Translation of RVC into Portuguese in i18n (#1719)

* Translation of RVC into Portuguese in i18n

Added the Brazilian Portuguese language to the project.

* Removal of external links

Removed external links to approve the request.

* Removed external links and translated in real time

More other links I found and removed and fixed some translations that were missing in realtime-gui

* Translation of doc

* FAQ with original and adapted questions:

- All translated original FAQs
- Additional new FAQs adapted to the reality of my country

* adding translated images

.gitignore

@@ -21,3 +21,8 @@ rmvpe.pt
 
 # To set a Python version for the project
 .tool-versions
+
+/runtime
+/assets/weights/*
+ffmpeg.*
+ffprobe.*

README.md

@@ -136,7 +136,7 @@ sudo apt install ffmpeg
 ```bash
 brew install ffmpeg
 ```
-#### Windwos 用户
+#### Windows 用户
 下载后放置在根目录。
 - 下载[ffmpeg.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe)
 

configs/config.json

@@ -1 +1 @@
-{"pth_path": "assets/weights/kikiV1.pth", "index_path": "logs/kikiV1.index", "sg_input_device": "VoiceMeeter Output (VB-Audio Vo (MME)", "sg_output_device": "VoiceMeeter Input (VB-Audio Voi (MME)", "sr_type": "sr_model", "threhold": -60.0, "pitch": 12.0, "rms_mix_rate": 0.5, "index_rate": 0.0, "block_time": 0.2, "crossfade_length": 0.08, "extra_time": 2.00, "n_cpu": 4.0, "use_jit": false, "use_pv": false, "f0method": "fcpe"}
+{"pth_path": "assets/weights/kikiV1.pth", "index_path": "logs/kikiV1.index", "sg_hostapi": "MME", "sg_wasapi_exclusive": false, "sg_input_device": "VoiceMeeter Output (VB-Audio Vo", "sg_output_device": "VoiceMeeter Input (VB-Audio Voi", "sr_type": "sr_device", "threhold": -60.0, "pitch": 12.0, "rms_mix_rate": 0.5, "index_rate": 0.0, "block_time": 0.15, "crossfade_length": 0.08, "extra_time": 2.0, "n_cpu": 4.0, "use_jit": false, "use_pv": false, "f0method": "fcpe"}

docs/pt-BR/Changelog_pt-BR.md

@@ -0,0 +1,105 @@
+### 2023-10-06
+- Criamos uma GUI para alteração de voz em tempo real: go-realtime-gui.bat/gui_v1.py (observe que você deve escolher o mesmo tipo de dispositivo de entrada e saída, por exemplo, MME e MME).
+- Treinamos um modelo RMVPE de extração de pitch melhor.
+- Otimizar o layout da GUI de inferência.
+
+### 2023-08-13
+1-Correção de bug regular
+- Alterar o número total mínimo de épocas para 1 e alterar o número total mínimo de epoch para 2
+- Correção de erros de treinamento por não usar modelos de pré-treinamento
+- Após a separação dos vocais de acompanhamento, limpe a memória dos gráficos
+- Alterar o caminho absoluto do faiss save para o caminho relativo
+- Suporte a caminhos com espaços (tanto o caminho do conjunto de treinamento quanto o nome do experimento são suportados, e os erros não serão mais relatados)
+- A lista de arquivos cancela a codificação utf8 obrigatória
+- Resolver o problema de consumo de CPU causado pela busca do faiss durante alterações de voz em tempo real
+
+Atualizações do 2-Key
+- Treine o modelo de extração de pitch vocal de código aberto mais forte do momento, o RMVPE, e use-o para treinamento de RVC, inferência off-line/em tempo real, com suporte a PyTorch/Onnx/DirectML
+- Suporte para placas gráficas AMD e Intel por meio do Pytorch_DML
+
+(1) Mudança de voz em tempo real (2) Inferência (3) Separação do acompanhamento vocal (4) Não há suporte para treinamento no momento, mudaremos para treinamento de CPU; há suporte para inferência RMVPE de gpu por Onnx_Dml
+
+
+### 2023-06-18
+- Novos modelos v2 pré-treinados: 32k e 48k
+- Correção de erros de inferência de modelo não-f0
+- Para conjuntos de treinamento que excedam 1 hora, faça minibatch-kmeans automáticos para reduzir a forma dos recursos, de modo que o treinamento, a adição e a pesquisa do Index sejam muito mais rápidos.
+- Fornecer um espaço de brinquedo vocal2guitar huggingface
+- Exclusão automática de áudios de conjunto de treinamento de atalhos discrepantes
+- Guia de exportação Onnx
+
+Experimentos com falha:
+- ~~Recuperação de recurso: adicionar recuperação de recurso temporal: não eficaz~~
+- ~~Recuperação de recursos: adicionar redução de dimensionalidade PCAR: a busca é ainda mais lenta~~
+- ~~Aumento de dados aleatórios durante o treinamento: não é eficaz~~
+
+Lista de tarefas：
+- ~~Vocos-RVC (vocoder minúsculo): não é eficaz~~
+- ~~Suporte de crepe para treinamento: substituído pelo RMVPE~~
+- ~~Inferência de crepe de meia precisão：substituída pelo RMVPE. E difícil de conseguir.~~
+- Suporte ao editor de F0
+
+### 2023-05-28
+- Adicionar notebook jupyter v2, changelog em coreano, corrigir alguns requisitos de ambiente
+- Adicionar consoante sem voz e modo de proteção de respiração
+- Suporte à detecção de pitch crepe-full
+- Separação vocal UVR5: suporte a modelos dereverb e modelos de-echo
+- Adicionar nome e versão do experimento no nome do Index
+- Suporte aos usuários para selecionar manualmente o formato de exportação dos áudios de saída durante o processamento de conversão de voz em lote e a separação vocal UVR5
+- Não há mais suporte para o treinamento do modelo v1 32k
+
+### 2023-05-13
+- Limpar os códigos redundantes na versão antiga do tempo de execução no pacote de um clique: lib.infer_pack e uvr5_pack
+- Correção do bug de pseudo multiprocessamento no pré-processamento do conjunto de treinamento
+- Adição do ajuste do raio de filtragem mediana para o algoritmo de reconhecimento de inclinação da extração
+- Suporte à reamostragem de pós-processamento para exportação de áudio
+- A configuração "n_cpu" de multiprocessamento para treinamento foi alterada de "extração de f0" para "pré-processamento de dados e extração de f0"
+- Detectar automaticamente os caminhos de Index na pasta de registros e fornecer uma função de lista suspensa
+- Adicionar "Perguntas e respostas frequentes" na página da guia (você também pode consultar o wiki do RVC no github)
+- Durante a inferência, o pitch da colheita é armazenado em cache quando se usa o mesmo caminho de áudio de entrada (finalidade: usando a extração do pitch da colheita, todo o pipeline passará por um processo longo e repetitivo de extração do pitch. Se o armazenamento em cache não for usado, os usuários que experimentarem diferentes configurações de raio de filtragem de timbre, Index e mediana de pitch terão um processo de espera muito doloroso após a primeira inferência)
+
+### 2023-05-14
+- Use o envelope de volume da entrada para misturar ou substituir o envelope de volume da saída (pode aliviar o problema de "muting de entrada e ruído de pequena amplitude de saída"). Se o ruído de fundo do áudio de entrada for alto, não é recomendável ativá-lo, e ele não é ativado por padrão (1 pode ser considerado como não ativado)
+- Suporte ao salvamento de modelos pequenos extraídos em uma frequência especificada (se você quiser ver o desempenho em épocas diferentes, mas não quiser salvar todos os pontos de verificação grandes e extrair manualmente modelos pequenos pelo processamento ckpt todas as vezes, esse recurso será muito prático)
+- Resolver o problema de "erros de conexão" causados pelo proxy global do servidor, definindo variáveis de ambiente
+- Oferece suporte a modelos v2 pré-treinados (atualmente, apenas as versões 40k estão disponíveis publicamente para teste e as outras duas taxas de amostragem ainda não foram totalmente treinadas)
+- Limita o volume excessivo que excede 1 antes da inferência
+- Ajustou ligeiramente as configurações do pré-processamento do conjunto de treinamento
+
+
+#######################
+
+Histórico de registros de alterações:
+
+### 2023-04-09
+- Parâmetros de treinamento corrigidos para melhorar a taxa de utilização da GPU: A100 aumentou de 25% para cerca de 90%, V100: 50% para cerca de 90%, 2060S: 60% para cerca de 85%, P40: 25% para cerca de 95%; melhorou significativamente a velocidade de treinamento
+- Parâmetro alterado: total batch_size agora é por GPU batch_size
+- Total_epoch alterado: limite máximo aumentado de 100 para 1000; padrão aumentado de 10 para 20
+- Corrigido o problema da extração de ckpt que reconhecia o pitch incorretamente, causando inferência anormal
+- Corrigido o problema do treinamento distribuído que salvava o ckpt para cada classificação
+- Aplicada a filtragem de recursos nan para extração de recursos
+- Corrigido o problema com a entrada/saída silenciosa que produzia consoantes aleatórias ou ruído (os modelos antigos precisavam ser treinados novamente com um novo conjunto de dados)
+
+### Atualização 2023-04-16
+- Adicionada uma mini-GUI de alteração de voz local em tempo real, iniciada com um clique duplo em go-realtime-gui.bat
+- Filtragem aplicada para bandas de frequência abaixo de 50 Hz durante o treinamento e a inferência
+- Diminuição da extração mínima de tom do pyworld do padrão 80 para 50 para treinamento e inferência, permitindo que vozes masculinas de tom baixo entre 50-80 Hz não sejam silenciadas
+- A WebUI suporta a alteração de idiomas de acordo com a localidade do sistema (atualmente suporta en_US, ja_JP, zh_CN, zh_HK, zh_SG, zh_TW; o padrão é en_US se não for suportado)
+- Correção do reconhecimento de algumas GPUs (por exemplo, falha no reconhecimento da V100-16G, falha no reconhecimento da P4)
+
+### Atualização de 2023-04-28
+- Atualizadas as configurações do Index faiss para maior velocidade e qualidade
+- Removida a dependência do total_npy; o futuro compartilhamento de modelos não exigirá a entrada do total_npy
+- Restrições desbloqueadas para as GPUs da série 16, fornecendo configurações de inferência de 4 GB para GPUs com VRAM de 4 GB
+- Corrigido o erro na separação do acompanhamento vocal do UVR5 para determinados formatos de áudio
+- A mini-GUI de alteração de voz em tempo real agora suporta modelos de pitch não 40k e que não são lentos
+
+### Planos futuros:
+Recursos:
+- Opção de adição: extrair modelos pequenos para cada epoch salvo
+- Adicionar opção: exportar mp3 adicional para o caminho especificado durante a inferência
+- Suporte à guia de treinamento para várias pessoas (até 4 pessoas)
+
+Modelo básico:
+- Coletar arquivos wav de respiração para adicionar ao conjunto de dados de treinamento para corrigir o problema de sons de respiração distorcidos
+- No momento, estamos treinando um modelo básico com um conjunto de dados de canto estendido, que será lançado no futuro

docs/pt-BR/README.pt-BR.md

@@ -0,0 +1,193 @@
+<div align="center">
+
+<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
+Uma estrutura de conversão de voz fácil de usar baseada em VITS.<br><br>
+
+[![madewithlove](https://img.shields.io/badge/made_with-%E2%9D%A4-red?style=for-the-badge&labelColor=orange
+)](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI)
+
+<img src="https://counter.seku.su/cmoe?name=rvc&theme=r34" /><br>
+  
+[![Open In Colab](https://img.shields.io/badge/Colab-F9AB00?style=for-the-badge&logo=googlecolab&color=525252)](https://colab.research.google.com/github/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/Retrieval_based_Voice_Conversion_WebUI.ipynb)
+[![Licence](https://img.shields.io/github/license/RVC-Project/Retrieval-based-Voice-Conversion-WebUI?style=for-the-badge)](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/LICENSE)
+[![Huggingface](https://img.shields.io/badge/🤗%20-Spaces-yellow.svg?style=for-the-badge)](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)
+
+[![Discord](https://img.shields.io/badge/RVC%20Developers-Discord-7289DA?style=for-the-badge&logo=discord&logoColor=white)](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)
+
+
+Confira nosso [Vídeo de demonstração](https://www.bilibili.com/video/BV1pm4y1z7Gm/) aqui!
+
+Treinamento/Inferência WebUI：go-web.bat
+![Traduzido](https://github.com/RafaelGodoyEbert/Retrieval-based-Voice-Conversion-WebUI/assets/78083427/0b894d87-565a-432c-8b5b-45e4a65d5d17)
+
+GUI de conversão de voz em tempo real：go-realtime-gui.bat
+![image](https://github.com/RafaelGodoyEbert/Retrieval-based-Voice-Conversion-WebUI/assets/78083427/d172e3e5-35f4-4876-9530-c28246919e9e)
+
+
+> 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>
+

