2025-04-06 04:38:58 +08:00
224 changed files with 10385 additions and 17888 deletions
--- a/.env
+++ b/.env
@ -1,9 +0,0 @@
-OPENBLAS_NUM_THREADS = 1
-no_proxy = localhost, 127.0.0.1, ::1
-
-# You can change the location of the model, etc. by changing here
-weight_root = assets/weights
-weight_uvr5_root = assets/uvr5_weights
-index_root = logs
-outside_index_root = assets/indices
-rmvpe_root = assets/rmvpe
--- a/.github/PULL_REQUEST_TEMPLATE.md
+++ b/.github/PULL_REQUEST_TEMPLATE.md
@ -1,26 +0,0 @@
-# Pull request checklist
-
- [ ] The PR has a proper title. Use [Semantic Commit Messages](https://seesparkbox.com/foundry/semantic_commit_messages). (No more branch-name title please)
- [ ] Make sure this is ready to be merged into the relevant branch. Please don't create a PR and let it hang for a few days.
- [ ] Ensure you can run the codes you submitted succesfully. These submissions will be prioritized for review:
-
-    Introduce improvements in program execution speed;
-
-    Introduce improvements in synthesis quality;
-
-    Fix existing bugs reported by user feedback (or you met);
-
-    Introduce more convenient user operations.
-
-# PR type
-
- Bug fix / new feature / synthesis quality improvement / program execution speed improvement
-
-# Description
-
- Describe what this pull request is for.
- What will it affect.
-
-# Screenshot
-
- Please include a screenshot if applicable
--- a/.github/workflows/docker.yml
+++ b/.github/workflows/docker.yml
@ -1,4 +1,4 @@
-name: Build and Push Docker Image
+name: Build And Push Docker Image

 on:
  workflow_dispatch:
--- a/.github/workflows/genlocale.yml
+++ b/.github/workflows/genlocale.yml
@ -1,38 +1,32 @@
-name: Generate and Sync Locale
+name: genlocale
 on:
  push:
    branches:
      - main
-      - dev
 jobs:
  genlocale:
+    name: genlocale
    runs-on: ubuntu-latest
    steps:
-      - uses: actions/checkout@master
+      - name: Check out
+        uses: actions/checkout@master

      - name: Run locale generation
        run: |
-          python3 i18n/scan_i18n.py
-          cd i18n
-          python3 locale_diff.py
+          python3 extract_locale.py
+          cd lib/i18n && python3 locale_diff.py

      - name: Commit back
        if: ${{ !github.head_ref }}
-        id: commitback
        continue-on-error: true
        run: |
          git config --local user.name 'github-actions[bot]'
          git config --local user.email 'github-actions[bot]@users.noreply.github.com'
          git add --all
-          git commit -m "chore(i18n): sync locale on ${{github.ref_name}}"
+          git commit -m "🎨 同步 locale"

      - name: Create Pull Request
-        if: steps.commitback.outcome == 'success'
+        if: ${{ !github.head_ref }}
        continue-on-error: true
-        uses: peter-evans/create-pull-request@v5
-        with:
-          delete-branch: true
-          body: "Automatically sync i18n translation jsons"
-          title: "chore(i18n): sync locale on ${{github.ref_name}}"
-          commit-message: "chore(i18n): sync locale on ${{github.ref_name}}"
-          branch: genlocale-${{github.ref_name}}
+        uses: peter-evans/create-pull-request@v4
+  
--- a/.github/workflows/pull_format.yml
+++ b/.github/workflows/pull_format.yml
@ -1,34 +1,24 @@
-name: Check Pull Format
+name: pull format

-on:
-  pull_request_target:
-    types: [opened, reopened]
+on: [pull_request]
+
+permissions:
+  contents: write

 jobs:
-  # This workflow closes invalid PR
-  close_pr:
-    # The type of runner that the job will run on
-    runs-on: ubuntu-latest
-    permissions: write-all
-
-    # Steps represent a sequence of tasks that will be executed as part of the job
-    steps:
-      - name: Close PR if it is not pointed to dev branch
-        if: github.event.pull_request.base.ref != 'dev'
-        uses: superbrothers/close-pull-request@v3
-        with:
-          # Optional. Post a issue comment just before closing a pull request.
-          comment: "Invalid PR to `non-dev` branch `${{ github.event.pull_request.base.ref }}`."
-
  pull_format:
-    runs-on: ubuntu-latest
-    permissions:
-      contents: write
+    runs-on: ${{ matrix.os }}
+
+    strategy:
+      matrix:
+        python-version: ["3.10"]
+        os: [ubuntu-latest]
+      fail-fast: false

    continue-on-error: true

    steps:
-      - name: Checkout
+      - name: checkout
        continue-on-error: true
        uses: actions/checkout@v3
        with:
@ -46,3 +36,8 @@ jobs:
      - name: Run Black
        # run: black $(git ls-files '*.py')
        run: black .
+
+      - name: Commit Back
+        uses: stefanzweifel/git-auto-commit-action@v4
+        with:
+          commit_message: Apply Code Formatter Change
--- a/.github/workflows/push_format.yml
+++ b/.github/workflows/push_format.yml
@ -1,18 +1,23 @@
-name: Standardize Code Format
+name: push format

 on:
  push:
    branches:
      - main
-      - dev
+
+permissions:
+  contents: write
+  pull-requests: write

 jobs:
  push_format:
-    runs-on: ubuntu-latest
+    runs-on: ${{ matrix.os }}

-    permissions:
-      contents: write
-      pull-requests: write
+    strategy:
+      matrix:
+        python-version: ["3.10"]
+        os: [ubuntu-latest]
+      fail-fast: false

    steps:
      - uses: actions/checkout@v3
@ -38,7 +43,7 @@ jobs:
          git config --local user.email "github-actions[bot]@users.noreply.github.com"
          git config --local user.name "github-actions[bot]"
          git add --all
-          git commit -m "chore(format): run black on ${{github.ref_name}}"
+          git commit -m "Format code"

