòng sau trong để truy cập mạng LAN: webUI.py os.system("start http://localhost:7860") app.launch(server_name="0.0.0.0", server_port=7860) Chạy ; sau đó truy cập từ trình duyệt web. python webUI.py ipaddress:7860 Webui không có bản địa hóa tiếng Anh, nhưng sẽ hữu ích. Immersive Translate Hầu hết các tham số sẽ hoạt động tốt với giá trị mặc định. Hãy tham khảo và để thực hiện thay đổi. cái này cái này Tải lên 5 tập tin này: và của nó main model.pt config.json và của nó diffusion model.pt diffusion.yaml Mô hình cụm để nói hoặc truy xuất tính năng để hát. kmeans_10000.pt feature_and_index.pkl chỉ dùng để nói chứ không dùng để hát. Khuyến nghị khi sử dụng. F0 predictor RMVPE rất hữu ích khi hát một bài hát nữ tính sử dụng người mẫu có giọng nam hoặc ngược lại. Pitch change là cách kiểm soát âm sắc. Sử dụng để có được giọng nói rõ ràng nhất và sử dụng để có được âm sắc gần giống nhất với mẫu. Clustering model/feature retrieval mixing ratio 0.1 0.9 nên được đặt ở khoảng , nó sẽ nâng cao kết quả ở mức bước. shallow diffusion steps 50 30-100 Chỉnh sửa âm thanh Thủ tục này là tùy chọn. Chỉ để sản xuất một bài hát hay hơn. Tôi sẽ không đi sâu vào chi tiết về vấn đề này vì phần mềm chỉnh sửa âm thanh hay còn gọi là DAW (máy trạm âm thanh kỹ thuật số) mà tôi đang sử dụng không miễn phí. Tôi không có ý định ủng hộ phần mềm độc quyền mặc dù toàn bộ ngành này đều có tường phí và nguồn đóng. Audacity hỗ trợ nhiều bản nhạc, hiệu ứng và nhiều hơn thế nữa. Nó cũng tải một số plugin VST nâng cao. Không khó để tìm thấy hướng dẫn làm chủ bài hát bằng Audacity. Thông thường, quá trình làm chủ phải là trộn/cân bằng, EQ/nén, hồi âm và hình ảnh. Công cụ càng tiên tiến thì quá trình sẽ càng dễ dàng hơn. Tôi chắc chắn sẽ dành nhiều thời gian hơn để áp dụng Audacity cho quá trình thành thạo của mình trong tương lai và tôi khuyên mọi người nên làm như vậy. so-vits-svc-fork Đây là một so-vits-svc có hỗ trợ theo thời gian thực và các mô hình đều tương thích. Dễ sử dụng hơn nhưng không hỗ trợ mô hình Khuếch tán. Để thay đổi giọng nói theo thời gian thực chuyên dụng, nên sử dụng bộ . nhánh rẽ thay đổi giọng nói Cài đặt conda create -n so-vits-svc-fork python=3.10 pip conda activate so-vits-svc-fork git clone https://github.com/voicepaw/so-vits-svc-fork cd so-vits-svc-fork python -m pip install -U pip setuptools wheel pip install -U torch torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install -U so-vits-svc-fork pip install click sudo apt-get install libportaudio2 Sự chuẩn bị Đặt các tệp .wav của tập dữ liệu vào so-vits-svc-fork/dataset_raw svc pre-resample svc pre-config Chỉnh sửa trong . Chiếc nĩa này có kích thước lớn hơn so với bản gốc. batch_size configs/44k/config.json Đào tạo svc pre-hubert svc train -t svc train-cluster Sự suy luận Sử dụng GUI với . Điều này đòi hỏi một môi trường máy tính để bàn cục bộ. svcg Hoặc sử dụng CLI với trong thời gian thực và để tạo. svc vc svc infer -m "logs/44k/xxxxx.pth" -c "configs/config.json" raw/xxx.wav DDSP-SVC yêu cầu ít tài nguyên phần cứng hơn và chạy nhanh hơn so-vits-svc. Nó hỗ trợ cả mô hình thời gian thực và mô hình khuếch tán (Diff-SVC). DDSP-SVC conda create -n DDSP-SVC python=3.8 conda activate DDSP-SVC git clone https://github.com/yxlllc/DDSP-SVC cd DDSP-SVC pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt Tham khảo cho hai tệp: phần