docs/pt-BR/faiss_tips_BR.md

@@ -0,0 +1,102 @@
+pONTAS de afinação FAISS
+==================
+# sobre faiss
+faiss é uma biblioteca de pesquisas de vetores densos na área, desenvolvida pela pesquisa do facebook, que implementa com eficiência muitos métodos de pesquisa de área aproximada.
+A Pesquisa Aproximada de área encontra vetores semelhantes rapidamente, sacrificando alguma precisão.
+
+## faiss em RVC
+No RVC, para a incorporação de recursos convertidos pelo HuBERT, buscamos incorporações semelhantes à incorporação gerada a partir dos dados de treinamento e as misturamos para obter uma conversão mais próxima do discurso original. No entanto, como essa pesquisa leva tempo se realizada de forma ingênua, a conversão de alta velocidade é realizada usando a pesquisa aproximada de área.
+
+# visão geral da implementação
+Em '/logs/nome-do-seu-modelo/3_feature256', onde o modelo está localizado, os recursos extraídos pelo HuBERT de cada dado de voz estão localizados.
+A partir daqui, lemos os arquivos npy ordenados por nome de arquivo e concatenamos os vetores para criar big_npy. (Este vetor tem a forma [N, 256].)
+Depois de salvar big_npy as /logs/nome-do-seu-modelo/total_fea.npy, treine-o com faiss.
+
+Neste artigo, explicarei o significado desses parâmetros.
+
+# Explicação do método
+## Fábrica de Index
+Uma fábrica de Index é uma notação faiss exclusiva que expressa um pipeline que conecta vários métodos de pesquisa de área aproximados como uma string.
+Isso permite que você experimente vários métodos aproximados de pesquisa de área simplesmente alterando a cadeia de caracteres de fábrica do Index.
+No RVC é usado assim:
+
+```python
+index = faiss.index_factory(256, "IVF%s,Flat" % n_ivf)
+```
+Entre os argumentos de index_factory, o primeiro é o número de dimensões do vetor, o segundo é a string de fábrica do Index e o terceiro é a distância a ser usada.
+
+Para uma notação mais detalhada
+https://github.com/facebookresearch/faiss/wiki/The-index-factory
+
+## Construção de Index
+Existem dois Indexs típicos usados como similaridade de incorporação da seguinte forma.
+
+- Distância euclidiana (MÉTRICA_L2)
+- Produto interno (METRIC_INNER_PRODUCT)
+
+A distância euclidiana toma a diferença quadrática em cada dimensão, soma as diferenças em todas as dimensões e, em seguida, toma a raiz quadrada. Isso é o mesmo que a distância em 2D e 3D que usamos diariamente.
+O produto interno não é usado como um Index de similaridade como é, e a similaridade de cosseno que leva o produto interno depois de ser normalizado pela norma L2 é geralmente usada.
+
+O que é melhor depende do caso, mas a similaridade de cosseno é frequentemente usada na incorporação obtida pelo word2vec e modelos de recuperação de imagem semelhantes aprendidos pelo ArcFace. Se você quiser fazer a normalização l2 no vetor X com numpy, você pode fazê-lo com o seguinte código com eps pequeno o suficiente para evitar a divisão 0.
+
+```python
+X_normed = X / np.maximum(eps, np.linalg.norm(X, ord=2, axis=-1, keepdims=True))
+```
+
+Além disso, para a Construção de Index, você pode alterar o Index de distância usado para cálculo escolhendo o valor a ser passado como o terceiro argumento.
+
+```python
+index = faiss.index_factory(dimention, text, faiss.METRIC_INNER_PRODUCT)
+```
+
+## FI
+IVF (Inverted file indexes) é um algoritmo semelhante ao Index invertido na pesquisa de texto completo.
+Durante o aprendizado, o destino da pesquisa é agrupado com kmeans e o particionamento Voronoi é realizado usando o centro de cluster. A cada ponto de dados é atribuído um cluster, por isso criamos um dicionário que procura os pontos de dados dos clusters.
+
+Por exemplo, se os clusters forem atribuídos da seguinte forma
+|index|Cluster|
+|-----|-------|
+|1|A|
+|2|B|
+|3|A|
+|4|C|
+|5|B|
+
+O Index invertido resultante se parece com isso:
+
+| cluster | Index |
+|-------|-----|
+| A | 1, 3 |
+| B | 2 5 |
+| C | 4 |
+
+Ao pesquisar, primeiro pesquisamos n_probe clusters dos clusters e, em seguida, calculamos as distâncias para os pontos de dados pertencentes a cada cluster.
+
+# Parâmetro de recomendação
+Existem diretrizes oficiais sobre como escolher um Index, então vou explicar de
+acordo. https://github.com/facebookresearch/faiss/wiki/Guidelines-to-choose-an-index
+
+Para conjuntos de dados abaixo de 1M, o 4bit-PQ é o método mais eficiente disponível no faiss em abril de 2023.
+Combinando isso com a fertilização in vitro, estreitando os candidatos com 4bit-PQ e, finalmente, recalcular a distância com um Index preciso pode ser descrito usando a seguinte fábrica de Indexs.
+
+```python
+index = faiss.index_factory(256, "IVF1024,PQ128x4fs,RFlat")
+```
+
+## Parâmetros recomendados para FIV
+Considere o caso de muitas FIVs. Por exemplo, se a quantização grosseira por FIV for realizada para o número de dados, isso é o mesmo que uma pesquisa exaustiva ingênua e é ineficiente.
+Para 1M ou menos, os valores de FIV são recomendados entre 4*sqrt(N) ~ 16*sqrt(N) para N número de pontos de dados.
+
+Como o tempo de cálculo aumenta proporcionalmente ao número de n_sondas, consulte a precisão e escolha adequadamente. Pessoalmente, não acho que o RVC precise de tanta precisão, então n_probe = 1 está bem.
+
+## FastScan
+O FastScan é um método que permite a aproximação de alta velocidade de distâncias por quantização de produto cartesiano, realizando-as em registros.
+A quantização cartesiana do produto executa o agrupamento independentemente para cada dimensão d (geralmente d = 2) durante o aprendizado, calcula a distância entre os agrupamentos com antecedência e cria uma tabela de pesquisa. No momento da previsão, a distância de cada dimensão pode ser calculada em O(1) olhando para a tabela de pesquisa.
+Portanto, o número que você especifica após PQ geralmente especifica metade da dimensão do vetor.
+
+Para uma descrição mais detalhada do FastScan, consulte a documentação oficial.
+https://github.com/facebookresearch/faiss/wiki/Fast-accumulation-of-PQ-and-AQ-codes-(FastScan)
+
+## RFlat
+RFlat é uma instrução para recalcular a distância aproximada calculada pelo FastScan com a distância exata especificada pelo terceiro argumento da Construção de Index.
+Ao obter áreas k, os pontos k*k_factor são recalculados.

docs/pt-BR/faq_pt-BR.md

@@ -0,0 +1,224 @@
+# <b>FAQ AI HUB BRASIL</b>
+## <span style="color: #337dff;">O que é epoch, quantos utilizar, quanto de dataset utilizar e qual à configuração interessante?</span>
+Epochs basicamente quantas vezes o seu dataset foi treinado.
+
+Recomendado ler Q8 e Q9 no final dessa página pra entender mais sobre dataset e epochs
+
+__**Não é uma regra, mas opinião:**__
+
+### **Mangio-Crepe Hop Length**
+- 64 pra cantores e dubladores
+- 128(padrão) para os demais (editado)
+
+### **Epochs e dataset**
+600epoch para cantores - --dataset entre 10 e 50 min  desnecessario mais que 50 minutos--
+300epoch para os demais - --dataset entre 10 e 50 min desnecessario mais que 50 minutos--
+
+### **Tom**
+magio-crepe se for audios extraído de alguma musica
+harvest se for de estúdio<hr>
+
+## <span style="color: #337dff;">O que é index?</span>
+Basicamente o que define o sotaque. Quanto maior o numero, mas próximo o sotaque fica do original. Porém, quando o modelo é bem, não é necessário um index.<hr>
+
+## <span style="color: #337dff;">O que significa cada sigla (pm, harvest, crepe, magio-crepe, RMVPE)?</span>
+
+- pm = extração mais rápida, mas discurso de qualidade inferior;
+- harvest = graves melhores, mas extremamente lentos;
+- dio = conversão rápida mas pitch ruim;
+- crepe = melhor qualidade, mas intensivo em GPU;
+- crepe-tiny = mesma coisa que o crepe, só que com a qualidade um pouco inferior;
+- **mangio-crepe = melhor qualidade, mais otimizado; (MELHOR OPÇÃO)**
+- mangio-crepe-tiny = mesma coisa que o mangio-crepe, só que com a qualidade um pouco inferior;
+- RMVPE: um modelo robusto para estimativa de afinação vocal em música polifônica;<hr>
+
+## <span style="color: #337dff;">Pra rodar localmente, quais os requisitos minimos?</span>
+Já tivemos relatos de pessoas com GTX 1050 rodando inferencia, se for treinar numa 1050 vai demorar muito mesmo e inferior a isso, normalmente da tela azul
+
+O mais importante é placa de vídeo, vram na verdade
+Se você tiver 4GB ou mais, você tem uma chance.
+
+**NOS DOIS CASOS NÃO É RECOMENDADO UTILIZAR O PC ENQUANTO ESTÁ UTILIZNDO, CHANCE DE TELA AZUL É ALTA**
+### Inference
+Não é algo oficial para requisitos minimos
+- Placa de vídeo: nvidia de 4gb
+- Memoria ram: 8gb
+- CPU: ?
+- Armanezamento: 20gb (sem modelos)
+
+### Treinamento de voz
+Não é algo oficial para requisitos minimos
+- Placa de vídeo: nvidia de 6gb
+- Memoria ram: 16gb
+- CPU: ?
+- Armanezamento: 20gb (sem modelos)<hr>
+
+## <span style="color: #337dff;">Limite de GPU no Google Colab excedido, apenas CPU o que fazer?</span>
+Recomendamos esperar outro dia pra liberar mais 15gb ou 12 horas pra você. Ou você pode contribuir com o Google pagando algum dos planos, ai aumenta seu limite.<br>
+Utilizar apenas CPU no Google Colab demora DEMAIS.<hr>
+
+
+## <span style="color: #337dff;">Google Colab desconectando com muita frequencia, o que fazer?</span>
+Neste caso realmente não tem muito o que fazer. Apenas aguardar o proprietário do código corrigir ou a gente do AI HUB Brasil achar alguma solução. Isso acontece por diversos motivos, um incluindo a Google barrando o treinamento de voz.<hr>
+
+## <span style="color: #337dff;">O que é Batch Size/Tamanho de lote e qual numero utilizar?</span>
+Batch Size/Tamanho do lote é basicamente quantos epoch faz ao mesmo tempo. Se por 20, ele fazer 20 epoch ao mesmo tempo e isso faz pesar mais na máquina e etc.<br>
+
+No Google Colab você pode utilizar até 20 de boa.<br>
+Se rodando localmente, depende da sua placa de vídeo, começa por baixo (6) e vai testando.<hr>
+
+## <span style="color: #337dff;">Sobre backup na hora do treinamento</span>
+Backup vai de cada um. Eu quando uso a ``easierGUI`` utilizo a cada 100 epoch (meu caso isolado).
+No colab, se instavel, coloque a cada 10 epoch
+Recomendo utilizarem entre 25 e 50 pra garantir.
+
+Lembrando que cada arquivo geral é por volta de 50mb, então tenha muito cuidado quanto você coloca. Pois assim pode acabar lotando seu Google Drive ou seu PC.
+
+Depois de finalizado, da pra apagar os epoch de backup.<hr>
+
+## <span style="color: #337dff;">Como continuar da onde parou pra fazer mais epochs?</span>
+Primeira coisa que gostaria de lembrar, não necessariamente quanto mais epochs melhor. Se fizer epochs demais vai dar **overtraining** o que pode ser ruim.
+
+### GUI NORMAL
+- Inicie normalmente a GUI novamente.
+- Na aba de treino utilize o MESMO nome que estava treinando, assim vai continuar o treino onde parou o ultimo backup.
+- Ignore as opções ``Processar o Conjunto de dados`` e ``Extrair Tom``
+- Antes de clicar pra treinar, arrume os epoch, bakcup e afins. 
+    - Obviamente tem que ser um numero maior do qu estava em epoch.
+    - Backup você pode aumentar ou diminuir
+- Agora você vai ver a opção ``Carregue o caminho G do modelo base pré-treinado:`` e ``Carregue o caminho D do modelo base pré-treinado:``
+    -Aqui você vai por o caminho dos modelos que estão em ``./logs/minha-voz``
+        - Vai ficar algo parecido com isso ``e:/RVC/logs/minha-voz/G_0000.pth`` e ``e:/RVC/logs/minha-voz/D_0000.pth``
+-Coloque pra treinar
+
+**Lembrando que a pasta logs tem que ter todos os arquivos e não somente o arquivo ``G`` e ``D``**
+
+### EasierGUI
+- Inicie normalmente a easierGUI novamente.
+- Na aba de treino utilize o MESMO nome que estava treinando, assim vai continuar o treino onde parou o ultimo backup.
+- Selecione 'Treinar modelo', pode pular os 2 primeiros passos já que vamos continuar o treino.<hr><br>
+
+
+# <b>FAQ Original traduzido</b>
+## <b><span style="color: #337dff;">Q1: erro ffmpeg/erro utf8.</span></b>
+Provavelmente não é um problema do FFmpeg, mas sim um problema de caminho de áudio;
+
+O FFmpeg pode encontrar um erro ao ler caminhos contendo caracteres especiais como spaces e (), o que pode causar um erro FFmpeg; e quando o áudio do conjunto de treinamento contém caminhos chineses, gravá-lo em filelist.txt pode causar um erro utf8.<hr>
+
+## <b><span style="color: #337dff;">Q2:Não é possível encontrar o arquivo de Index após "Treinamento com um clique".</span></b>
+Se exibir "O treinamento está concluído. O programa é fechado ", então o modelo foi treinado com sucesso e os erros subsequentes são falsos;
+
+A falta de um arquivo de index 'adicionado' após o treinamento com um clique pode ser devido ao conjunto de treinamento ser muito grande, fazendo com que a adição do index fique presa; isso foi resolvido usando o processamento em lote para adicionar o index, o que resolve o problema de sobrecarga de memória ao adicionar o index. Como solução temporária, tente clicar no botão "Treinar Index" novamente.<hr>
+
+## <b><span style="color: #337dff;">Q3:Não é possível encontrar o modelo em “Modelo de voz” após o treinamento</span></b>
+Clique em "Atualizar lista de voz" ou "Atualizar na EasyGUI e verifique novamente; se ainda não estiver visível, verifique se há erros durante o treinamento e envie capturas de tela do console, da interface do usuário da Web e dos ``logs/experiment_name/*.log`` para os desenvolvedores para análise posterior.<hr>
+
+## <b><span style="color: #337dff;">Q4:Como compartilhar um modelo/Como usar os modelos dos outros?</span></b>
+Os arquivos ``.pth`` armazenados em ``*/logs/minha-voz`` não são destinados para compartilhamento ou inference, mas para armazenar os checkpoits do experimento para reprodutibilidade e treinamento adicional. O modelo a ser compartilhado deve ser o arquivo ``.pth`` de 60+MB na pasta **weights**;
+
+No futuro, ``weights/minha-voz.pth`` e ``logs/minha-voz/added_xxx.index`` serão mesclados em um único arquivo de ``weights/minha-voz.zip`` para eliminar a necessidade de entrada manual de index; portanto, compartilhe o arquivo zip, não somente o arquivo .pth, a menos que você queira continuar treinando em uma máquina diferente;
+
+Copiar/compartilhar os vários arquivos .pth de centenas de MB da pasta de logs para a pasta de weights para inference forçada pode resultar em erros como falta de f0, tgt_sr ou outras chaves. Você precisa usar a guia ckpt na parte inferior para manualmente ou automaticamente (se as informações forem encontradas nos ``logs/minha-voz``), selecione se deseja incluir informações de tom e opções de taxa de amostragem de áudio de destino e, em seguida, extrair o modelo menor. Após a extração, haverá um arquivo pth de 60+ MB na pasta de weights, e você pode atualizar as vozes para usá-lo.<hr>
+
+## <b><span style="color: #337dff;">Q5 Erro de conexão:</span></b>
+Para sermos otimistas, aperte F5/recarregue a página, pode ter sido apenas um bug da GUI
+
+Se não...
+Você pode ter fechado o console (janela de linha de comando preta).
+Ou o Google Colab, no caso do Colab, as vezes pode simplesmente fechar<hr>
+
+## <b><span style="color: #337dff;">Q6: Pop-up WebUI 'Valor esperado: linha 1 coluna 1 (caractere 0)'.</span></b>
+Desative o proxy LAN do sistema/proxy global e atualize.<hr>
+
+## <b><span style="color: #337dff;">Q7:Como treinar e inferir sem a WebUI?</span></b>
+Script de treinamento:
+<br>Você pode executar o treinamento em WebUI primeiro, e as versões de linha de comando do pré-processamento e treinamento do conjunto de dados serão exibidas na janela de mensagens.<br>
+
+Script de inference:
+<br>https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py<br>
+
+
+por exemplo<br>
+
+``runtime\python.exe myinfer.py 0 "E:\audios\1111.wav" "E:\RVC\logs\minha-voz\added_IVF677_Flat_nprobe_7.index" harvest "test.wav" "weights/mi-test.pth" 0.6 cuda:0 True``<br>
+
+
+f0up_key=sys.argv[1]<br>
+input_path=sys.argv[2]<br>
+index_path=sys.argv[3]<br>
+f0method=sys.argv[4]#harvest or pm<br>
+opt_path=sys.argv[5]<br>
+model_path=sys.argv[6]<br>
+index_rate=float(sys.argv[7])<br>
+device=sys.argv[8]<br>
+is_half=bool(sys.argv[9])<hr>
+
+## <b><span style="color: #337dff;">Q8: Erro Cuda/Cuda sem memória.</span></b>
+Há uma pequena chance de que haja um problema com a configuração do CUDA ou o dispositivo não seja suportado; mais provavelmente, não há memória suficiente (falta de memória).<br>
+
+Para treinamento, reduza o (batch size) tamanho do lote (se reduzir para 1 ainda não for suficiente, talvez seja necessário alterar a placa gráfica); para inference, ajuste as configurações x_pad, x_query, x_center e x_max no arquivo config.py conforme necessário. Cartões de memória 4G ou inferiores (por exemplo, 1060(3G) e várias placas 2G) podem ser abandonados, enquanto os placas de vídeo com memória 4G ainda têm uma chance.<hr>
+
+## <b><span style="color: #337dff;">Q9:Quantos total_epoch são ótimos?</span></b>
+Se a qualidade de áudio do conjunto de dados de treinamento for ruim e o nível de ruído for alto, **20-30 epochs** são suficientes. Defini-lo muito alto não melhorará a qualidade de áudio do seu conjunto de treinamento de baixa qualidade.<br>
+
+Se a qualidade de áudio do conjunto de treinamento for alta, o nível de ruído for baixo e houver duração suficiente, você poderá aumentá-lo. **200 é aceitável** (uma vez que o treinamento é rápido e, se você puder preparar um conjunto de treinamento de alta qualidade, sua GPU provavelmente poderá lidar com uma duração de treinamento mais longa sem problemas).<hr>
+
+## <b><span style="color: #337dff;">Q10:Quanto tempo de treinamento é necessário?</span></b>
+
+**Recomenda-se um conjunto de dados de cerca de 10 min a 50 min.**<br>
+
+Com garantia de alta qualidade de som e baixo ruído de fundo, mais pode ser adicionado se o timbre do conjunto de dados for uniforme.<br>
+
+Para um conjunto de treinamento de alto nível (limpo + distintivo), 5min a 10min é bom.<br>
+
+Há algumas pessoas que treinaram com sucesso com dados de 1 a 2 minutos, mas o sucesso não é reproduzível por outros e não é muito informativo. <br>Isso requer que o conjunto de treinamento tenha um timbre muito distinto (por exemplo, um som de menina de anime arejado de alta frequência) e a qualidade do áudio seja alta;
+Dados com menos de 1 minuto, já obtivemo sucesso. Mas não é recomendado.<hr>
+
+
+## <b><span style="color: #337dff;">Q11:Qual é a taxa do index e como ajustá-la?</span></b>
+Se a qualidade do tom do modelo pré-treinado e da fonte de inference for maior do que a do conjunto de treinamento, eles podem trazer a qualidade do tom do resultado do inference, mas ao custo de um possível viés de tom em direção ao tom do modelo subjacente/fonte de inference, em vez do tom do conjunto de treinamento, que é geralmente referido como "vazamento de tom".<br>
+
+A taxa de index é usada para reduzir/resolver o problema de vazamento de timbre. Se a taxa do index for definida como 1, teoricamente não há vazamento de timbre da fonte de inference e a qualidade do timbre é mais tendenciosa em relação ao conjunto de treinamento. Se o conjunto de treinamento tiver uma qualidade de som mais baixa do que a fonte de inference, uma taxa de index mais alta poderá reduzir a qualidade do som. Reduzi-lo a 0 não tem o efeito de usar a mistura de recuperação para proteger os tons definidos de treinamento.<br>
+
+Se o conjunto de treinamento tiver boa qualidade de áudio e longa duração, aumente o total_epoch, quando o modelo em si é menos propenso a se referir à fonte inferida e ao modelo subjacente pré-treinado, e há pouco "vazamento de tom", o index_rate não é importante e você pode até não criar/compartilhar o arquivo de index.<hr>
+
+## <b><span style="color: #337dff;">Q12:Como escolher o GPU ao inferir?</span></b>
+No arquivo ``config.py``, selecione o número da placa em "device cuda:".<br>
+
+O mapeamento entre o número da placa e a placa gráfica pode ser visto na seção de informações da placa gráfica da guia de treinamento.<hr>
+
+## <b><span style="color: #337dff;">Q13:Como usar o modelo salvo no meio do treinamento?</span></b>
+Salvar via extração de modelo na parte inferior da guia de processamento do ckpt.<hr>
+
+## <b><span style="color: #337dff;">Q14: Erro de arquivo/memória (durante o treinamento)?</span></b>
+Muitos processos e sua memória não é suficiente. Você pode corrigi-lo por:
+
+1. Diminuir a entrada no campo "Threads da CPU".
+2. Diminuir o tamanho do conjunto de dados.
+
+## Q15: Como continuar treinando usando mais dados
+
+passo 1: coloque todos os dados wav no path2.
+
+etapa 2: exp_name2 + path2 -> processar conjunto de dados e extrair recurso.
+
+passo 3: copie o arquivo G e D mais recente de exp_name1 (seu experimento anterior) para a pasta exp_name2.
+
+passo 4: clique em "treinar o modelo" e ele continuará treinando desde o início da época anterior do modelo exp.
+
+## Q16: erro sobre llvmlite.dll
+
+OSError: Não foi possível carregar o arquivo de objeto compartilhado: llvmlite.dll
+
+FileNotFoundError: Não foi possível encontrar o módulo lib\site-packages\llvmlite\binding\llvmlite.dll (ou uma de suas dependências). Tente usar o caminho completo com sintaxe de construtor.
+
+O problema acontecerá no Windows, instale https://aka.ms/vs/17/release/vc_redist.x64.exe e será corrigido.
+
+## Q17: RuntimeError: O tamanho expandido do tensor (17280) deve corresponder ao tamanho existente (0) na dimensão 1 não singleton. Tamanhos de destino: [1, 17280]. Tamanhos de tensor: [0]
+
+Exclua os arquivos wav cujo tamanho seja significativamente menor que outros e isso não acontecerá novamente. Em seguida, clique em "treinar o modelo" e "treinar o índice".
+
+## Q18: RuntimeError: O tamanho do tensor a (24) deve corresponder ao tamanho do tensor b (16) na dimensão não singleton 2
+
+Não altere a taxa de amostragem e continue o treinamento. Caso seja necessário alterar, o nome do exp deverá ser alterado e o modelo será treinado do zero. Você também pode copiar o pitch e os recursos (pastas 0/1/2/2b) extraídos da última vez para acelerar o processo de treinamento.
+