      - name: Create Pull Request
        if: steps.commitback.outcome == 'success'
@ -46,7 +51,6 @@ jobs:
        uses: peter-evans/create-pull-request@v5
        with:
          delete-branch: true
-          body: "Automatically apply code formatter change"
-          title: "chore(format): run black on ${{github.ref_name}}"
-          commit-message: "chore(format): run black on ${{github.ref_name}}"
-          branch: formatter-${{github.ref_name}}
+          body: Apply Code Formatter Change
+          title: Apply Code Formatter Change
+          commit-message: Automatic code format
--- a/.github/workflows/sync_dev.yml
+++ b/.github/workflows/sync_dev.yml
@ -1,23 +0,0 @@
-name: Merge dev into main
-
-on:
-  workflow_dispatch:
-
-jobs:
-  sync_dev:
-    runs-on: ubuntu-latest
-
-    permissions:
-      contents: write
-      pull-requests: write
-
-    steps:
-      - uses: actions/checkout@v3
-        with:
-          ref: main
-
-      - name: Create Pull Request
-        run: |
-          gh pr create --title "chore(sync): merge dev into main" --body "Merge dev to main" --base main --head dev
-        env:
-          GH_TOKEN: ${{ github.token }}
--- a/.github/workflows/unitest.yml
+++ b/.github/workflows/unitest.yml
@ -1,4 +1,4 @@
-name: Unit Test
+name: unitest
 on: [ push, pull_request ]
 jobs:
  build:
@ -7,7 +7,7 @@ jobs:
      matrix:
        python-version: ["3.8", "3.9", "3.10"]
        os: [ubuntu-latest]
-      fail-fast: true
+      fail-fast: false

    steps:
    - uses: actions/checkout@master
@ -30,7 +30,7 @@ jobs:
      run: |
        mkdir -p logs/mi-test
        touch logs/mi-test/preprocess.log
-        python infer/modules/train/preprocess.py logs/mute/0_gt_wavs 48000 8 logs/mi-test True 3.7
+        python trainset_preprocess_pipeline_print.py logs/mute/0_gt_wavs 48000 8 logs/mi-test True
        touch logs/mi-test/extract_f0_feature.log
-        python infer/modules/train/extract/extract_f0_print.py logs/mi-test $(nproc) pm
-        python infer/modules/train/extract_feature_print.py cpu 1 0 0 logs/mi-test v1 True
+        python extract_f0_print.py logs/mi-test $(nproc) pm
+        python extract_feature_print.py cpu 1 0 0 logs/mi-test v1
--- a/.gitignore
+++ b/.gitignore
@ -2,27 +2,6 @@
 __pycache__
 /TEMP
 *.pyd
-.venv
-/opt
-tools/aria2c/
-tools/flag.txt
-
-# Imported from huggingface.co/lj1995/VoiceConversionWebUI
-/pretrained
-/pretrained_v2
-/uvr5_weights
 hubert_base.pt
-rmvpe.onnx
-rmvpe.pt
-
-# Generated by RVC
 /logs
-/weights
-
-# To set a Python version for the project
-.tool-versions
-
-/runtime
-/assets/weights/*
-ffmpeg.*
-ffprobe.*
+.venv
--- a/CONTRIBUTING.md
+++ b/CONTRIBUTING.md
@ -1,11 +0,0 @@
-# 贡献规则
-1. 一般来说，作者`@RVC-Boss`将拒绝所有的算法更改，除非它是为了修复某个代码层面的错误或警告
-2. 您可以贡献本仓库的其他位置，如翻译和WebUI，但请尽量作最小更改
-3. 所有更改都需要由`@RVC-Boss`批准，因此您的PR可能会被搁置
-4. 由此带来的不便请您谅解
-
-# Contributing Rules
-1. Generally, the author `@RVC-Boss` will reject all algorithm changes unless what is to fix a code-level error or warning.
-2. You can contribute to other parts of this repo like translations and WebUI, but please minimize your changes as much as possible.
-3. All changes need to be approved by `@RVC-Boss`, so your PR may be put on hold.
-4. Please accept our apologies for any inconvenience caused.
--- a/41
+++ b/41
@ -1,6 +1,6 @@
 # syntax=docker/dockerfile:1

-FROM nvidia/cuda:11.6.2-cudnn8-runtime-ubuntu20.04
+FROM python:3.10-bullseye

 EXPOSE 7865

@ -8,41 +8,6 @@ WORKDIR /app

 COPY . .

-# Install dependenceis to add PPAs
-RUN apt-get update && \
-    apt-get install -y -qq ffmpeg aria2 && apt clean && \
-    apt-get install -y software-properties-common && \
-    apt-get clean && \
-    rm -rf /var/lib/apt/lists/*
+RUN pip3 install -r requirements.txt