Khởi tạo pretrain/rmvpe/model.pt pretrain/contentvec/checkpoint_best_legacy_500.pt Sự chuẩn bị python draw.py python preprocess.py -c configs/combsub.yaml python preprocess.py -c configs/diffusion-new.yaml Chỉnh sửa configs/ batch_size: 32 (16 for diffusion) cache_all_data: false cache_device: 'cuda' cache_fp16: false Đào tạo conda activate DDSP-SVC python train.py -c configs/combsub.yaml python train_diff.py -c configs/diffusion-new.yaml tensorboard --logdir=exp Sự suy luận Bạn nên sử dụng vì nó bao gồm cả DDSP và mô hình khuếch tán. main_diff.py python main_diff.py -i "input.wav" -diff "model_xxxxxx.pt" -o "output.wav" GUI thời gian thực để sao chép giọng nói: python gui_diff.py Bert-vits2-V2.3 Đây là một công cụ TTS hoàn toàn khác với mọi thứ ở trên. Bằng cách sử dụng nó, tôi đã tạo một số sách nói bằng giọng nói của mình cho bố mẹ tôi và họ thực sự thích nó. Thay vì sử dụng , tôi đã sử dụng fork của để thiết lập dễ dàng hơn. bản gốc v3u Khởi tạo conda create -n bert-vits2 python=3.9 conda activate bert-vits2 git clone https://github.com/v3ucn/Bert-vits2-V2.3.git cd Bert-vits2-V2.3 pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2+cu118 --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt Tải xuống các mô hình được đào tạo trước (bao gồm tiếng Trung, tiếng Nhật và tiếng Anh): wget -P slm/wavlm-base-plus/ https://huggingface.co/microsoft/wavlm-base-plus/resolve/main/pytorch_model.bin wget -P emotional/clap-htsat-fused/ https://huggingface.co/laion/clap-htsat-fused/resolve/main/pytorch_model.bin wget -P emotional/wav2vec2-large-robust-12-ft-emotion-msp-dim/ https://huggingface.co/audeering/wav2vec2-large-robust-12-ft-emotion-msp-dim/resolve/main/pytorch_model.bin wget -P bert/chinese-roberta-wwm-ext-large/ https://huggingface.co/hfl/chinese-roberta-wwm-ext-large/resolve/main/pytorch_model.bin wget -P bert/bert-base-japanese-v3/ https://huggingface.co/cl-tohoku/bert-base-japanese-v3/resolve/main/pytorch_model.bin wget -P bert/deberta-v3-large/ https://huggingface.co/microsoft/deberta-v3-large/resolve/main/pytorch_model.bin wget -P bert/deberta-v3-large/ https://huggingface.co/microsoft/deberta-v3-large/resolve/main/pytorch_model.generator.bin wget -P bert/deberta-v2-large-japanese/ https://huggingface.co/ku-nlp/deberta-v2-large-japanese/resolve/main/pytorch_model.bin Tạo thư mục mô hình nhân vật mkdir -p Data/xxx/models/ Tải xuống các mô hình cơ sở: !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/DUR_0.pth !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/D_0.pth !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/G_0.pth !wget -P Data/xxx/models/ https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/resolve/main/WD_0.pth #More options https://openi.pcl.ac.cn/Stardust_minus/Bert-VITS2/modelmanage/model_filelist_tmpl?name=Bert-VITS2_2.3%E5%BA%95%E6%A8%A1 https://huggingface.co/Erythrocyte/bert-vits2_base_model/tree/main https://huggingface.co/OedoSoldier/Bert-VITS2-2.3/tree/main Chỉnh sửa bằng cách thay thế tất cả thành train_ms.py bfloat16 float16 Chỉnh sửa để truy cập mạng LAN: webui.py webbrowser.open(f"start http://localhost:7860") app.launch(server_name="0.0.0.0", server_port=7860) Chỉnh sửa cho và Data/xxx/config.json batch_size spk2id Sự chuẩn bị Quy trình làm việc tương tự như trong . phần trước Loại bỏ tiếng ồn và sự im lặng, chuẩn