docs/pt-BR/training_tips_pt-BR.md

@@ -0,0 +1,65 @@
+Instruções e dicas para treinamento RVC
+======================================
+Estas DICAS explicam como o treinamento de dados é feito.
+
+# Fluxo de treinamento
+Explicarei ao longo das etapas na guia de treinamento da GUI.
+
+## Passo 1
+Defina o nome do experimento aqui.
+
+Você também pode definir aqui se o modelo deve levar em consideração o pitch.
+Se o modelo não considerar o tom, o modelo será mais leve, mas não será adequado para cantar.
+
+Os dados de cada experimento são colocados em `/logs/nome-do-seu-modelo/`.
+
+## Passo 2a
+Carrega e pré-processa áudio.
+
+### Carregar áudio
+Se você especificar uma pasta com áudio, os arquivos de áudio dessa pasta serão lidos automaticamente.
+Por exemplo, se você especificar `C:Users\hoge\voices`, `C:Users\hoge\voices\voice.mp3` será carregado, mas `C:Users\hoge\voices\dir\voice.mp3` será Não carregado.
+
+Como o ffmpeg é usado internamente para leitura de áudio, se a extensão for suportada pelo ffmpeg, ela será lida automaticamente.
+Após converter para int16 com ffmpeg, converta para float32 e normalize entre -1 e 1.
+
+### Eliminar ruído
+O áudio é suavizado pelo filtfilt do scipy.
+
+### Divisão de áudio
+Primeiro, o áudio de entrada é dividido pela detecção de partes de silêncio que duram mais que um determinado período (max_sil_kept=5 segundos?). Após dividir o áudio no silêncio, divida o áudio a cada 4 segundos com uma sobreposição de 0,3 segundos. Para áudio separado em 4 segundos, após normalizar o volume, converta o arquivo wav para `/logs/nome-do-seu-modelo/0_gt_wavs` e, em seguida, converta-o para taxa de amostragem de 16k para `/logs/nome-do-seu-modelo/1_16k_wavs ` como um arquivo wav.
+
+## Passo 2b
+### Extrair pitch
+Extraia informações de pitch de arquivos wav. Extraia as informações de pitch (=f0) usando o método incorporado em Parselmouth ou pyworld e salve-as em `/logs/nome-do-seu-modelo/2a_f0`. Em seguida, converta logaritmicamente as informações de pitch para um número inteiro entre 1 e 255 e salve-as em `/logs/nome-do-seu-modelo/2b-f0nsf`.
+
+### Extrair feature_print
+Converta o arquivo wav para incorporação antecipadamente usando HuBERT. Leia o arquivo wav salvo em `/logs/nome-do-seu-modelo/1_16k_wavs`, converta o arquivo wav em recursos de 256 dimensões com HuBERT e salve no formato npy em `/logs/nome-do-seu-modelo/3_feature256`.
+
+## Passo 3
+treinar o modelo.
+### Glossário para iniciantes
+No aprendizado profundo, o conjunto de dados é dividido e o aprendizado avança aos poucos. Em uma atualização do modelo (etapa), os dados batch_size são recuperados e previsões e correções de erros são realizadas. Fazer isso uma vez para um conjunto de dados conta como um epoch.
+
+Portanto, o tempo de aprendizagem é o tempo de aprendizagem por etapa x (o número de dados no conjunto de dados/tamanho do lote) x o número de epoch. Em geral, quanto maior o tamanho do lote, mais estável se torna o aprendizado (tempo de aprendizado por etapa ÷ tamanho do lote) fica menor, mas usa mais memória GPU. A RAM da GPU pode ser verificada com o comando nvidia-smi. O aprendizado pode ser feito em pouco tempo aumentando o tamanho do lote tanto quanto possível de acordo com a máquina do ambiente de execução.
+
+### Especifique o modelo pré-treinado
+O RVC começa a treinar o modelo a partir de pesos pré-treinados em vez de 0, para que possa ser treinado com um pequeno conjunto de dados.
+
+Por padrão
+
+- Se você considerar o pitch, ele carrega `rvc-location/pretrained/f0G40k.pth` e `rvc-location/pretrained/f0D40k.pth`.
+- Se você não considerar o pitch, ele carrega `rvc-location/pretrained/f0G40k.pth` e `rvc-location/pretrained/f0D40k.pth`.
+
+Ao aprender, os parâmetros do modelo são salvos em `logs/nome-do-seu-modelo/G_{}.pth` e `logs/nome-do-seu-modelo/D_{}.pth` para cada save_every_epoch, mas especificando nesse caminho, você pode começar a aprender. Você pode reiniciar ou iniciar o treinamento a partir de weights de modelo aprendidos em um experimento diferente.
+
+### Index de aprendizado
+O RVC salva os valores de recursos do HuBERT usados durante o treinamento e, durante a inferência, procura valores de recursos que sejam semelhantes aos valores de recursos usados durante o aprendizado para realizar a inferência. Para realizar esta busca em alta velocidade, o index é aprendido previamente.
+Para aprendizagem de index, usamos a biblioteca de pesquisa de associação de áreas aproximadas faiss. Leia o valor do recurso `logs/nome-do-seu-modelo/3_feature256` e use-o para aprender o index, e salve-o como `logs/nome-do-seu-modelo/add_XXX.index`.
+
+(A partir da versão 20230428update, ele é lido do index e não é mais necessário salvar/especificar.)
+
+### Descrição do botão
+- Treinar modelo: Após executar o passo 2b, pressione este botão para treinar o modelo.
+- Treinar índice de recursos: após treinar o modelo, execute o aprendizado do index.
+- Treinamento com um clique: etapa 2b, treinamento de modelo e treinamento de index de recursos, tudo de uma vez.

gui_v1.py

@@ -125,6 +125,8 @@ if __name__ == "__main__":
             self.index_rate: float = 0.0
             self.n_cpu: int = min(n_cpu, 4)
             self.f0method: str = "fcpe"
+            self.sg_hostapi: str = ""
+            self.wasapi_exclusive: bool = False
             self.sg_input_device: str = ""
             self.sg_output_device: str = ""
 