-# Add the deadsnakes PPA to get Python 3.9
-RUN add-apt-repository ppa:deadsnakes/ppa
-
-# Install Python 3.9 and pip
-RUN apt-get update && \
-    apt-get install -y build-essential python-dev python3-dev python3.9-distutils python3.9-dev python3.9 curl && \
-    apt-get clean && \
-    update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.9 1 && \
-    curl https://bootstrap.pypa.io/get-pip.py | python3.9
-
-# Set Python 3.9 as the default
-RUN update-alternatives --install /usr/bin/python python /usr/bin/python3.9 1
-
-RUN python3 -m pip install --upgrade pip==24.0
-RUN python3 -m pip install --no-cache-dir -r requirements.txt
-
-RUN 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
-RUN 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
-RUN aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained_v2/f0D40k.pth -d assets/pretrained_v2/ -o f0D40k.pth
-RUN aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained_v2/f0G40k.pth -d assets/pretrained_v2/ -o f0G40k.pth
-
-RUN aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP2-人声vocals+非人声instrumentals.pth -d assets/uvr5_weights/ -o HP2-人声vocals+非人声instrumentals.pth
-RUN aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP5-主旋律人声vocals+其他instrumentals.pth -d assets/uvr5_weights/ -o HP5-主旋律人声vocals+其他instrumentals.pth
-
-RUN aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/hubert_base.pt -d assets/hubert -o hubert_base.pt
-
-RUN aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/rmvpe.pt -d assets/rmvpe -o rmvpe.pt
-
-VOLUME [ "/app/weights", "/app/opt" ]
-
-CMD ["python3", "infer-web.py"]
+CMD ["python3", "infer-web.py"]
--- a/43
+++ b/43
@ -1,23 +1,22 @@
-MIT License
-
-Copyright (c) 2023 liujing04
-Copyright (c) 2023 源文雨
-Copyright (c) 2023 Ftps
-
-Permission is hereby granted, free of charge, to any person obtaining a copy
-of this software and associated documentation files (the "Software"), to deal
-in the Software without restriction, including without limitation the rights
-to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
-copies of the Software, and to permit persons to whom the Software is
-furnished to do so, subject to the following conditions:
-
-The above copyright notice and this permission notice shall be included in all
-copies or substantial portions of the Software.
-
-THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
-IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
-FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
-AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
-LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
-OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+MIT License
+
+Copyright (c) 2023 liujing04
+Copyright (c) 2023 源文雨
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
 SOFTWARE.
--- a/infer/modules/uvr5/mdxnet.py
+++ b/infer/modules/uvr5/mdxnet.py
@ -1,256 +1,285 @@
-import os
-import logging
-
-logger = logging.getLogger(__name__)
-
-import librosa
-import numpy as np
-import soundfile as sf
-import torch
-from tqdm import tqdm
-
-cpu = torch.device("cpu")
-
-
-class ConvTDFNetTrim:
-    def __init__(
-        self, device, model_name, target_name, L, dim_f, dim_t, n_fft, hop=1024
-    ):
-        super(ConvTDFNetTrim, self).__init__()
-
-        self.dim_f = dim_f
-        self.dim_t = 2**dim_t
-        self.n_fft = n_fft
-        self.hop = hop
-        self.n_bins = self.n_fft // 2 + 1
-        self.chunk_size = hop * (self.dim_t - 1)
-        self.window = torch.hann_window(window_length=self.n_fft, periodic=True).to(
-            device
-        )
-        self.target_name = target_name
-        self.blender = "blender" in model_name
-
-        self.dim_c = 4
-        out_c = self.dim_c * 4 if target_name == "*" else self.dim_c
-        self.freq_pad = torch.zeros(
-            [1, out_c, self.n_bins - self.dim_f, self.dim_t]
-        ).to(device)
-
-        self.n = L // 2
-
-    def stft(self, x):
-        x = x.reshape([-1, self.chunk_size])
-        x = torch.stft(
-            x,
-            n_fft=self.n_fft,
-            hop_length=self.hop,
-            window=self.window,
-            center=True,
-            return_complex=True,
-        )
-        x = torch.view_as_real(x)
-        x = x.permute([0, 3, 1, 2])
-        x = x.reshape([-1, 2, 2, self.n_bins, self.dim_t]).reshape(
-            [-1, self.dim_c, self.n_bins, self.dim_t]
-        )
-        return x[:, :, : self.dim_f]
-
-    def istft(self, x, freq_pad=None):
-        freq_pad = (
-            self.freq_pad.repeat([x.shape[0], 1, 1, 1])
-            if freq_pad is None
-            else freq_pad
-        )
-        x = torch.cat([x, freq_pad], -2)
-        c = 4 * 2 if self.target_name == "*" else 2
-        x = x.reshape([-1, c, 2, self.n_bins, self.dim_t]).reshape(
-            [-1, 2, self.n_bins, self.dim_t]
-        )
-        x = x.permute([0, 2, 3, 1])
-        x = x.contiguous()
-        x = torch.view_as_complex(x)
-        x = torch.istft(
-            x, n_fft=self.n_fft, hop_length=self.hop, window=self.window, center=True
-        )
-        return x.reshape([-1, c, self.chunk_size])
-
-
-def get_models(device, dim_f, dim_t, n_fft):
-    return ConvTDFNetTrim(
-        device=device,
-        model_name="Conv-TDF",
-        target_name="vocals",
-        L=11,
-        dim_f=dim_f,
-        dim_t=dim_t,
-        n_fft=n_fft,
-    )
-
-
-class Predictor:
-    def __init__(self, args):
-        import onnxruntime as ort
-
-        logger.info(ort.get_available_providers())
-        self.args = args
-        self.model_ = get_models(
-            device=cpu, dim_f=args.dim_f, dim_t=args.dim_t, n_fft=args.n_fft
-        )
-        self.model = ort.InferenceSession(
-            os.path.join(args.onnx, self.model_.target_name + ".onnx"),
-            providers=[
-                "CUDAExecutionProvider",
-                "DmlExecutionProvider",
-                "CPUExecutionProvider",
-            ],
-        )
-        logger.info("ONNX load done")
-
-    def demix(self, mix):
-        samples = mix.shape[-1]
-        margin = self.args.margin
-        chunk_size = self.args.chunks * 44100
-        assert not margin == 0, "margin cannot be zero!"
-        if margin > chunk_size:
-            margin = chunk_size
-
-        segmented_mix = {}
-
-        if self.args.chunks == 0 or samples < chunk_size:
-            chunk_size = samples
-
-        counter = -1
-        for skip in range(0, samples, chunk_size):
-            counter += 1
-
-            s_margin = 0 if counter == 0 else margin
-            end = min(skip + chunk_size + margin, samples)
-
-            start = skip - s_margin
-
-            segmented_mix[skip] = mix[:, start:end].copy()
-            if end == samples:
-                break
-
-        sources = self.demix_base(segmented_mix, margin_size=margin)
-        """
-        mix:(2,big_sample)
-        segmented_mix:offset->(2,small_sample)