hóa, sau đó đặt tệp WAV chưa cắt vào . Data/xxx/raw Chỉnh sửa cho , và . config.yml dataset_path num_workers keep_ckpts Chạy để cắt tệp WAV. python3 audio_slicer.py Làm sạch tập dữ liệu ( ) bằng cách xóa các tệp nhỏ có thời lượng dưới 2 giây. Data/xxx/raw Phiên mã Cài đặt thì thầm pip install git+https://github.com/openai/whisper.git Để tắt tính năng tự động phát hiện ngôn ngữ, hãy đặt nó thành chỉ tiếng Anh và sử dụng mô hình ; chỉnh sửa như sau: large short_audio_transcribe.py # set the spoken language to english print('language: en') lang = 'en' options = whisper.DecodingOptions(language='en') result = whisper.decode(model, mel, options) # set to use large model parser.add_argument("--whisper_size", default="large") #Solve error "Given groups=1, weight of size [1280, 128, 3], expected input[1, 80, 3000] to have 128 channels, but got 80 channels instead" while using large model mel = whisper.log_mel_spectrogram(audio,n_mels = 128).to(model.device) Chạy để bắt đầu phiên âm. python3 short_audio_transcribe.py Lấy mẫu lại tập dữ liệu được cắt lát: python3 resample.py --sr 44100 --in_dir ./Data/zizek/raw/ --out_dir ./Data/zizek/wavs/ Phiên mã tiền xử lý: python3 preprocess_text.py --transcription-path ./Data/zizek/esd.list Tạo cấu hình tính năng BERT: python3 bert_gen.py --config-path ./Data/zizek/configs/config.json Đào tạo và suy luận Chạy để bắt đầu đào tạo python3 train_ms.py Chỉnh sửa cho đường dẫn mô hình: config.yml model: "models/G_20900.pth" Chạy để khởi động webui để suy luận python3 webui.py vits-đơn giản-api là giao diện người dùng web để sử dụng các mô hình đã được đào tạo. Tôi sử dụng điều này chủ yếu để hỗ trợ văn bản dài mà dự án ban đầu không có. vits-simple-api git clone https://github.com/Artrajz/vits-simple-api git pull https://github.com/Artrajz/vits-simple-api cd vits-simple-api conda create -n vits-simple-api python=3.10 pip conda activate vits-simple-api && pip install -r requirements.txt (Tùy chọn) Sao chép các tệp mô hình được đào tạo trước từ sang Bert-vits2-V2.3/ vits-simple-api/bert_vits2/ Sao chép và vào Bert-vits2-V2.3/Data/xxx/models/G_xxxxx.pth Bert-vits2-V2.3/Data/xxx/config.json vits-simple-api/Model/xxx/ Chỉnh sửa cho và theo ý muốn config.py MODEL_LIST Default parameter Chỉnh sửa như sau: Model/xxx/config.json "data": { "training_files": "Data/train.list", "validation_files": "Data/val.list", "version": "2.3" Kiểm tra/Chỉnh sửa trong dưới dạng model_list config.yml [xxx/G_xxxxx.pth, xxx/config.json] Chạy python app.py Tinh chỉnh cho âm sắc, cho tính ngẫu nhiên, cho cách phát âm và cho tốc độ. và là tự giải thích SDP Ratio Noise Noise_W Length emotion style Chia sẻ mô hình Trong của mình, có rất nhiều mẫu VITS được người khác chia sẻ. Bạn có thể dùng thử trước, sau đó tải xuống các mẫu mong muốn từ . repo Ôm Mặt Tệp được sử dụng rộng rãi trong một số cộng đồng sáng tạo nội dung vì chất lượng cao. Nó chứa hàng trăm ký tự, mặc dù chỉ hỗ trợ tiếng Trung và tiếng Nhật. Mô hình Genshin Trong , có rất nhiều mẫu Bert-vits2 được làm từ các bộ truyền phát và VTuber nổi tiếng của Trung Quốc. một repo khác Đã có những dự án tạo ra các Vtuber AI như và . Tôi đang mong chờ công nghệ này có thể thay đổi ngành công nghiệp này như thế nào trong tương lai gần. thế này thế này https://techshinobi.org/posts/voice-vits/https://techshinobi.org/posts/voice-vits/