@@ -134,6 +136,7 @@ if __name__ == "__main__":
             self.config = Config()
             self.function = "vc"
             self.delay_time = 0
+            self.hostapis = None
             self.input_devices = None
             self.output_devices = None
             self.input_devices_indices = None
@@ -153,11 +156,25 @@ if __name__ == "__main__":
                     data["crepe"] = data["f0method"] == "crepe"
                     data["rmvpe"] = data["f0method"] == "rmvpe"
                     data["fcpe"] = data["f0method"] == "fcpe"
-                    if data["sg_input_device"] not in self.input_devices:
+                    if data["sg_hostapi"] in self.hostapis:
+                        self.update_devices(hostapi_name=data["sg_hostapi"])
+                        if (
+                            data["sg_input_device"] not in self.input_devices
+                            or data["sg_output_device"] not in self.output_devices
+                        ):
+                            self.update_devices()
+                            data["sg_hostapi"] = self.hostapis[0]
+                            data["sg_input_device"] = self.input_devices[
+                                self.input_devices_indices.index(sd.default.device[0])
+                            ]
+                            data["sg_output_device"] = self.output_devices[
+                                self.output_devices_indices.index(sd.default.device[1])
+                            ]
+                    else:
+                        data["sg_hostapi"] = self.hostapis[0]
                         data["sg_input_device"] = self.input_devices[
                             self.input_devices_indices.index(sd.default.device[0])
                         ]
-                    if data["sg_output_device"] not in self.output_devices:
                         data["sg_output_device"] = self.output_devices[
                             self.output_devices_indices.index(sd.default.device[1])
                         ]
@@ -166,6 +183,8 @@ if __name__ == "__main__":
                     data = {
                         "pth_path": "",
                         "index_path": "",
+                        "sg_hostapi": self.hostapis[0],
+                        "sg_wasapi_exclusive": False,
                         "sg_input_device": self.input_devices[
                             self.input_devices_indices.index(sd.default.device[0])
                         ],
@@ -233,12 +252,30 @@ if __name__ == "__main__":
                 [
                     sg.Frame(
                         layout=[
+                            [
+                                sg.Text(i18n("设备类型")),
+                                sg.Combo(
+                                    self.hostapis,
+                                    key="sg_hostapi",
+                                    default_value=data.get("sg_hostapi", ""),
+                                    enable_events=True,
+                                    size=(20, 1),
+                                ),
+                                sg.Checkbox(
+                                    i18n("独占 WASAPI 设备"),
+                                    key="sg_wasapi_exclusive",
+                                    default=data.get("sg_wasapi_exclusive", False),
+                                    enable_events=True,
+                                ),
+                            ],
                             [
                                 sg.Text(i18n("输入设备")),
                                 sg.Combo(
                                     self.input_devices,
                                     key="sg_input_device",
                                     default_value=data.get("sg_input_device", ""),
+                                    enable_events=True,
+                                    size=(45, 1),
                                 ),
                             ],
                             [
@@ -247,6 +284,8 @@ if __name__ == "__main__":
                                     self.output_devices,
                                     key="sg_output_device",
                                     default_value=data.get("sg_output_device", ""),
+                                    enable_events=True,
+                                    size=(45, 1),
                                 ),
                             ],
                             [
@@ -269,7 +308,7 @@ if __name__ == "__main__":
                                 sg.Text("", key="sr_stream"),
                             ],
                         ],
-                        title=i18n("音频设备(请使用同种类驱动)"),
+                        title=i18n("音频设备"),
                     )
                 ],
                 [
@@ -365,7 +404,7 @@ if __name__ == "__main__":
                             [
                                 sg.Text(i18n("采样长度")),
                                 sg.Slider(
-                                    range=(0.02, 2.4),
+                                    range=(0.02, 1.5),
                                     key="block_time",
                                     resolution=0.01,
                                     orientation="h",
@@ -481,8 +520,13 @@ if __name__ == "__main__":
                 if event == sg.WINDOW_CLOSED:
                     self.stop_stream()
                     exit()
-                if event == "reload_devices":
+                if event == "reload_devices" or event == "sg_hostapi":
-                    self.update_devices()
+                    self.gui_config.sg_hostapi = values["sg_hostapi"]
+                    self.update_devices(hostapi_name=values["sg_hostapi"])
+                    if self.gui_config.sg_hostapi not in self.hostapis:
+                        self.gui_config.sg_hostapi = self.hostapis[0]
+                    self.window["sg_hostapi"].Update(values=self.hostapis)
+                    self.window["sg_hostapi"].Update(value=self.gui_config.sg_hostapi)
                     if self.gui_config.sg_input_device not in self.input_devices:
                         self.gui_config.sg_input_device = self.input_devices[0]
                     self.window["sg_input_device"].Update(values=self.input_devices)
@@ -502,6 +546,8 @@ if __name__ == "__main__":
                         settings = {
                             "pth_path": values["pth_path"],
                             "index_path": values["index_path"],
+                            "sg_hostapi": values["sg_hostapi"],
+                            "sg_wasapi_exclusive": values["sg_wasapi_exclusive"],
                             "sg_input_device": values["sg_input_device"],
                             "sg_output_device": values["sg_output_device"],
                             "sr_type": ["sr_model", "sr_device"][
@@ -544,7 +590,9 @@ if __name__ == "__main__":
                         if values["I_noise_reduce"]:
                             self.delay_time += min(values["crossfade_length"], 0.04)
                         self.window["sr_stream"].update(self.gui_config.samplerate)
-                        self.window["delay_time"].update(int(self.delay_time * 1000))
+                        self.window["delay_time"].update(
+                            int(np.round(self.delay_time * 1000))
+                        )
                 # Parameter hot update
                 if event == "threhold":
                     self.gui_config.threhold = values["threhold"]
@@ -566,7 +614,9 @@ if __name__ == "__main__":
                         self.delay_time += (
                             1 if values["I_noise_reduce"] else -1
                         ) * min(values["crossfade_length"], 0.04)
-                        self.window["delay_time"].update(int(self.delay_time * 1000))
+                        self.window["delay_time"].update(
+                            int(np.round(self.delay_time * 1000))
+                        )
                 elif event == "O_noise_reduce":
                     self.gui_config.O_noise_reduce = values["O_noise_reduce"]
                 elif event == "use_pv":
@@ -594,6 +644,8 @@ if __name__ == "__main__":
             self.set_devices(values["sg_input_device"], values["sg_output_device"])
             self.config.use_jit = False  # values["use_jit"]
             # self.device_latency = values["device_latency"]
+            self.gui_config.sg_hostapi = values["sg_hostapi"]
+            self.gui_config.sg_wasapi_exclusive = values["sg_wasapi_exclusive"]
             self.gui_config.sg_input_device = values["sg_input_device"]
             self.gui_config.sg_output_device = values["sg_output_device"]
             self.gui_config.pth_path = values["pth_path"]
@@ -644,6 +696,7 @@ if __name__ == "__main__":
                 if self.gui_config.sr_type == "sr_model"
                 else self.get_device_samplerate()
             )
+            self.gui_config.channels = self.get_device_channels()
             self.zc = self.gui_config.samplerate // 100
             self.block_frame = (
                 int(
@@ -686,19 +739,18 @@ if __name__ == "__main__":
                 device=self.config.device,
                 dtype=torch.float32,
             )
+            self.input_wav_denoise: torch.Tensor = self.input_wav.clone()
             self.input_wav_res: torch.Tensor = torch.zeros(
                 160 * self.input_wav.shape[0] // self.zc,
                 device=self.config.device,
                 dtype=torch.float32,
             )
+            self.rms_buffer: np.ndarray = np.zeros(4 * self.zc, dtype="float32")
             self.sola_buffer: torch.Tensor = torch.zeros(
                 self.sola_buffer_frame, device=self.config.device, dtype=torch.float32
             )
             self.nr_buffer: torch.Tensor = self.sola_buffer.clone()
             self.output_buffer: torch.Tensor = self.input_wav.clone()
-            self.res_buffer: torch.Tensor = torch.zeros(
-                2 * self.zc, device=self.config.device, dtype=torch.float32
-            )
             self.skip_head = self.extra_frame // self.zc
             self.return_length = (
                 self.block_frame + self.sola_buffer_frame + self.sola_search_frame
@@ -740,13 +792,20 @@ if __name__ == "__main__":
             global flag_vc
             if not flag_vc:
                 flag_vc = True
-                channels = 1 if sys.platform == "darwin" else 2
+                if (
+                    "WASAPI" in self.gui_config.sg_hostapi
+                    and self.gui_config.sg_wasapi_exclusive
+                ):
+                    extra_settings = sd.WasapiSettings(exclusive=True)
+                else:
+                    extra_settings = None
                 self.stream = sd.Stream(
-                    channels=channels,
                     callback=self.audio_callback,
                     blocksize=self.block_frame,
                     samplerate=self.gui_config.samplerate,
+                    channels=self.gui_config.channels,
                     dtype="float32",
+                    extra_settings=extra_settings,
                 )
                 self.stream.start()
 
@@ -755,7 +814,7 @@ if __name__ == "__main__":
             if flag_vc:
                 flag_vc = False
                 if self.stream is not None:
-                    self.stream.stop()
+                    self.stream.abort()
                     self.stream.close()
                     self.stream = None
 
@@ -769,48 +828,54 @@ if __name__ == "__main__":
             start_time = time.perf_counter()
             indata = librosa.to_mono(indata.T)
             if self.gui_config.threhold > -60:
+                indata = np.append(self.rms_buffer, indata)
                 rms = librosa.feature.rms(
                     y=indata, frame_length=4 * self.zc, hop_length=self.zc
-                )
+                )[:, 2:]
+                self.rms_buffer[:] = indata[-4 * self.zc :]
+                indata = indata[2 * self.zc - self.zc // 2 :]
                 db_threhold = (
                     librosa.amplitude_to_db(rms, ref=1.0)[0] < self.gui_config.threhold
                 )
                 for i in range(db_threhold.shape[0]):
                     if db_threhold[i]:
                         indata[i * self.zc : (i + 1) * self.zc] = 0
+                indata = indata[self.zc // 2 :]
             self.input_wav[: -self.block_frame] = self.input_wav[
                 self.block_frame :
             ].clone()
-            self.input_wav[-self.block_frame :] = torch.from_numpy(indata).to(
+            self.input_wav[-indata.shape[0] :] = torch.from_numpy(indata).to(
                 self.config.device
             )
             self.input_wav_res[: -self.block_frame_16k] = self.input_wav_res[
                 self.block_frame_16k :
             ].clone()
             # input noise reduction and resampling
-            if self.gui_config.I_noise_reduce and self.function == "vc":
+            if self.gui_config.I_noise_reduce:
-                input_wav = self.input_wav[
+                self.input_wav_denoise[: -self.block_frame] = self.input_wav_denoise[
-                    -self.sola_buffer_frame - self.block_frame - 2 * self.zc :
+                    self.block_frame :
-                ]
+                ].clone()
+                input_wav = self.input_wav[-self.sola_buffer_frame - self.block_frame :]
                 input_wav = self.tg(
                     input_wav.unsqueeze(0), self.input_wav.unsqueeze(0)
-                )[0, 2 * self.zc :]
+                ).squeeze(0)
                 input_wav[: self.sola_buffer_frame] *= self.fade_in_window
                 input_wav[: self.sola_buffer_frame] += (
                     self.nr_buffer * self.fade_out_window
                 )
+                self.input_wav_denoise[-self.block_frame :] = input_wav[
+                    : self.block_frame
+                ]
                 self.nr_buffer[:] = input_wav[self.block_frame :]
-                input_wav = torch.cat(
-                    (self.res_buffer[:], input_wav[: self.block_frame])
-                )
-                self.res_buffer[:] = input_wav[-2 * self.zc :]
                 self.input_wav_res[-self.block_frame_16k - 160 :] = self.resampler(
-                    input_wav
+                    self.input_wav_denoise[-self.block_frame - 2 * self.zc :]
                 )[160:]
             else:
-                self.input_wav_res[-self.block_frame_16k - 160 :] = self.resampler(
+                self.input_wav_res[
-                    self.input_wav[-self.block_frame - 2 * self.zc :]
+                    -160 * (indata.shape[0] // self.zc + 1) :
-                )[160:]
+                ] = self.resampler(self.input_wav[-indata.shape[0] - 2 * self.zc :])[
+                    160:
+                ]
             # infer
             if self.function == "vc":
                 infer_wav = self.rvc.infer(
@@ -822,14 +887,12 @@ if __name__ == "__main__":
                 )
                 if self.resampler2 is not None:
                     infer_wav = self.resampler2(infer_wav)
+            elif self.gui_config.I_noise_reduce:
+                infer_wav = self.input_wav_denoise[self.extra_frame :].clone()
             else:
-                infer_wav = self.input_wav[
+                infer_wav = self.input_wav[self.extra_frame :].clone()
-                    -self.crossfade_frame - self.sola_search_frame - self.block_frame :
-                ].clone()
             # output noise reduction
-            if (self.gui_config.O_noise_reduce and self.function == "vc") or (
+            if self.gui_config.O_noise_reduce and self.function == "vc":
-                self.gui_config.I_noise_reduce and self.function == "im"
-            ):
                 self.output_buffer[: -self.block_frame] = self.output_buffer[
                     self.block_frame :
                 ].clone()
@@ -839,16 +902,14 @@ if __name__ == "__main__":
                 ).squeeze(0)
             # volume envelop mixing
             if self.gui_config.rms_mix_rate < 1 and self.function == "vc":
+                if self.gui_config.I_noise_reduce:
+                    input_wav = self.input_wav_denoise[self.extra_frame :]
+                else:
+                    input_wav = self.input_wav[self.extra_frame :]
                 rms1 = librosa.feature.rms(
-                    y=self.input_wav_res[
+                    y=input_wav[: infer_wav.shape[0]].cpu().numpy(),
-                        160
+                    frame_length=4 * self.zc,
-                        * self.skip_head : 160
+                    hop_length=self.zc,
-                        * (self.skip_head + self.return_length)
-                    ]
-                    .cpu()
-                    .numpy(),
-                    frame_length=640,
-                    hop_length=160,
                 )
                 rms1 = torch.from_numpy(rms1).to(self.config.device)
                 rms1 = F.interpolate(
@@ -907,19 +968,22 @@ if __name__ == "__main__":
             self.sola_buffer[:] = infer_wav[
                 self.block_frame : self.block_frame + self.sola_buffer_frame
             ]
-            if sys.platform == "darwin":
+            outdata[:] = (
-                outdata[:] = infer_wav[: self.block_frame].cpu().numpy()[:, np.newaxis]
+                infer_wav[: self.block_frame]
-            else:
+                .repeat(self.gui_config.channels, 1)
-                outdata[:] = (
+                .t()
-                    infer_wav[: self.block_frame].repeat(2, 1).t().cpu().numpy()
+                .cpu()
-                )
+                .numpy()
+            )
             total_time = time.perf_counter() - start_time
             if flag_vc:
                 self.window["infer_time"].update(int(total_time * 1000))
             printt("Infer time: %.2f", total_time)
 