-        sources:(1,2,big_sample)
-        """
-        return sources
-
-    def demix_base(self, mixes, margin_size):
-        chunked_sources = []
-        progress_bar = tqdm(total=len(mixes))
-        progress_bar.set_description("Processing")
-        for mix in mixes:
-            cmix = mixes[mix]
-            sources = []
-            n_sample = cmix.shape[1]
-            model = self.model_
-            trim = model.n_fft // 2
-            gen_size = model.chunk_size - 2 * trim
-            pad = gen_size - n_sample % gen_size
-            mix_p = np.concatenate(
-                (np.zeros((2, trim)), cmix, np.zeros((2, pad)), np.zeros((2, trim))), 1
-            )
-            mix_waves = []
-            i = 0
-            while i < n_sample + pad:
-                waves = np.array(mix_p[:, i : i + model.chunk_size])
-                mix_waves.append(waves)
-                i += gen_size
-            mix_waves = torch.tensor(mix_waves, dtype=torch.float32).to(cpu)
-            with torch.no_grad():
-                _ort = self.model
-                spek = model.stft(mix_waves)
-                if self.args.denoise:
-                    spec_pred = (
-                        -_ort.run(None, {"input": -spek.cpu().numpy()})[0] * 0.5
-                        + _ort.run(None, {"input": spek.cpu().numpy()})[0] * 0.5
-                    )
-                    tar_waves = model.istft(torch.tensor(spec_pred))
-                else:
-                    tar_waves = model.istft(
-                        torch.tensor(_ort.run(None, {"input": spek.cpu().numpy()})[0])
-                    )
-                tar_signal = (
-                    tar_waves[:, :, trim:-trim]
-                    .transpose(0, 1)
-                    .reshape(2, -1)
-                    .numpy()[:, :-pad]
-                )
-
-                start = 0 if mix == 0 else margin_size
-                end = None if mix == list(mixes.keys())[::-1][0] else -margin_size
-                if margin_size == 0:
-                    end = None
-                sources.append(tar_signal[:, start:end])
-
-                progress_bar.update(1)
-
-            chunked_sources.append(sources)
-        _sources = np.concatenate(chunked_sources, axis=-1)
-        # del self.model
-        progress_bar.close()
-        return _sources
-
-    def prediction(self, m, vocal_root, others_root, format):
-        os.makedirs(vocal_root, exist_ok=True)
-        os.makedirs(others_root, exist_ok=True)
-        basename = os.path.basename(m)
-        mix, rate = librosa.load(m, mono=False, sr=44100)
-        if mix.ndim == 1:
-            mix = np.asfortranarray([mix, mix])
-        mix = mix.T
-        sources = self.demix(mix.T)
-        opt = sources[0].T
-        if format in ["wav", "flac"]:
-            sf.write(
-                "%s/%s_main_vocal.%s" % (vocal_root, basename, format), mix - opt, rate
-            )
-            sf.write("%s/%s_others.%s" % (others_root, basename, format), opt, rate)
-        else:
-            path_vocal = "%s/%s_main_vocal.wav" % (vocal_root, basename)
-            path_other = "%s/%s_others.wav" % (others_root, basename)
-            sf.write(path_vocal, mix - opt, rate)
-            sf.write(path_other, opt, rate)
-            opt_path_vocal = path_vocal[:-4] + ".%s" % format
-            opt_path_other = path_other[:-4] + ".%s" % format
-            if os.path.exists(path_vocal):
-                os.system(
-                    'ffmpeg -i "%s" -vn "%s" -q:a 2 -y' % (path_vocal, opt_path_vocal)
-                )
-                if os.path.exists(opt_path_vocal):
-                    try:
-                        os.remove(path_vocal)
-                    except:
-                        pass
-            if os.path.exists(path_other):
-                os.system(
-                    'ffmpeg -i "%s" -vn "%s" -q:a 2 -y' % (path_other, opt_path_other)
-                )
-                if os.path.exists(opt_path_other):
-                    try:
-                        os.remove(path_other)
-                    except:
-                        pass
-
-
-class MDXNetDereverb:
-    def __init__(self, chunks, device):
-        self.onnx = "assets/uvr5_weights/onnx_dereverb_By_FoxJoy"
-        self.shifts = 10  # 'Predict with randomised equivariant stabilisation'
-        self.mixing = "min_mag"  # ['default','min_mag','max_mag']
-        self.chunks = chunks
-        self.margin = 44100
-        self.dim_t = 9
-        self.dim_f = 3072
-        self.n_fft = 6144
-        self.denoise = True
-        self.pred = Predictor(self)
-        self.device = device
-
-    def _path_audio_(self, input, vocal_root, others_root, format, is_hp3=False):
-        self.pred.prediction(input, vocal_root, others_root, format)
+import soundfile as sf
+import torch, pdb, os, warnings, librosa
+import numpy as np
+from tqdm import tqdm
+import torch
+
+dim_c = 4
+
+
+class Conv_TDF_net_trim:
+    def __init__(
+        self, device, model_name, target_name, L, dim_f, dim_t, n_fft, hop=1024
+    ):
+        super(Conv_TDF_net_trim, self).__init__()
+
+        self.dim_f = dim_f
+        self.dim_t = 2**dim_t
+        self.n_fft = n_fft
+        self.hop = hop
+        self.n_bins = self.n_fft // 2 + 1
+        self.chunk_size = hop * (self.dim_t - 1)
+        self.window = torch.hann_window(window_length=self.n_fft, periodic=True).to(
+            device
+        )
+        self.target_name = target_name
+        self.blender = "blender" in model_name
+
+        out_c = dim_c * 4 if target_name == "*" else dim_c
+        self.freq_pad = torch.zeros(
+            [1, out_c, self.n_bins - self.dim_f, self.dim_t]
+        ).to(device)
+
+        self.n = L // 2
+
+    def stft(self, x):
+        x = x.reshape([-1, self.chunk_size])
+        x = torch.stft(
+            x,
+            n_fft=self.n_fft,
+            hop_length=self.hop,
+            window=self.window,
+            center=True,
+            return_complex=True,
+        )
+        x = torch.view_as_real(x)
+        x = x.permute([0, 3, 1, 2])
+        x = x.reshape([-1, 2, 2, self.n_bins, self.dim_t]).reshape(
+            [-1, dim_c, self.n_bins, self.dim_t]
+        )
+        return x[:, :, : self.dim_f]
+
+    def istft(self, x, freq_pad=None):
+        freq_pad = (
+            self.freq_pad.repeat([x.shape[0], 1, 1, 1])
+            if freq_pad is None
+            else freq_pad
+        )
+        x = torch.cat([x, freq_pad], -2)
+        c = 4 * 2 if self.target_name == "*" else 2
+        x = x.reshape([-1, c, 2, self.n_bins, self.dim_t]).reshape(
+            [-1, 2, self.n_bins, self.dim_t]
+        )
+        x = x.permute([0, 2, 3, 1])
+        x = x.contiguous()
+        x = torch.view_as_complex(x)
+        x = torch.istft(
+            x, n_fft=self.n_fft, hop_length=self.hop, window=self.window, center=True
+        )
+        return x.reshape([-1, c, self.chunk_size])
+
+