-        def update_devices(self):
+        def update_devices(self, hostapi_name=None):
             """获取设备列表"""
+            global flag_vc
+            flag_vc = False
             sd._terminate()
             sd._initialize()
             devices = sd.query_devices()
@@ -927,25 +991,28 @@ if __name__ == "__main__":
             for hostapi in hostapis:
                 for device_idx in hostapi["devices"]:
                     devices[device_idx]["hostapi_name"] = hostapi["name"]
+            self.hostapis = [hostapi["name"] for hostapi in hostapis]
+            if hostapi_name not in self.hostapis:
+                hostapi_name = self.hostapis[0]
             self.input_devices = [
-                f"{d['name']} ({d['hostapi_name']})"
+                d["name"]
                 for d in devices
-                if d["max_input_channels"] > 0
+                if d["max_input_channels"] > 0 and d["hostapi_name"] == hostapi_name
             ]
             self.output_devices = [
-                f"{d['name']} ({d['hostapi_name']})"
+                d["name"]
                 for d in devices
-                if d["max_output_channels"] > 0
+                if d["max_output_channels"] > 0 and d["hostapi_name"] == hostapi_name
             ]
             self.input_devices_indices = [
                 d["index"] if "index" in d else d["name"]
                 for d in devices
-                if d["max_input_channels"] > 0
+                if d["max_input_channels"] > 0 and d["hostapi_name"] == hostapi_name
             ]
             self.output_devices_indices = [
                 d["index"] if "index" in d else d["name"]
                 for d in devices
-                if d["max_output_channels"] > 0
+                if d["max_output_channels"] > 0 and d["hostapi_name"] == hostapi_name
             ]
 
         def set_devices(self, input_device, output_device):
@@ -964,4 +1031,13 @@ if __name__ == "__main__":
                 sd.query_devices(device=sd.default.device[0])["default_samplerate"]
             )
 
+        def get_device_channels(self):
+            max_input_channels = sd.query_devices(device=sd.default.device[0])[
+                "max_input_channels"
+            ]
+            max_output_channels = sd.query_devices(device=sd.default.device[1])[
+                "max_output_channels"
+            ]
+            return min(max_input_channels, max_output_channels, 2)
+
     gui = GUI()

i18n/locale/en_US.json

@@ -90,6 +90,7 @@
     "版本": "Version",
     "特征提取": "Feature extraction",
     "特征检索库文件路径,为空则使用下拉的选择结果": "Path to the feature index file. Leave blank to use the selected result from the dropdown:",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Recommended +12 key for male to female conversion, and -12 key for female to male conversion. If the sound range goes too far and the voice is distorted, you can also adjust it to the appropriate range by yourself.",
     "目标采样率": "Target sample rate:",
     "算法延迟(ms):": "Algorithmic delays(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "Train model",
     "训练特征索引": "Train feature index",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Training complete. You can check the training logs in the console or the 'train.log' file under the experiment folder.",
+    "设备类型": "设备类型",
     "请指定说话人id": "Please specify the speaker/singer ID:",
     "请选择index文件": "Please choose the .index file",
     "请选择pth文件": "Please choose the .pth file",
@@ -129,7 +131,7 @@
     "采样长度": "Sample length",
     "重载设备列表": "Reload device list",
     "音调设置": "Pitch settings",
-    "音频设备(请使用同种类驱动)": "Audio device (please use the same type of driver)",
+    "音频设备": "Audio device",
     "音高算法": "pitch detection algorithm",
     "额外推理时长": "Extra inference time"
 }

i18n/locale/es_ES.json

@@ -90,6 +90,7 @@
     "版本": "Versión",
     "特征提取": "Extracción de características",
     "特征检索库文件路径,为空则使用下拉的选择结果": "Ruta del archivo de la biblioteca de características, si está vacío, se utilizará el resultado de la selección desplegable",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Tecla +12 recomendada para conversión de voz de hombre a mujer, tecla -12 para conversión de voz de mujer a hombre. Si el rango de tono es demasiado amplio y causa distorsión, ajústelo usted mismo a un rango adecuado.",
     "目标采样率": "Tasa de muestreo objetivo",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "Entrenar Modelo",
     "训练特征索引": "Índice de características",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Entrenamiento finalizado, puede ver el registro de entrenamiento en la consola o en el archivo train.log en la carpeta del experimento",
+    "设备类型": "设备类型",
     "请指定说话人id": "ID del modelo",
     "请选择index文件": "Seleccione el archivo .index",
     "请选择pth文件": "Seleccione el archivo .pth",
@@ -129,7 +131,7 @@
     "采样长度": "Longitud de muestreo",
     "重载设备列表": "Actualizar lista de dispositivos",
     "音调设置": "Ajuste de tono",
-    "音频设备(请使用同种类驱动)": "Dispositivo de audio (utilice el mismo tipo de controlador)",
+    "音频设备": "Dispositivo de audio",
     "音高算法": "Algoritmo de tono",
     "额外推理时长": "Tiempo de inferencia adicional"
 }

i18n/locale/fr_FR.json

@@ -90,6 +90,7 @@
     "版本": "Version",
     "特征提取": "Extraction des caractéristiques",
     "特征检索库文件路径,为空则使用下拉的选择结果": "Chemin d'accès au fichier d'index des caractéristiques. Laisser vide pour utiliser le résultat sélectionné dans la liste déroulante :",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Il est recommandé d'utiliser la clé +12 pour la conversion homme-femme et la clé -12 pour la conversion femme-homme. Si la plage sonore est trop large et que la voix est déformée, vous pouvez également l'ajuster vous-même à la plage appropriée.",
     "目标采样率": "Taux d'échantillonnage cible :",
     "算法延迟(ms):": "Délais algorithmiques (ms):",
@@ -101,6 +102,7 @@
     "训练模型": "Entraîner le modèle",
     "训练特征索引": "Entraîner l'index des caractéristiques",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Entraînement terminé. Vous pouvez consulter les rapports d'entraînement dans la console ou dans le fichier 'train.log' situé dans le dossier de l'expérience.",
+    "设备类型": "设备类型",
     "请指定说话人id": "Veuillez spécifier l'ID de l'orateur ou du chanteur :",
     "请选择index文件": "Veuillez sélectionner le fichier d'index",
     "请选择pth文件": "Veuillez sélectionner le fichier pth",
@@ -129,7 +131,7 @@
     "采样长度": "Longueur de l'échantillon",
     "重载设备列表": "Recharger la liste des dispositifs",
     "音调设置": "Réglages de la hauteur",
-    "音频设备(请使用同种类驱动)": "Périphérique audio (veuillez utiliser le même type de pilote)",
+    "音频设备": "Périphérique audio",
     "音高算法": "algorithme de détection de la hauteur",
     "额外推理时长": "Temps d'inférence supplémentaire"
 }

i18n/locale/it_IT.json

@@ -90,6 +90,7 @@
     "版本": "Versione",
     "特征提取": "Estrazione delle caratteristiche",
     "特征检索库文件路径,为空则使用下拉的选择结果": "Percorso del file di indice delle caratteristiche. ",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Tonalità +12 consigliata per la conversione da maschio a femmina e tonalità -12 per la conversione da femmina a maschio. ",
     "目标采样率": "Frequenza di campionamento target:",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "Addestra modello",
     "训练特征索引": "Addestra indice delle caratteristiche",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Addestramento completato. ",
+    "设备类型": "设备类型",
     "请指定说话人id": "Si prega di specificare l'ID del locutore/cantante:",
     "请选择index文件": "请选择index文件",
     "请选择pth文件": "请选择pth 文件",
@@ -129,7 +131,7 @@
     "采样长度": "Lunghezza del campione",
     "重载设备列表": "Ricaricare l'elenco dei dispositivi",
     "音调设置": "Impostazioni del tono",
-    "音频设备(请使用同种类驱动)": "Dispositivo audio (utilizzare lo stesso tipo di driver)",
+    "音频设备": "Dispositivo audio",
     "音高算法": "音高算法",
     "额外推理时长": "Tempo di inferenza extra"
 }

i18n/locale/ja_JP.json

@@ -90,6 +90,7 @@
     "版本": "バージョン",
     "特征提取": "特徴抽出",
     "特征检索库文件路径,为空则使用下拉的选择结果": "特徴検索ライブラリへのパス 空の場合はドロップダウンで選択",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性から女性へは+12キーをお勧めします。女性から男性へは-12キーをお勧めします。音域が広すぎて音質が劣化した場合は、適切な音域に自分で調整してください。",
     "目标采样率": "目標サンプリングレート",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "モデルのトレーニング",
     "训练特征索引": "特徴インデックスのトレーニング",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "トレーニング終了時に、トレーニングログやフォルダ内のtrain.logを確認することができます",
+    "设备类型": "设备类型",
     "请指定说话人id": "話者IDを指定してください",
     "请选择index文件": "indexファイルを選択してください",
     "请选择pth文件": "pthファイルを選択してください",
@@ -129,7 +131,7 @@
     "采样长度": "サンプル長",
     "重载设备列表": "デバイスリストをリロードする",
     "音调设置": "音程設定",
-    "音频设备(请使用同种类驱动)": "オーディオデバイス(同じ種類のドライバーを使用してください)",
+    "音频设备": "オーディオデバイス",
     "音高算法": "ピッチアルゴリズム",
     "额外推理时长": "追加推論時間"
 }