+def get_models(device, dim_f, dim_t, n_fft):
+    return Conv_TDF_net_trim(
+        device=device,
+        model_name="Conv-TDF",
+        target_name="vocals",
+        L=11,
+        dim_f=dim_f,
+        dim_t=dim_t,
+        n_fft=n_fft,
+    )
+
+
+warnings.filterwarnings("ignore")
+import sys
+
+now_dir = os.getcwd()
+sys.path.append(now_dir)
+from config import Config
+
+cpu = torch.device("cpu")
+device = Config().device
+# if torch.cuda.is_available():
+#     device = torch.device("cuda:0")
+# elif torch.backends.mps.is_available():
+#     device = torch.device("mps")
+# else:
+#     device = torch.device("cpu")
+
+
+class Predictor:
+    def __init__(self, args):
+        self.args = args
+        self.model_ = get_models(
+            device=cpu, dim_f=args.dim_f, dim_t=args.dim_t, n_fft=args.n_fft
+        )
+        import onnxruntime as ort
+
+        print(ort.get_available_providers())
+        self.model = ort.InferenceSession(
+            os.path.join(args.onnx, self.model_.target_name + ".onnx"),
+            providers=[
+                "CUDAExecutionProvider",
+                "DmlExecutionProvider",
+                "CPUExecutionProvider",
+            ],
+        )
+        print("onnx load done")
+
+    def demix(self, mix):
+        samples = mix.shape[-1]
+        margin = self.args.margin
+        chunk_size = self.args.chunks * 44100
+        assert not margin == 0, "margin cannot be zero!"
+        if margin > chunk_size:
+            margin = chunk_size
+
+        segmented_mix = {}
+
+        if self.args.chunks == 0 or samples < chunk_size:
+            chunk_size = samples
+
+        counter = -1
+        for skip in range(0, samples, chunk_size):
+            counter += 1
+
+            s_margin = 0 if counter == 0 else margin
+            end = min(skip + chunk_size + margin, samples)
+
+            start = skip - s_margin
+
+            segmented_mix[skip] = mix[:, start:end].copy()
+            if end == samples:
+                break
+
+        sources = self.demix_base(segmented_mix, margin_size=margin)
+        """
+        mix:(2,big_sample)
+        segmented_mix:offset->(2,small_sample)
+        sources:(1,2,big_sample)
+        """
+        return sources
+
+    def demix_base(self, mixes, margin_size):
+        chunked_sources = []
+        progress_bar = tqdm(total=len(mixes))
+        progress_bar.set_description("Processing")
+        for mix in mixes:
+            cmix = mixes[mix]
+            sources = []
+            n_sample = cmix.shape[1]
+            model = self.model_
+            trim = model.n_fft // 2
+            gen_size = model.chunk_size - 2 * trim
+            pad = gen_size - n_sample % gen_size
+            mix_p = np.concatenate(
+                (np.zeros((2, trim)), cmix, np.zeros((2, pad)), np.zeros((2, trim))), 1
+            )
+            mix_waves = []
+            i = 0
+            while i < n_sample + pad:
+                waves = np.array(mix_p[:, i : i + model.chunk_size])
+                mix_waves.append(waves)
+                i += gen_size
+            mix_waves = torch.tensor(mix_waves, dtype=torch.float32).to(cpu)
+            with torch.no_grad():
+                _ort = self.model
+                spek = model.stft(mix_waves)
+                if self.args.denoise:
+                    spec_pred = (
+                        -_ort.run(None, {"input": -spek.cpu().numpy()})[0] * 0.5
+                        + _ort.run(None, {"input": spek.cpu().numpy()})[0] * 0.5
+                    )
+                    tar_waves = model.istft(torch.tensor(spec_pred))
+                else:
+                    tar_waves = model.istft(
+                        torch.tensor(_ort.run(None, {"input": spek.cpu().numpy()})[0])
+                    )
+                tar_signal = (
+                    tar_waves[:, :, trim:-trim]
+                    .transpose(0, 1)
+                    .reshape(2, -1)
+                    .numpy()[:, :-pad]
+                )
+
+                start = 0 if mix == 0 else margin_size
+                end = None if mix == list(mixes.keys())[::-1][0] else -margin_size
+                if margin_size == 0:
+                    end = None
+                sources.append(tar_signal[:, start:end])
+
+                progress_bar.update(1)
+
+            chunked_sources.append(sources)
+        _sources = np.concatenate(chunked_sources, axis=-1)
+        # del self.model
+        progress_bar.close()
+        return _sources
+
+    def prediction(self, m, vocal_root, others_root, format):
+        os.makedirs(vocal_root, exist_ok=True)
+        os.makedirs(others_root, exist_ok=True)
+        basename = os.path.basename(m)
+        mix, rate = librosa.load(m, mono=False, sr=44100)
+        if mix.ndim == 1:
+            mix = np.asfortranarray([mix, mix])
+        mix = mix.T
+        sources = self.demix(mix.T)
+        opt = sources[0].T
+        if format in ["wav", "flac"]:
+            sf.write(
+                "%s/%s_main_vocal.%s" % (vocal_root, basename, format), mix - opt, rate
+            )
+            sf.write("%s/%s_others.%s" % (others_root, basename, format), opt, rate)
+        else:
+            path_vocal = "%s/%s_main_vocal.wav" % (vocal_root, basename)
+            path_other = "%s/%s_others.wav" % (others_root, basename)
+            sf.write(path_vocal, mix - opt, rate)
+            sf.write(path_other, opt, rate)
+            if os.path.exists(path_vocal):
+                os.system(
+                    "ffmpeg -i %s -vn %s -q:a 2 -y"
+                    % (path_vocal, path_vocal[:-4] + ".%s" % format)
+                )
+            if os.path.exists(path_other):
+                os.system(
+                    "ffmpeg -i %s -vn %s -q:a 2 -y"
+                    % (path_other, path_other[:-4] + ".%s" % format)
+                )
+
+
+class MDXNetDereverb:
+    def __init__(self, chunks):
+        self.onnx = "uvr5_weights/onnx_dereverb_By_FoxJoy"
+        self.shifts = 10  #'Predict with randomised equivariant stabilisation'
+        self.mixing = "min_mag"  # ['default','min_mag','max_mag']
+        self.chunks = chunks
+        self.margin = 44100
+        self.dim_t = 9
+        self.dim_f = 3072
+        self.n_fft = 6144
+        self.denoise = True
+        self.pred = Predictor(self)
+
+    def _path_audio_(self, input, vocal_root, others_root, format):
+        self.pred.prediction(input, vocal_root, others_root, format)
+
+
+if __name__ == "__main__":
+    dereverb = MDXNetDereverb(15)
+    from time import time as ttime
+
+    t0 = ttime()
+    dereverb._path_audio_(
+        "雪雪伴奏对消HP5.wav",
+        "vocal",
+        "others",
+    )
+    t1 = ttime()
+    print(t1 - t0)
+
+
+"""
+
+runtime\python.exe MDXNet.py 
+
+6G:
+15/9:0.8G->6.8G
+14:0.8G->6.5G
+25:炸
+
+half15:0.7G->6.6G,22.69s
+fp32-15:0.7G->6.6G,20.85s
+
+"""
--- a/README.md
+++ b/README.md
@ -1,7 +1,7 @@
 <div align="center">

 <h1>Retrieval-based-Voice-Conversion-WebUI</h1>
-一个基于VITS的简单易用的变声框架<br><br>
+一个基于VITS的简单易用的语音转换（变声器）框架<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)
@ -14,35 +14,22 @@

 [![Discord](https://img.shields.io/badge/RVC%20Developers-Discord-7289DA?style=for-the-badge&logo=discord&logoColor=white)](https://discord.gg/HcsmBBGyVk)

-[**更新日志**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_CN.md) | [**常见问题解答**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98%E8%A7%A3%E7%AD%94) | [**AutoDL·5毛钱训练AI歌手**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B) | [**对照实验记录**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%AF%B9%E7%85%A7%E5%AE%9E%E9%AA%8C%C2%B7%E5%AE%9E%E9%AA%8C%E8%AE%B0%E5%BD%95)) | [**在线演示**](https://modelscope.cn/studios/FlowerCry/RVCv2demo)
-
-[**English**](./docs/en/README.en.md) | [**中文简体**](./README.md) | [**日本語**](./docs/jp/README.ja.md) | [**한국어**](./docs/kr/README.ko.md) ([**韓國語**](./docs/kr/README.ko.han.md)) | [**Français**](./docs/fr/README.fr.md) | [**Türkçe**](./docs/tr/README.tr.md) | [**Português**](./docs/pt/README.pt.md)
+[**更新日志**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_CN.md) | [**常见问题解答**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98%E8%A7%A3%E7%AD%94) | [**AutoDL·5毛钱训练AI歌手**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B) | [**对照实验记录**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%AF%B9%E7%85%A7%E5%AE%9E%E9%AA%8C%C2%B7%E5%AE%9E%E9%AA%8C%E8%AE%B0%E5%BD%95)) | [**在线演示**](https://huggingface.co/spaces/Ricecake123/RVC-demo)

 </div>

+------
+
+[**English**](./docs/README.en.md) | [**中文简体**](./README.md) | [**日本語**](./docs/README.ja.md) | [**한국어**](./docs/README.ko.md) ([**韓國語**](./docs/README.ko.han.md)) | [**Türkçe**](./docs/README.tr.md)
+
+点此查看我们的[演示视频](https://www.bilibili.com/video/BV1pm4y1z7Gm/) !
+
+> 使用了RVC的实时语音转换: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
+
 > 底模使用接近50小时的开源高质量VCTK训练集训练，无版权方面的顾虑，请大家放心使用

 > 请期待RVCv3的底模，参数更大，数据更大，效果更好，基本持平的推理速度，需要训练数据量更少。

-<table>
-   <tr>
-		<td align="center">训练推理界面</td>
-		<td align="center">实时变声界面</td>
-	</tr>
-  <tr>
-		<td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/092e5c12-0d49-4168-a590-0b0ef6a4f630"></td>
-    <td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/730b4114-8805-44a1-ab1a-04668f3c30a6"></td>
-	</tr>
-	<tr>
-		<td align="center">go-web.bat</td>
-		<td align="center">go-realtime-gui.bat</td>
-	</tr>
-  <tr>
-    <td align="center">可以自由选择想要执行的操作。</td>
-		<td align="center">我们已经实现端到端170ms延迟。如使用ASIO输入输出设备，已能实现端到端90ms延迟，但非常依赖硬件驱动支持。</td>
-	</tr>
-</table>
-
 ## 简介
 本仓库具有以下特点
 + 使用top1检索替换输入源特征为训练集特征来杜绝音色泄漏
@ -54,55 +41,43 @@
 + 使用最先进的[人声音高提取算法InterSpeech2023-RMVPE](#参考项目)根绝哑音问题。效果最好（显著地）但比crepe_full更快、资源占用更小
 + A卡I卡加速支持

-点此查看我们的[演示视频](https://www.bilibili.com/video/BV1pm4y1z7Gm/) !
-
 ## 环境配置
 以下指令需在 Python 版本大于3.8的环境中执行。  

-### Windows/Linux/MacOS等平台通用方法
-下列方法任选其一。
-#### 1. 通过 pip 安装依赖
-1. 安装Pytorch及其核心依赖，若已安装则跳过。参考自: https://pytorch.org/get-started/locally/
+(Windows/Linux)  
+首先通过 pip 安装主要依赖:
 ```bash
+# 安装Pytorch及其核心依赖，若已安装则跳过
+# 参考自: https://pytorch.org/get-started/locally/
 pip install torch torchvision torchaudio
-```
-2. 如果是 win 系统 + Nvidia Ampere 架构(RTX30xx)，根据 #21 的经验，需要指定 pytorch 对应的 cuda 版本
-```bash
-pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
-```
-3. 根据自己的显卡安装对应依赖
- N卡
-```bash
-pip install -r requirements.txt
-```
- A卡/I卡
-```bash
-pip install -r requirements-dml.txt
-```
- A卡ROCM(Linux)
-```bash
-pip install -r requirements-amd.txt
-```
- I卡IPEX(Linux)
-```bash
-pip install -r requirements-ipex.txt
+
+#如果是win系统+Nvidia Ampere架构(RTX30xx)，根据 #21 的经验，需要指定pytorch对应的cuda版本
+#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
 ```

-#### 2. 通过 poetry 来安装依赖
-安装 Poetry 依赖管理工具，若已安装则跳过。参考自: https://python-poetry.org/docs/#installation
+可以使用 poetry 来安装依赖：
 ```bash
+# 安装 Poetry 依赖管理工具, 若已安装则跳过
+# 参考自: https://python-poetry.org/docs/#installation
 curl -sSL https://install.python-poetry.org | python3 -
+
+# 通过poetry安装依赖
+poetry install
 ```

-通过 Poetry 安装依赖时，python 建议使用 3.7-3.10 版本，其余版本在安装 llvmlite==0.39.0 时会出现冲突
+你也可以通过 pip 来安装依赖：
 ```bash
-poetry init -n
-poetry env use "path to your python.exe"
-poetry run pip install -r requirments.txt
+N卡：
+
+pip install -r requirements.txt
+
+A卡/I卡：
+pip install -r requirements-dml.txt
+
 ```

-### MacOS
-可以通过 `run.sh` 来安装依赖
+------
+Mac 用户可以通过 `run.sh` 来安装依赖：
 ```bash
 sh ./run.sh
 ```
@ -112,89 +87,45 @@ RVC需要其他一些预模型来推理和训练。