i18n/locale/pt_BR.json

@@ -0,0 +1,188 @@
+{
+    "很遗憾您这没有能用的显卡来支持您训练": "Infelizmente, não há GPU compatível disponível para apoiar o seu treinamento.",
+    "是": "Sim",
+    "step1:正在处理数据": "Etapa 1: Processamento de dados",
+    "step2a:无需提取音高": "Etapa 2a: Ignorando a extração de tom",
+    "step2b:正在提取特征": "Etapa 2b: Extraindo recursos",
+    "step3a:正在训练模型": "Etapa 3a: Treinamento do modelo iniciado",
+    "全流程结束！": "Todos os processos foram concluídos!",
+    "本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>使用需遵守的协议-LICENSE.txt</b>." :"<center>Este software é de código aberto sob a licença MIT. O autor não tem nenhum controle sobre o software. Os usuários que usam o software e distribuem os sons exportados pelo software são os únicos responsáveis. <br>Se você não concordar com esta cláusula, você não pode usar ou fazer referência a quaisquer códigos e arquivos dentro do pacote de software. Consulte o diretório raiz <a href='https://raw.githubusercontent.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/main/LICENSE' target='_blank'>LICENSE</a> para obter detalhes.</center>",
+    "模型推理": "Inference",
+    "推理音色": "Escolha o seu Modelo:",
+    "刷新音色列表和索引路径": "Atualizar lista de voz e caminho do Index",
+    "卸载音色省显存": "Descarregue a voz para liberar a memória da GPU:",
+    "请选择说话人id": "Selecione Palestrantes/Cantores ID:",
+    "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Recomendado +12 chave para conversão de homem para mulher e -12 chave para conversão de mulher para homem. Se a faixa de som for muito longe e a voz estiver distorcida, você também pode ajustá-la à faixa apropriada por conta própria.",
+    "变调(整数, 半音数量, 升八度12降八度-12)": "Mude o tom aqui. Se a voz for do mesmo sexo, não é necessario alterar (12 caso seja Masculino para feminino, -12 caso seja ao contrário).",
+    "Add audio's name to the path to the audio file to be processed (default is the correct format example) Remove the path to use an audio from the dropdown list:": "Caminho do arquivo de áudio a ser processado (o padrão é o exemplo de formato abaixo):",
+    "Auto detect audio path and select from the dropdown:": "Auto detect audio path and select from the dropdown:",
+    "选择音高提取算法:输入歌声可用pm提速,高质量语音但CPU差可用dio提速,harvest质量更好但慢,rmvpe效果最好且微吃CPU/GPU": "Selecione o algoritmo de extração de tom \n'pm': extração mais rápida, mas discurso de qualidade inferior; \n'harvest': graves melhores, mas extremamente lentos; \n'crepe': melhor qualidade (mas intensivo em GPU);\n rmvpe tem o melhor efeito e consome menos CPU/GPU.",
+    "crepe_hop_length": "Mangio-Crepe Hop Length. Números mais altos reduzirão a chance de mudanças extremas de tom, mas números mais baixos aumentarão a precisão.",
+    "特征检索库文件路径": "Caminho do arquivo do banco de dados de pesquisa de recursos",
+    ">=3则使用对harvest音高识别的结果使用中值滤波，数值为滤波半径，使用可以削弱哑音": ">=3, use o filtro mediano para o resultado do reconhecimento do tom da heverst, e o valor é o raio do filtro, que pode enfraquecer o mudo.",
+    "特征检索库文件路径,为空则使用下拉的选择结果": "Caminho para o arquivo de Index. Deixe em branco para usar o resultado selecionado no menu debaixo:",
+    "特征文件路径": "Caminho para o arquivo de feição:",
+    "检索特征占比": "Taxa de recurso de recuperação:",
+    "后处理重采样至最终采样率，0为不进行重采样": "Reamostragem pós-processamento para a taxa de amostragem final, 0 significa sem reamostragem:",
+    "输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "O envelope de volume da fonte de entrada substitui a taxa de fusão do envelope de volume de saída, quanto mais próximo de 1, mais o envelope de saída é usado:",
+    "保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteja consoantes sem voz e sons respiratórios, evite artefatos como quebra de som eletrônico e desligue-o quando estiver cheio de 0,5. Diminua-o para aumentar a proteção, mas pode reduzir o efeito de indexação:",
+    "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Arquivo de curva F0 (opcional). Um arremesso por linha. Substitui a modulação padrão F0 e tom:",
+    "转换": "Converter",
+    "输出信息": "Informação de saída",
+    "输出音频(右下角三个点,点了可以下载)": "Exportar áudio (clique nos três pontos no canto inferior direito para baixar)",
+    "批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversão em Massa.",
+    "指定输出文件夹": "Especifique a pasta de saída:",
+    "输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Caminho da pasta de áudio a ser processada (copie-o da barra de endereços do gerenciador de arquivos):",
+    "也可批量输入音频文件, 二选一, 优先读文件夹": "Você também pode inserir arquivos de áudio em lotes. Escolha uma das duas opções. É dada prioridade à leitura da pasta.",
+    "导出文件格式": "Qual formato de arquivo você prefere?",
+    "伴奏人声分离&去混响&去回声": "UVR5",
+    "输入待处理音频文件夹路径": "Caminho da pasta de áudio a ser processada:",
+    "模型": "Modelo",
+    "指定输出主人声文件夹": "Especifique a pasta de saída para vocais:",
+    "指定输出非主人声文件夹": "Informar a pasta de saída para acompanhamento:",
+    "训练": "Treinar",
+    "step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Etapa 1: Preencha a configuração experimental. Os dados experimentais são armazenados na pasta 'logs', com cada experimento tendo uma pasta separada. Digite manualmente o caminho do nome do experimento, que contém a configuração experimental, os logs e os arquivos de modelo treinados.",
+    "输入实验名": "Nome da voz:",
+    "目标采样率": "Taxa de amostragem:",
+    "模型是否带音高指导(唱歌一定要, 语音可以不要)": "Se o modelo tem orientação de tom (necessário para cantar, opcional para fala):",
+    "版本": "Versão",
+    "提取音高和处理数据使用的CPU进程数": "Número de processos de CPU usados para extração de tom e processamento de dados:",
+    "step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Etapa 2a: Percorra automaticamente todos os arquivos na pasta de treinamento que podem ser decodificados em áudio e execute a normalização da fatia. Gera 2 pastas wav no diretório do experimento. Atualmente, apenas o treinamento de um único cantor/palestrante é suportado.",
+    "输入训练文件夹路径": "Caminho da pasta de treinamento:",
+    "请指定说话人id": "Especifique o ID do locutor/cantor:",
+    "处理数据": "Processar o Conjunto de Dados",
+    "step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Etapa 2b: Use a CPU para extrair o tom (se o modelo tiver tom), use a GPU para extrair recursos (selecione o índice da GPU):",
+    "以-分隔输入使用的卡号, 例如   0-1-2   使用卡0和卡1和卡2": "Digite o (s) índice(s) da GPU separados por '-', por exemplo, 0-1-2 para usar a GPU 0, 1 e 2:",
+    "显卡信息": "Informações da GPU",
+    "选择音高提取算法:输入歌声可用pm提速,高质量语音但CPU差可用dio提速,harvest质量更好但慢": "Selecione o algoritmo de extração de tom ('pm': extração mais rápida, mas fala de baixa qualidade; 'dio': fala melhorada, mas extração mais lenta; 'harvest': melhor qualidade, mas extração mais lenta):",
+    "特征提取": "Extrair Tom",
+    "step3: 填写训练设置, 开始训练模型和索引": "Etapa 3: Preencha as configurações de treinamento e comece a treinar o modelo e o Index",
+    "保存频率save_every_epoch": "Faça backup a cada # de Epoch:",
+    "总训练轮数total_epoch": "Número total de ciclos(epoch) de treino (se escolher um valor alto demais, o seu modelo parecerá terrivelmente sobretreinado):",
+    "每张显卡的batch_size": "Batch Size (DEIXE COMO ESTÁ a menos que saiba o que está fazendo, no Colab pode deixar até 20!):",
+    "是否仅保存最新的ckpt文件以节省硬盘空间": "Só deve salvar apenas o arquivo ckpt mais recente para economizar espaço em disco:",
+    "否": "Não",
+    "是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Se deve armazenar em cache todos os conjuntos de treinamento na memória de vídeo. Pequenos dados com menos de 10 minutos podem ser armazenados em cache para acelerar o treinamento, e um cache de dados grande irá explodir a memória de vídeo e não aumentar muito a velocidade:",
+    "是否在每次保存时间点将最终小模型保存至weights文件夹": "Salve um pequeno modelo final na pasta 'weights' em cada ponto de salvamento:",
+    "加载预训练底模G路径": "Carregue o caminho G do modelo base pré-treinado:",
+    "加载预训练底模D路径": "Carregue o caminho D do modelo base pré-treinado:",
+    "训练模型": "Treinar Modelo",
+    "训练特征索引": "Treinar Index",
+    "一键训练": "Treinamento com um clique",
+    "ckpt处理": "processamento ckpt",
+    "模型融合, 可用于测试音色融合": "A fusão modelo, pode ser usada para testar a fusão do timbre",
+    "A模型路径": "Caminho para o Modelo A:",
+    "B模型路径": "Caminho para o Modelo B:",
+    "A模型权重": "Peso (w) para o modelo A:",
+    "模型是否带音高指导": "Se o modelo tem orientação de tom:",
+    "要置入的模型信息": "Informações do modelo a ser colocado:",
+    "保存的模型名不带后缀": "Nome do modelo salvo (sem extensão):",
+    "模型版本型号": "Versão:",
+    "融合": "Fusão",
+    "修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modificar informações do modelo (suportado apenas para arquivos de modelo pequenos extraídos da pasta 'weights')",
+    "模型路径": "Caminho para o Modelo:",
+    "要改的模型信息": "Informações do modelo a ser modificado:",
+    "保存的文件名, 默认空为和源文件同名": "Salvar nome do arquivo (padrão: igual ao arquivo de origem):",
+    "修改": "Editar",
+    "查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Exibir informações do modelo (suportado apenas para arquivos de modelo pequenos extraídos da pasta 'weights')",
+    "查看": "Visualizar",
+    "模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extração do modelo (insira o caminho do modelo de arquivo grande na pasta 'logs'). Isso é útil se você quiser interromper o treinamento no meio do caminho e extrair e salvar manualmente um arquivo de modelo pequeno, ou se quiser testar um modelo intermediário:",
+    "保存名": "Salvar nome",
+    "模型是否带音高指导,1是0否": "Se o modelo tem orientação de passo (1: sim, 0: não):",
+    "提取": "Extrato",
+    "Onnx导出": "Exportar Onnx",
+    "RVC模型路径": "Caminho do Modelo RVC:",
+    "Onnx输出路径": "Caminho de exportação ONNX:",
+    "MoeVS模型": "Modelo MoeVS",
+    "导出Onnx模型": "Exportar Modelo Onnx",
+    "常见问题解答": "FAQ (Perguntas frequentes)",
+    "招募音高曲线前端编辑器": "Recrutamento de editores front-end para curvas de tom",
+    "加开发群联系我xxxxx": "Junte-se ao grupo de desenvolvimento e entre em contato comigo em xxxxx",
+    "点击查看交流、问题反馈群号": "Clique para ver o número do grupo de comunicação e feedback do problema",
+    "xxxxx": "xxxxx",
+    "加载模型": "Modelo",
+    "Hubert模型": "Modelo Hubert",
+    "选择.pth文件": "Selecione o Arquivo",
+    "选择.index文件": "Selecione o Index",
+    "选择.npy文件": "Selecione o Arquivo",
+    "输入设备": "Dispositivo de entrada",
+    "输出设备": "Dispositivo de saída",
+    "音频设备(请使用同种类驱动)": "Dispositivo de áudio (use o mesmo tipo de driver)",
+    "响应阈值": "Limiar de resposta",
+    "音调设置": "Configurações de tom",
+    "Index Rate": "Taxa do Index",
+    "常规设置": "Configurações gerais",
+    "采样长度": "Comprimento da Amostra",
+    "淡入淡出长度": "Comprimento de desvanecimento",
+    "额外推理时长": "Tempo extra de inferência",
+    "输入降噪": "Redução de ruído de entrada",
+    "输出降噪": "Redução de ruído de saída",
+    "性能设置": "Configurações de desempenho.",
+    "开始音频转换": "Iniciar conversão de áudio",
+    "停止音频转换": "Conversão de áudio",
+    "推理时间(ms):": "Tempo de inferência (ms):",
+    "人声伴奏分离批量处理， 使用UVR5模型。 <br>合格的文件夹路径格式举例： E:\\codes\\py39\\vits_vc_gpu\\白鹭霜华测试样例(去文件管理器地址栏拷就行了)。 <br>模型分为三类： <br>1、保留人声：不带和声的音频选这个，对主人声保留比HP5更好。内置HP2和HP3两个模型，HP3可能轻微漏伴奏但对主人声保留比HP2稍微好一丁点； <br>2、仅保留主人声：带和声的音频选这个，对主人声可能有削弱。内置HP5一个模型； <br> 3、去混响、去延迟模型（by FoxJoy）：<br>  (1)MDX-Net(onnx_dereverb):对于双通道混响是最好的选择，不能去除单通道混响；<br>&emsp;(234)DeEcho:去除延迟效果。Aggressive比Normal去除得更彻底，DeReverb额外去除混响，可去除单声道混响，但是对高频重的板式混响去不干净。<br>去混响/去延迟，附：<br>1、DeEcho-DeReverb模型的耗时是另外2个DeEcho模型的接近2倍；<br>2、MDX-Net-Dereverb模型挺慢的；<br>3、个人推荐的最干净的配置是先MDX-Net再DeEcho-Aggressive。":"Processamento em lote para separação de acompanhamento vocal usando o modelo UVR5.<br>Exemplo de um formato de caminho de pasta válido: D:\\caminho\\para a pasta\\entrada\\ (copie-o da barra de endereços do gerenciador de arquivos).<br>O modelo é dividido em três categorias:<br>1. Preservar vocais: Escolha esta opção para áudio sem harmonias. Ele preserva os vocais melhor do que o HP5. Inclui dois modelos integrados: HP2 e HP3. O HP3 pode vazar ligeiramente o acompanhamento, mas preserva os vocais um pouco melhor do que o HP2.<br>2 Preservar apenas os vocais principais: Escolha esta opção para áudio com harmonias. Isso pode enfraquecer os vocais principais. Ele inclui um modelo embutido: HP5.<br>3. Modelos de de-reverb e de-delay (por FoxJoy):<br>  (1) MDX-Net: A melhor escolha para remoção de reverb estéreo, mas não pode remover reverb mono;<br>&emsp;(234) DeEcho: Remove efeitos de atraso. O modo agressivo remove mais completamente do que o modo normal. O DeReverb também remove reverb e pode remover reverb mono, mas não de forma muito eficaz para conteúdo de alta frequência fortemente reverberado.<br>Notas de de-reverb/de-delay:<br>1. O tempo de processamento para o modelo DeEcho-DeReverb é aproximadamente duas vezes maior que os outros dois modelos DeEcho.<br>2 O modelo MDX-Net-Dereverb é bastante lento.<br>3. A configuração mais limpa recomendada é aplicar MDX-Net primeiro e depois DeEcho-Aggressive.",
+    "本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "<center>The Mangio-RVC 💻 | Tradução por Krisp e Rafael Godoy Ebert | AI HUB BRASIL<br> Este software é de código aberto sob a licença MIT. O autor não tem qualquer controle sobre o software. Aqueles que usam o software e divulgam os sons exportados pelo software são totalmente responsáveis. <br>Se você não concorda com este termo, você não pode usar ou citar nenhum código e arquivo no pacote de software. Para obter detalhes, consulte o diretório raiz <b>O acordo a ser seguido para uso <a href='https://raw.githubusercontent.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/main/LICENSE' target='_blank'>LICENSE</a></b></center>",
+    "mi-test": "Minha-Voz",
+    "You need to upload an audio": "Você precisa enviar um áudio",
+    "Using index:%s.": "Usando index:%s.",
+    "Index not used.": "Index não utilizado.",
+    "Success.\n %s\nTime:\n npy:%ss, f0:%ss, infer:%ss": "Sucesso.<br> %s<br>Tempo:<br> npy:%ss, f0:%ss, inferir:%ss",
+    "not exist, will not use pretrained model": "Não existe, não usará o modelo pré-treinado",
+    "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Após o término do treinamento, você pode verificar o log de treinamento do console ou train.log na pasta de experimentos",
+    "请先进行特征提取!": "Execute a extração de recursos primeiro!",
+    "Trying doing kmeans %s shape to 10k centers.": "Tentando fazer a forma kmeans %s para 10k centros.",
+    "成功构建索引，added_IVF%s_Flat_nprobe_%s_%s_%s.index": "Index criado com sucesso, adicionado_IVF%s_Flat_nprobe_%s_%s_%s.index",
+    "step2a:正在提取音高": "step2a: extraindo tom",
+    "training index": "treinando index",
+    "adding index": "adicionando index",
+    "成功构建索引, added_IVF%s_Flat_nprobe_%s_%s_%s.index": "Index criado com sucesso, added_IVF%s_Flat_nprobe_%s_%s_%s.index",
+    "E:\\codes\\py39\\test-20230416b\\todo-songs": "E:\\todos-meus-audios",
+    "E:\\语音音频+标注\\米津玄师\\src": "E:\\meu-dataset",
+    "人声提取激进程度": "Agressividade da extração vocal",
+    "[EXPERIMENTAL] Formant shift inference audio": "[EXPERIMENTAL] Áudio para inferência de mudança de formantes",
+    "Used for male to female and vice-versa conversions": "Usado para conversões de homem para mulher e vice-versa",
+    "browse presets for formanting": "procurar predefinições para formatação",
+    "Quefrency for formant shifting": "Quefrency para mudança de formante",
+    "Timbre for formant shifting": "Timbre para mudança de formante",
+    "自动检测index路径,下拉式选择(dropdown)": "Detecte automaticamente o caminho do Index e selecione no menu suspenso:",
+    "Stop Training": "Parar de Treinar",
+    "Whether the model has pitch guidance.": "Se o modelo tem orientação de inclinação.",
+    "Whether to save only the latest .ckpt file to save hard drive space": "Se deve salvar apenas o arquivo .ckpt mais recente para economizar espaço no disco rígido",
+    "Cache all training sets to GPU memory. Caching small datasets (less than 10 minutes) can speed up training, but caching large datasets will consume a lot of GPU memory and may not provide much speed improvement": "Armazene em cache todos os conjuntos de treinamento na memória da GPU. O armazenamento em cache de pequenos conjuntos de dados (menos de 10 minutos) pode acelerar o treinamento, mas o armazenamento em cache de grandes conjuntos de dados consome muita memória da GPU e pode não fornecer muita melhoria de velocidade",
+    "Save a small final model to the 'weights' folder at each save point": "Salve um pequeno modelo final na pasta 'pesos' em cada ponto de salvamento",
+    "Path to your model A.": "Caminho para o seu modelo A.",
+    "Path to your model B.": "Caminho para o seu modelo B.",
+    "Path to your Model.": "Caminho para o seu modelo.",
+    "Model information to be changed.": "Informações do modelo a serem alteradas.",
+    "Name for saving.": "Nome para salvar.",
+    "Either leave empty or put in the Name of the Model to be saved.": "Deixe em branco ou coloque o Nome do Modelo a ser salvo.",
+    "Model path here.": "Caminho do modelo aqui.",
+    "Your filename here.": "Seu nome de arquivo aqui.",
+    "Model info here.": "Informações do modelo aqui.",
+    "RVC model path.": "Caminho do modelo RVC.",
+    "Onnx model output path.": "Caminho de saída do modelo Onnx.",
+    "Default value is 1.0": "O valor padrão é 1,0",
+    "Apply": "Aplicar",
+    "单次推理": "Único",
+    "rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configuração do número do cartão rmvpe: Use - para separar os números dos cartões de entrada de diferentes processos. Por exemplo, 0-0-1 é usado para executar 2 processos no cartão 0 e 1 processo no cartão 1.",
+    "选择音高提取算法,输入歌声可用pm提速,harvest低音好但巨慢无比,crepe效果好但吃GPU,rmvpe效果最好且微吃GPU": "Selecione o algoritmo de extração de tom \n'pm': extração mais rápida, mas discurso de qualidade inferior; \n'harvest': graves melhores, mas extremamente lentos; \n'harvest': melhor qualidade, mas extração mais lenta); 'crepe': melhor qualidade, mas intensivo em GPU; 'magio-crepe': melhor opção; 'RMVPE': um modelo robusto para estimativa de afinação vocal em música polifônica;",
+    "输入待处理音频文件路径(默认是正确格式示例)": "Caminho para o seu conjunto de dados (áudios, não zipado):",
+    "批量推理": "Conversão em Lote",
+    "重载设备列表": "Recarregar lista de dispositivos",
+    "harvest进程数": "Número de processos harvest",
+    "输入监听": "Monitoramento de entrada",
+    "输出变声": "Mudança de voz de saída",
+    "算法延迟(ms)": "Atraso do algoritmo(ms)",
+    "请选择pth文件": "Selecione o arquivo pth",
+    "请选择index文件": "Selecione o arquivo de Index",
+    "pth文件路径不可包含中文": "o caminho do arquivo pth não pode conter caracteres chineses",
+    "index文件路径不可包含中文": "O caminho do arquivo de Index não pode conter caracteres chineses",
+    "接受音频输入": "Aceitar entrada de áudio",
+    "音频处理": "Processamento de áudio",
+    "获取设备列表": "Obtenha lista de dispositivos",
+    "设置输出设备": "Configurar dispositivo de saída",
+    "音高算法": "Algoritmo de detecção de pitch",
+    "算法延迟(ms):": "Atrasos algorítmicos (ms):",
+    "响度因子": "Fator de volume"
+}