 你可以从我们的[Hugging Face space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)下载到这些模型。

-### 1. 下载 assets
-以下是一份清单，包括了所有RVC所需的预模型和其他文件的名称。你可以在`tools`文件夹找到下载它们的脚本。
-
- ./assets/hubert/hubert_base.pt
-
- ./assets/pretrained 
-
- ./assets/uvr5_weights
-
-想使用v2版本模型的话，需要额外下载
-
- ./assets/pretrained_v2
-
-### 2. 安装 ffmpeg
-若ffmpeg和ffprobe已安装则跳过。
-
-#### Ubuntu/Debian 用户
+以下是一份清单，包括了所有RVC所需的预模型和其他文件的名称:
 ```bash
-sudo apt install ffmpeg
+hubert_base.pt
+
+./pretrained 
+
+./uvr5_weights
+
+想测试v2版本模型的话，需要额外下载
+
+./pretrained_v2 
+
+如果你正在使用Windows，则你可能需要这个文件，若ffmpeg和ffprobe已安装则跳过; ubuntu/debian 用户可以通过apt install ffmpeg来安装这2个库, Mac 用户则可以通过brew install ffmpeg来安装 (需要预先安装brew)
+
+./ffmpeg
+
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe
+
+./ffprobe
+
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe
+
+如果你想使用最新的RMVPE人声音高提取算法，则你需要下载音高提取模型参数并放置于RVC根目录
+
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt
+
+    A卡I卡用户需要的dml环境要请下载
+
+    https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx
+
 ```
-#### MacOS 用户
-```bash
-brew install ffmpeg
-```
-#### 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)
-
- 下载[ffprobe.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe)
-
-### 3. 下载 rmvpe 人声音高提取算法所需文件
-
-如果你想使用最新的RMVPE人声音高提取算法，则你需要下载音高提取模型参数并放置于RVC根目录。
-
- 下载[rmvpe.pt](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt)
-
-#### 下载 rmvpe 的 dml 环境(可选, A卡/I卡用户)
-
- 下载[rmvpe.onnx](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx)
-
-### 4. AMD显卡Rocm(可选, 仅Linux)
-
-如果你想基于AMD的Rocm技术在Linux系统上运行RVC，请先在[这里](https://rocm.docs.amd.com/en/latest/deploy/linux/os-native/install.html)安装所需的驱动。
-
-若你使用的是Arch Linux，可以使用pacman来安装所需驱动：
-````
-pacman -S rocm-hip-sdk rocm-opencl-sdk
-````
-对于某些型号的显卡，你可能需要额外配置如下的环境变量（如：RX6700XT）：
-````
-export ROCM_PATH=/opt/rocm
-export HSA_OVERRIDE_GFX_VERSION=10.3.0
-````
-同时确保你的当前用户处于`render`与`video`用户组内：
-````
-sudo usermod -aG render $USERNAME
-sudo usermod -aG video $USERNAME
-````
-
-## 开始使用
-### 直接启动
-使用以下指令来启动 WebUI
+之后使用以下指令来启动WebUI:
 ```bash
 python infer-web.py
 ```

-若先前使用 Poetry 安装依赖，则可以通过以下方式启动WebUI
-```bash
-poetry run python infer-web.py
-```
+如果你正在使用Windows 或 macOS，你可以直接下载并解压`RVC-beta.7z`，前者可以运行`go-web.bat`以启动WebUI，后者则运行命令`sh ./run.sh`以启动WebUI。

-### 使用整合包
-下载并解压`RVC-beta.7z`
-#### Windows 用户
-双击`go-web.bat`
-#### MacOS 用户
-```bash
-sh ./run.sh
-```
-### 对于需要使用IPEX技术的I卡用户(仅Linux)
-```bash
-source /opt/intel/oneapi/setvars.sh
-```
+仓库内还有一份`小白简易教程.doc`以供参考。