i18n/locale/ru_RU.json

@@ -90,6 +90,7 @@
     "版本": "Версия архитектуры модели:",
     "特征提取": "Извлечь черты",
     "特征检索库文件路径,为空则使用下拉的选择结果": "Путь к файлу индекса черт. Оставьте пустым, чтобы использовать выбранный вариант из списка ниже:",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Рекомендуется выбрать +12 для конвертирования мужского голоса в женский и -12 для конвертирования женского в мужской. Если диапазон голоса слишком велик, и голос искажается, можно выбрать значение на свой вкус.",
     "目标采样率": "Частота дискретизации аудио:",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "Обучить модель",
     "训练特征索引": "Обучить индекс черт",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Обучение модели завершено. Журнал обучения можно просмотреть в консоли или в файле 'train.log' в папке с моделью.",
+    "设备类型": "设备类型",
     "请指定说话人id": "Номер говорящего/поющего:",
     "请选择index文件": "Пожалуйста, выберите файл индекса",
     "请选择pth文件": "Пожалуйста, выберите файл pth",
@@ -129,7 +131,7 @@
     "采样长度": "Длина сэмпла",
     "重载设备列表": "Обновить список устройств",
     "音调设置": "Настройка высоты звука",
-    "音频设备(请使用同种类驱动)": "Аудиоустройство (пожалуйста, используйте такой же тип драйвера)",
+    "音频设备": "Аудиоустройство",
     "音高算法": "Алгоритм оценки высоты звука",
     "额外推理时长": "Доп. время переработки"
 }

i18n/locale/tr_TR.json

@@ -90,6 +90,7 @@
     "版本": "Sürüm",
     "特征提取": "Özellik çıkartma",
     "特征检索库文件路径,为空则使用下拉的选择结果": "Özellik indeksi dosyasının yolunu belirtin. Seçilen sonucu kullanmak için boş bırakın veya açılır menüden seçim yapın.",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Erkekten kadına çevirmek için +12 tuş önerilir, kadından erkeğe çevirmek için ise -12 tuş önerilir. Eğer ses aralığı çok fazla genişler ve ses bozulursa, isteğe bağlı olarak uygun aralığa kendiniz de ayarlayabilirsiniz.",
     "目标采样率": "Hedef örnekleme oranı:",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "Modeli Eğit",
     "训练特征索引": "Özellik Dizinini Eğit",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Eğitim tamamlandı. Eğitim günlüklerini konsolda veya deney klasörü altındaki train.log dosyasında kontrol edebilirsiniz.",
+    "设备类型": "设备类型",
     "请指定说话人id": "Lütfen konuşmacı/sanatçı no belirtin:",
     "请选择index文件": "Lütfen .index dosyası seçin",
     "请选择pth文件": "Lütfen .pth dosyası seçin",
@@ -129,7 +131,7 @@
     "采样长度": "Örnekleme uzunluğu",
     "重载设备列表": "Cihaz listesini yeniden yükle",
     "音调设置": "Pitch ayarları",
-    "音频设备(请使用同种类驱动)": "Ses cihazı (aynı tür sürücüyü kullanın)",
+    "音频设备": "Ses cihazı",
     "音高算法": "音高算法",
     "额外推理时长": "Ekstra çıkartma süresi"
 }

i18n/locale/zh_CN.json

@@ -90,6 +90,7 @@
     "版本": "版本",
     "特征提取": "特征提取",
     "特征检索库文件路径,为空则使用下拉的选择结果": "特征检索库文件路径,为空则使用下拉的选择结果",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ",
     "目标采样率": "目标采样率",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "训练模型",
     "训练特征索引": "训练特征索引",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
+    "设备类型": "设备类型",
     "请指定说话人id": "请指定说话人id",
     "请选择index文件": "请选择index文件",
     "请选择pth文件": "请选择pth文件",
@@ -129,7 +131,7 @@
     "采样长度": "采样长度",
     "重载设备列表": "重载设备列表",
     "音调设置": "音调设置",
-    "音频设备(请使用同种类驱动)": "音频设备(请使用同种类驱动)",
+    "音频设备": "音频设备",
     "音高算法": "音高算法",
     "额外推理时长": "额外推理时长"
 }

i18n/locale/zh_HK.json

@@ -90,6 +90,7 @@
     "版本": "版本",
     "特征提取": "特徵提取",
     "特征检索库文件路径,为空则使用下拉的选择结果": "特徵檢索庫檔路徑,為空則使用下拉的選擇結果",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
     "目标采样率": "目標取樣率",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "訓練模型",
     "训练特征索引": "訓練特徵索引",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
+    "设备类型": "设备类型",
     "请指定说话人id": "請指定說話人id",
     "请选择index文件": "请选择index文件",
     "请选择pth文件": "请选择pth文件",
@@ -129,7 +131,7 @@
     "采样长度": "取樣長度",
     "重载设备列表": "重載設備列表",
     "音调设置": "音調設定",
-    "音频设备(请使用同种类驱动)": "音訊設備 (請使用同種類驅動)",
+    "音频设备": "音訊設備",
     "音高算法": "音高演算法",
     "额外推理时长": "額外推理時長"
 }

i18n/locale/zh_SG.json

@@ -90,6 +90,7 @@
     "版本": "版本",
     "特征提取": "特徵提取",
     "特征检索库文件路径,为空则使用下拉的选择结果": "特徵檢索庫檔路徑,為空則使用下拉的選擇結果",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
     "目标采样率": "目標取樣率",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "訓練模型",
     "训练特征索引": "訓練特徵索引",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
+    "设备类型": "设备类型",
     "请指定说话人id": "請指定說話人id",
     "请选择index文件": "请选择index文件",
     "请选择pth文件": "请选择pth文件",
@@ -129,7 +131,7 @@
     "采样长度": "取樣長度",
     "重载设备列表": "重載設備列表",
     "音调设置": "音調設定",
-    "音频设备(请使用同种类驱动)": "音訊設備 (請使用同種類驅動)",
+    "音频设备": "音訊設備",
     "音高算法": "音高演算法",
     "额外推理时长": "額外推理時長"
 }

i18n/locale/zh_TW.json

@@ -90,6 +90,7 @@
     "版本": "版本",
     "特征提取": "特徵提取",
     "特征检索库文件路径,为空则使用下拉的选择结果": "特徵檢索庫檔路徑,為空則使用下拉的選擇結果",
+    "独占 WASAPI 设备": "独占 WASAPI 设备",
     "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
     "目标采样率": "目標取樣率",
     "算法延迟(ms):": "算法延迟(ms):",
@@ -101,6 +102,7 @@
     "训练模型": "訓練模型",
     "训练特征索引": "訓練特徵索引",
     "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
+    "设备类型": "设备类型",
     "请指定说话人id": "請指定說話人id",
     "请选择index文件": "请选择index文件",
     "请选择pth文件": "请选择pth文件",
@@ -129,7 +131,7 @@
     "采样长度": "取樣長度",
     "重载设备列表": "重載設備列表",
     "音调设置": "音調設定",
-    "音频设备(请使用同种类驱动)": "音訊設備 (請使用同種類驅動)",
+    "音频设备": "音訊設備",
     "音高算法": "音高演算法",
     "额外推理时长": "額外推理時長"
 }

infer/modules/train/train.py

@@ -104,10 +104,11 @@ def main():
     os.environ["MASTER_ADDR"] = "localhost"
     os.environ["MASTER_PORT"] = str(randint(20000, 55555))
     children = []
+    logger = utils.get_logger(hps.model_dir)
     for i in range(n_gpus):
         subproc = mp.Process(
             target=run,
-            args=(i, n_gpus, hps),
+            args=(i, n_gpus, hps, logger),
         )
         children.append(subproc)
         subproc.start()
@@ -116,14 +117,10 @@ def main():
         children[i].join()
 
 
-def run(
+def run(rank, n_gpus, hps, logger: logging.Logger):
-    rank,
-    n_gpus,
-    hps,
-):
     global global_step
     if rank == 0:
-        logger = utils.get_logger(hps.model_dir)
+        # logger = utils.get_logger(hps.model_dir)
         logger.info(hps)
         # utils.check_git_hash(hps.model_dir)
         writer = SummaryWriter(log_dir=hps.model_dir)

tools/dlmodels.sh

@@ -1,566 +1,81 @@
-#!/bin/bash
+#!/bin/sh
 
-echo working dir is $(pwd)
+printf "working dir is %s\n" "$PWD"
-echo downloading requirement aria2 check.
+echo "downloading requirement aria2 check."
 
-if command -v aria2c &> /dev/null
+if command -v aria2c > /dev/null 2>&1
 then
-    echo "aria2c command found"
+    echo "aria2 command found"
 else
-    echo failed. please install aria2
+    echo "failed. please install aria2"
-    sleep 5
     exit 1
 fi
 
-d32="f0D32k.pth"
+echo "dir check start."
-d40="f0D40k.pth"
-d48="f0D48k.pth"
-g32="f0G32k.pth"
-g40="f0G40k.pth"
-g48="f0G48k.pth"
 
-d40v2="f0D40k.pth"
+check_dir() {
-g40v2="f0G40k.pth"
+    [ -d "$1" ] && printf "dir %s checked\n" "$1" || \
+    printf "failed. generating dir %s\n" "$1" && mkdir -p "$1"
+}
 
-dld32="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0D32k.pth"
+check_dir "./assets/pretrained"
-dld40="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0D40k.pth"
+check_dir "./assets/pretrained_v2"
-dld48="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0D48k.pth"
+check_dir "./assets/uvr5_weights"
-dlg32="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0G32k.pth"
+check_dir "./assets/uvr5_weights/onnx_dereverb_By_FoxJoy"
-dlg40="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0G40k.pth"
-dlg48="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0G48k.pth"
 
-dld40v2="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained_v2/f0D40k.pth"
+echo "dir check finished."
-dlg40v2="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained_v2/f0G40k.pth"
 
-hp2_all="HP2_all_vocals.pth"
+echo "required files check start."
-hp3_all="HP3_all_vocals.pth"
+check_file_pretrained() {
-hp5_only="HP5_only_main_vocal.pth"
+  printf "checking %s\n" "$2"
-VR_DeEchoAggressive="VR-DeEchoAggressive.pth"
+  if [ -f "./assets/""$1""/""$2""" ]; then
-VR_DeEchoDeReverb="VR-DeEchoDeReverb.pth"
+      printf "%s in ./assets/%s checked.\n" "$2" "$1" 
-VR_DeEchoNormal="VR-DeEchoNormal.pth"
+  else
-onnx_dereverb="vocals.onnx"
+      echo failed. starting download from huggingface.
-rmvpe="rmvpe.pt"
+      if command -v aria2c > /dev/null 2>&1; then
+          aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/"$1"/"$2" -d ./assets/"$1" -o "$2"
+          [ -f "./assets/""$1""/""$2""" ] && echo "download successful." || echo "please try again!" && exit 1
+      else
+          echo "aria2c command not found. Please install aria2c and try again."
+          exit 1
+      fi
+  fi
+}
 
-dlhp2_all="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP2_all_vocals.pth"
+check_file_special() {
-dlhp3_all="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP3_all_vocals.pth"
+  printf "checking %s\n" "$2"
-dlhp5_only="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP5_only_main_vocal.pth"
+  if [ -f "./assets/""$1""/""$2""" ]; then
-dlVR_DeEchoAggressive="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/VR-DeEchoAggressive.pth"
+      printf "%s in ./assets/%s checked.\n" "$2" "$1" 
-dlVR_DeEchoDeReverb="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/VR-DeEchoDeReverb.pth"
+  else
-dlVR_DeEchoNormal="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/VR-DeEchoNormal.pth"
+      echo failed. starting download from huggingface.
-dlonnx_dereverb="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/onnx_dereverb_By_FoxJoy/vocals.onnx"
+      if command -v aria2c > /dev/null 2>&1; then
-dlrmvpe="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/rmvpe.pt"
+          aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/"$2" -d ./assets/"$1" -o "$2"
+          [ -f "./assets/""$1""/""$2""" ] && echo "download successful." || echo "please try again!" && exit 1
+      else
+          echo "aria2c command not found. Please install aria2c and try again."
+          exit 1
+      fi
+  fi
+}
 
-hb="hubert_base.pt"
+check_file_pretrained pretrained D32k.pth
+check_file_pretrained pretrained D40k.pth
+check_file_pretrained pretrained D48k.pth
+check_file_pretrained pretrained G32k.pth
+check_file_pretrained pretrained G40k.pth
+check_file_pretrained pretrained G48k.pth
+check_file_pretrained pretrained_v2 f0D40k.pth
+check_file_pretrained pretrained_v2 f0G40k.pth
+check_file_pretrained pretrained_v2 D40k.pth
+check_file_pretrained pretrained_v2 G40k.pth
+check_file_pretrained uvr5_weights HP2_all_vocals.pth
+check_file_pretrained uvr5_weights HP3_all_vocals.pth
+check_file_pretrained uvr5_weights HP5_only_main_vocal.pth
+check_file_pretrained uvr5_weights VR-DeEchoAggressive.pth
+check_file_pretrained uvr5_weights VR-DeEchoDeReverb.pth
+check_file_pretrained uvr5_weights VR-DeEchoNormal.pth
+check_file_pretrained uvr5_weights "onnx_dereverb_By_FoxJoy/vocals.onnx"
+check_file_special rmvpe rmvpe.pt
+check_file_special hubert hubert_base.pt
 
-dlhb="https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/hubert_base.pt"
+echo "required files check finished."
-
-echo dir check start.
-
-if [ -d "./assets/pretrained" ]; then
-    echo dir ./assets/pretrained checked.
-else
-    echo failed. generating dir ./assets/pretrained.
-    mkdir pretrained
-fi
-
-if [ -d "./assets/pretrained_v2" ]; then
-    echo dir ./assets/pretrained_v2 checked.
-else
-    echo failed. generating dir ./assets/pretrained_v2.
-    mkdir pretrained_v2
-fi
-
-if [ -d "./assets/uvr5_weights" ]; then
-    echo dir ./assets/uvr5_weights checked.
-else
-    echo failed. generating dir ./assets/uvr5_weights.
-    mkdir uvr5_weights
-fi
-
-if [ -d "./assets/uvr5_weights/onnx_dereverb_By_FoxJoy" ]; then
-    echo dir ./assets/uvr5_weights/onnx_dereverb_By_FoxJoy checked.
-else
-    echo failed. generating dir ./assets/uvr5_weights/onnx_dereverb_By_FoxJoy.
-    mkdir uvr5_weights/onnx_dereverb_By_FoxJoy
-fi
-
-echo dir check finished.
-
-echo required files check start.
-
-echo checking D32k.pth
-if [ -f "./assets/pretrained/D32k.pth" ]; then
-    echo D32k.pth in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/D32k.pth -d ./assets/pretrained -o D32k.pth
-        if [ -f "./assets/pretrained/D32k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking D40k.pth
-if [ -f "./assets/pretrained/D40k.pth" ]; then
-    echo D40k.pth in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/D40k.pth -d ./assets/pretrained -o D40k.pth
-        if [ -f "./assets/pretrained/D40k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking D40k.pth
-if [ -f "./assets/pretrained_v2/D40k.pth" ]; then
-    echo D40k.pth in ./assets/pretrained_v2 checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained_v2/D40k.pth -d ./assets/pretrained_v2 -o D40k.pth
-        if [ -f "./assets/pretrained_v2/D40k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking D48k.pth
-if [ -f "./assets/pretrained/D48k.pth" ]; then
-    echo D48k.pth in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/D48k.pth -d ./assets/pretrained -o D48k.pth
-        if [ -f "./assets/pretrained/D48k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking G32k.pth
-if [ -f "./assets/pretrained/G32k.pth" ]; then
-    echo G32k.pth in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/G32k.pth -d ./assets/pretrained -o G32k.pth
-        if [ -f "./assets/pretrained/G32k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking G40k.pth
-if [ -f "./assets/pretrained/G40k.pth" ]; then
-    echo G40k.pth in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/G40k.pth -d ./assets/pretrained -o G40k.pth
-        if [ -f "./assets/pretrained/G40k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking G40k.pth
-if [ -f "./assets/pretrained_v2/G40k.pth" ]; then
-    echo G40k.pth in ./assets/pretrained_v2 checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained_v2/G40k.pth -d ./assets/pretrained_v2 -o G40k.pth
-        if [ -f "./assets/pretrained_v2/G40k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking G48k.pth
-if [ -f "./assets/pretrained/G48k.pth" ]; then
-    echo G48k.pth in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/G48k.pth -d ./assets/pretrained -o G48k.pth
-        if [ -f "./assets/pretrained/G48k.pth" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $d32
-if [ -f "./assets/pretrained/$d32" ]; then
-    echo $d32 in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dld32 -d ./assets/pretrained -o $d32
-        if [ -f "./assets/pretrained/$d32" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $d40
-if [ -f "./assets/pretrained/$d40" ]; then
-    echo $d40 in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dld40 -d ./assets/pretrained -o $d40
-        if [ -f "./assets/pretrained/$d40" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $d40v2
-if [ -f "./assets/pretrained_v2/$d40v2" ]; then
-    echo $d40v2 in ./assets/pretrained_v2 checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dld40v2 -d ./assets/pretrained_v2 -o $d40v2
-        if [ -f "./assets/pretrained_v2/$d40v2" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $d48
-if [ -f "./assets/pretrained/$d48" ]; then
-    echo $d48 in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dld48 -d ./assets/pretrained -o $d48
-        if [ -f "./assets/pretrained/$d48" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $g32
-if [ -f "./assets/pretrained/$g32" ]; then
-    echo $g32 in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlg32 -d ./assets/pretrained -o $g32
-        if [ -f "./assets/pretrained/$g32" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $g40
-if [ -f "./assets/pretrained/$g40" ]; then
-    echo $g40 in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlg40 -d ./assets/pretrained -o $g40
-        if [ -f "./assets/pretrained/$g40" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $g40v2
-if [ -f "./assets/pretrained_v2/$g40v2" ]; then
-    echo $g40v2 in ./assets/pretrained_v2 checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlg40v2 -d ./assets/pretrained_v2 -o $g40v2
-        if [ -f "./assets/pretrained_v2/$g40v2" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $g48
-if [ -f "./assets/pretrained/$g48" ]; then
-    echo $g48 in ./assets/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlg48 -d ./assets/pretrained -o $g48
-        if [ -f "./assets/pretrained/$g48" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $hp2_all
-if [ -f "./assets/uvr5_weights/$hp2_all" ]; then
-    echo $hp2_all in ./assets/uvr5_weights checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlhp2_all -d ./assets/uvr5_weights -o $hp2_all
-        if [ -f "./assets/uvr5_weights/$hp2_all" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $hp3_all
-if [ -f "./assets/uvr5_weights/$hp3_all" ]; then
-    echo $hp3_all in ./assets/uvr5_weights checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlhp3_all -d ./assets/uvr5_weights -o $hp3_all
-        if [ -f "./assets/uvr5_weights/$hp3_all" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $hp5_only
-if [ -f "./assets/uvr5_weights/$hp5_only" ]; then
-    echo $hp5_only in ./assets/uvr5_weights checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlhp5_only -d ./assets/uvr5_weights -o $hp5_only
-        if [ -f "./assets/uvr5_weights/$hp5_only" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $VR_DeEchoAggressive
-if [ -f "./assets/uvr5_weights/$VR_DeEchoAggressive" ]; then
-    echo $VR_DeEchoAggressive in ./assets/uvr5_weights checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlVR_DeEchoAggressive -d ./assets/uvr5_weights -o $VR_DeEchoAggressive
-        if [ -f "./assets/uvr5_weights/$VR_DeEchoAggressive" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $VR_DeEchoDeReverb
-if [ -f "./assets/uvr5_weights/$VR_DeEchoDeReverb" ]; then
-    echo $VR_DeEchoDeReverb in ./assets/uvr5_weights checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlVR_DeEchoDeReverb -d ./assets/uvr5_weights -o $VR_DeEchoDeReverb
-        if [ -f "./assets/uvr5_weights/$VR_DeEchoDeReverb" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $VR_DeEchoNormal
-if [ -f "./assets/uvr5_weights/$VR_DeEchoNormal" ]; then
-    echo $VR_DeEchoNormal in ./assets/uvr5_weights checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlVR_DeEchoNormal -d ./assets/uvr5_weights -o $VR_DeEchoNormal
-        if [ -f "./assets/uvr5_weights/$VR_DeEchoNormal" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $onnx_dereverb
-if [ -f "./assets/uvr5_weights/onnx_dereverb_By_FoxJoy/$onnx_dereverb" ]; then
-    echo $onnx_dereverb in ./assets/uvr5_weights/onnx_dereverb_By_FoxJoy checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlonnx_dereverb -d ./assets/uvr5_weights/onnx_dereverb_By_FoxJoy -o $onnx_dereverb
-        if [ -f "./assets/uvr5_weights/onnx_dereverb_By_FoxJoy/$onnx_dereverb" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $rmvpe
-if [ -f "./assets/rmvpe/$rmvpe" ]; then
-    echo $rmvpe in ./assets/rmvpe checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlrmvpe -d ./assets/rmvpe -o $rmvpe
-        if [ -f "./assets/rmvpe/$rmvpe" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo checking $hb
-if [ -f "./assets/hubert/$hb" ]; then
-    echo $hb in ./assets/hubert/pretrained checked.
-else
-    echo failed. starting download from huggingface.
-    if command -v aria2c &> /dev/null; then
-        aria2c --console-log-level=error -c -x 16 -s 16 -k 1M $dlhb -d ./assets/hubert/ -o $hb
-        if [ -f "./assets/hubert/$hb" ]; then
-            echo download successful.
-        else
-            echo please try again!
-            exit 1
-        fi
-    else
-        echo aria2c command not found. Please install aria2c and try again.
-        exit 1
-    fi
-fi
-
-echo required files check finished.

tools/rvc_for_realtime.py

@@ -91,8 +91,12 @@ class RVC:
             self.pth_path: str = pth_path
             self.index_path = index_path
             self.index_rate = index_rate
-            self.cache_pitch: np.ndarray = np.zeros(1024, dtype="int32")
+            self.cache_pitch: torch.Tensor = torch.zeros(
-            self.cache_pitchf = np.zeros(1024, dtype="float32")
+                1024, device=self.device, dtype=torch.long
+            )
+            self.cache_pitchf = torch.zeros(
+                1024, device=self.device, dtype=torch.float32
+            )
 
             if last_rvc is None:
                 models, _, _ = fairseq.checkpoint_utils.load_model_ensemble_and_task(
@@ -199,15 +203,17 @@ class RVC:
         self.index_rate = new_index_rate
 
     def get_f0_post(self, f0):
-        f0bak = f0.copy()
+        if not torch.is_tensor(f0):
-        f0_mel = 1127 * np.log(1 + f0 / 700)
+            f0 = torch.from_numpy(f0)
+        f0 = f0.float().to(self.device).squeeze()
+        f0_mel = 1127 * torch.log(1 + f0 / 700)
         f0_mel[f0_mel > 0] = (f0_mel[f0_mel > 0] - self.f0_mel_min) * 254 / (
             self.f0_mel_max - self.f0_mel_min
         ) + 1
         f0_mel[f0_mel <= 1] = 1
         f0_mel[f0_mel > 255] = 255
-        f0_coarse = np.rint(f0_mel).astype(np.int32)
+        f0_coarse = torch.round(f0_mel).long()
-        return f0_coarse, f0bak
+        return f0_coarse, f0
 
     def get_f0(self, x, f0_up_key, n_cpu, method="harvest"):
         n_cpu = int(n_cpu)
@@ -299,7 +305,6 @@ class RVC:
         pd = torchcrepe.filter.median(pd, 3)
         f0 = torchcrepe.filter.mean(f0, 3)
         f0[pd < 0.1] = 0
-        f0 = f0[0].cpu().numpy()
         f0 *= pow(2, f0_up_key / 12)
         return self.get_f0_post(f0)
 
@@ -335,7 +340,6 @@ class RVC:
             threshold=0.006,
         )
         f0 *= pow(2, f0_up_key / 12)
-        f0 = f0.squeeze().cpu().numpy()
         return self.get_f0_post(f0)
 
     def infer(
@@ -383,6 +387,7 @@ class RVC:
             traceback.print_exc()
             printt("Index search FAILED")
         t3 = ttime()
+        p_len = input_wav.shape[0] // 160
         if self.if_f0 == 1:
             f0_extractor_frame = block_frame_16k + 800
             if f0method == "rmvpe":
@@ -390,25 +395,14 @@ class RVC:
             pitch, pitchf = self.get_f0(
                 input_wav[-f0_extractor_frame:], self.f0_up_key, self.n_cpu, f0method
             )
-            start_frame = block_frame_16k // 160
+            shift = block_frame_16k // 160
-            end_frame = len(self.cache_pitch) - (pitch.shape[0] - 4) + start_frame
+            self.cache_pitch[:-shift] = self.cache_pitch[shift:].clone()
-            self.cache_pitch[:] = np.append(
+            self.cache_pitchf[:-shift] = self.cache_pitchf[shift:].clone()
-                self.cache_pitch[start_frame:end_frame], pitch[3:-1]
+            self.cache_pitch[4 - pitch.shape[0] :] = pitch[3:-1]
-            )
+            self.cache_pitchf[4 - pitch.shape[0] :] = pitchf[3:-1]
-            self.cache_pitchf[:] = np.append(
+            cache_pitch = self.cache_pitch[None, -p_len:]
-                self.cache_pitchf[start_frame:end_frame], pitchf[3:-1]
+            cache_pitchf = self.cache_pitchf[None, -p_len:]
-            )
         t4 = ttime()
-        p_len = input_wav.shape[0] // 160
-        if self.if_f0 == 1:
-            cache_pitch = (
-                torch.LongTensor(self.cache_pitch[-p_len:]).to(self.device).unsqueeze(0)
-            )
-            cache_pitchf = (
-                torch.FloatTensor(self.cache_pitchf[-p_len:])
-                .to(self.device)
-                .unsqueeze(0)
-            )
         feats = F.interpolate(feats.permute(0, 2, 1), scale_factor=2).permute(0, 2, 1)
         feats = feats[:, :p_len, :]
         p_len = torch.LongTensor([p_len]).to(self.device)