 ## 参考项目
 + [ContentVec](https://github.com/auspicious3000/contentvec/)
--- a/Retrieval_based_Voice_Conversion_WebUI.ipynb
+++ b/Retrieval_based_Voice_Conversion_WebUI.ipynb
@ -1,22 +1,30 @@
 {
+ "nbformat": 4,
+ "nbformat_minor": 0,
+ "metadata": {
+  "colab": {
+   "private_outputs": true,
+   "provenance": []
+  },
+  "kernelspec": {
+   "name": "python3",
+   "display_name": "Python 3"
+  },
+  "language_info": {
+   "name": "python"
+  },
+  "accelerator": "GPU",
+  "gpuClass": "standard"
+ },
 "cells": [
  {
-   "attachments": {},
   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# [Retrieval-based-Voice-Conversion-WebUI](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI) Training notebook"
-   ]
-  },
-  {
-   "attachments": {},
-   "cell_type": "markdown",
-   "metadata": {
-    "id": "ZFFCx5J80SGa"
-   },
   "source": [
    "[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/Retrieval_based_Voice_Conversion_WebUI.ipynb)"
-   ]
+   ],
+   "metadata": {
+    "id": "ZFFCx5J80SGa"
+   }
  },
  {
   "cell_type": "code",
@ -32,80 +40,60 @@
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "jwu07JgqoFON"
-   },
-   "outputs": [],
-   "source": [
-    "# @title 挂载谷歌云盘\n",
-    "\n",
-    "from google.colab import drive\n",
-    "\n",
-    "drive.mount(\"/content/drive\")"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "wjddIFr1oS3W"
-   },
-   "outputs": [],
   "source": [
    "# @title 安装依赖\n",
    "!apt-get -y install build-essential python3-dev ffmpeg\n",
    "!pip3 install --upgrade setuptools wheel\n",
    "!pip3 install --upgrade pip\n",
    "!pip3 install faiss-cpu==1.7.2 fairseq gradio==3.14.0 ffmpeg ffmpeg-python praat-parselmouth pyworld numpy==1.23.5 numba==0.56.4 librosa==0.9.2"
-   ]
+   ],
+   "metadata": {
+    "id": "wjddIFr1oS3W"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "ge_97mfpgqTm"
-   },
-   "outputs": [],
   "source": [
    "# @title 克隆仓库\n",
    "\n",
    "!git clone --depth=1 -b stable https://github.com/fumiama/Retrieval-based-Voice-Conversion-WebUI\n",
    "%cd /content/Retrieval-based-Voice-Conversion-WebUI\n",
    "!mkdir -p pretrained uvr5_weights"
-   ]
+   ],
+   "metadata": {
+    "id": "ge_97mfpgqTm"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "BLDEZADkvlw1"
-   },
-   "outputs": [],
   "source": [
    "# @title 更新仓库（一般无需执行）\n",
    "!git pull"
-   ]
+   ],
+   "metadata": {
+    "id": "BLDEZADkvlw1"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "pqE0PrnuRqI2"
-   },
-   "outputs": [],
   "source": [
    "# @title 安装aria2\n",
    "!apt -y install -qq aria2"
-   ]
+   ],
+   "metadata": {
+    "id": "pqE0PrnuRqI2"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "UG3XpUwEomUz"
-   },
-   "outputs": [],
   "source": [
    "# @title 下载底模\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/D32k.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/pretrained -o D32k.pth\n",
@ -120,50 +108,55 @@
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0G32k.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/pretrained -o f0G32k.pth\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0G40k.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/pretrained -o f0G40k.pth\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/pretrained/f0G48k.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/pretrained -o f0G48k.pth"
-   ]
+   ],
+   "metadata": {
+    "id": "UG3XpUwEomUz"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "HugjmZqZRuiF"
-   },
-   "outputs": [],
   "source": [
    "# @title 下载人声分离模型\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP2-人声vocals+非人声instrumentals.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/uvr5_weights -o HP2-人声vocals+非人声instrumentals.pth\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP5-主旋律人声vocals+其他instrumentals.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/uvr5_weights -o HP5-主旋律人声vocals+其他instrumentals.pth"
-   ]
+   ],
+   "metadata": {
+    "id": "HugjmZqZRuiF"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "2RCaT9FTR0ej"
-   },
-   "outputs": [],
   "source": [
    "# @title 下载hubert_base\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/hubert_base.pt -d /content/Retrieval-based-Voice-Conversion-WebUI -o hubert_base.pt"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "# @title #下载rmvpe模型\n",
-    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/rmvpe.pt -d /content/Retrieval-based-Voice-Conversion-WebUI -o rmvpe.pt"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
+   ],
   "metadata": {
-    "id": "Mwk7Q0Loqzjx"
+    "id": "2RCaT9FTR0ej"
   },
-   "outputs": [],
+   "execution_count": null,
+   "outputs": []
+  },
+  {
+   "cell_type": "code",
+   "source": [
+    "# @title 挂载谷歌云盘\n",
+    "\n",
+    "from google.colab import drive\n",
+    "\n",
+    "drive.mount(\"/content/drive\")"
+   ],
+   "metadata": {
+    "id": "jwu07JgqoFON"
+   },
+   "execution_count": null,
+   "outputs": []
+  },
+  {
+   "cell_type": "code",
   "source": [
    "# @title 从谷歌云盘加载打包好的数据集到/content/dataset\n",
    "\n",
@ -174,43 +167,43 @@
    "\n",
    "!mkdir -p /content/dataset\n",
    "!unzip -d /content/dataset -B {DATASET}"
-   ]
+   ],
+   "metadata": {
+    "id": "Mwk7Q0Loqzjx"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "PDlFxWHWEynD"
-   },
-   "outputs": [],
   "source": [
    "# @title 重命名数据集中的重名文件\n",
    "!ls -a /content/dataset/\n",
    "!rename 's/(\\w+)\\.(\\w+)~(\\d*)/$1_$3.$2/' /content/dataset/*.*~*"
-   ]
+   ],
+   "metadata": {
+    "id": "PDlFxWHWEynD"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "7vh6vphDwO0b"
-   },
-   "outputs": [],
   "source": [
    "# @title 启动web\n",
    "%cd /content/Retrieval-based-Voice-Conversion-WebUI\n",
    "# %load_ext tensorboard\n",
    "# %tensorboard --logdir /content/Retrieval-based-Voice-Conversion-WebUI/logs\n",
    "!python3 infer-web.py --colab --pycmd python3"
-   ]
+   ],
+   "metadata": {
+    "id": "7vh6vphDwO0b"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "FgJuNeAwx5Y_"
-   },
-   "outputs": [],
   "source": [
    "# @title 手动将训练后的模型文件备份到谷歌云盘\n",
    "# @markdown 需要自己查看logs文件夹下模型的文件名，手动修改下方命令末尾的文件名\n",
@ -226,15 +219,15 @@
    "!cp /content/Retrieval-based-Voice-Conversion-WebUI/logs/{MODELNAME}/total_*.npy /content/drive/MyDrive/\n",
    "\n",
    "!cp /content/Retrieval-based-Voice-Conversion-WebUI/weights/{MODELNAME}.pth /content/drive/MyDrive/{MODELNAME}{MODELEPOCH}.pth"
-   ]
+   ],
+   "metadata": {
+    "id": "FgJuNeAwx5Y_"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "OVQoLQJXS7WX"
-   },
-   "outputs": [],
   "source": [
    "# @title 从谷歌云盘恢复pth\n",
    "# @markdown 需要自己查看logs文件夹下模型的文件名，手动修改下方命令末尾的文件名\n",
@ -251,15 +244,15 @@
    "!cp /content/drive/MyDrive/*.index /content/\n",
    "!cp /content/drive/MyDrive/*.npy /content/\n",
    "!cp /content/drive/MyDrive/{MODELNAME}{MODELEPOCH}.pth /content/Retrieval-based-Voice-Conversion-WebUI/weights/{MODELNAME}.pth"
-   ]
+   ],
+   "metadata": {
+    "id": "OVQoLQJXS7WX"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "ZKAyuKb9J6dz"
-   },
-   "outputs": [],
   "source": [
    "# @title 手动预处理（不推荐）\n",
    "# @markdown 模型名\n",
@ -270,15 +263,15 @@
    "THREADCOUNT = 8  # @param {type:\"integer\"}\n",
    "\n",
    "!python3 trainset_preprocess_pipeline_print.py /content/dataset {BITRATE} {THREADCOUNT} logs/{MODELNAME} True"
-   ]
+   ],
+   "metadata": {
+    "id": "ZKAyuKb9J6dz"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "CrxJqzAUKmPJ"
-   },
-   "outputs": [],
   "source": [
    "# @title 手动提取特征（不推荐）\n",
    "# @markdown 模型名\n",
@ -290,16 +283,16 @@
    "\n",
    "!python3 extract_f0_print.py logs/{MODELNAME} {THREADCOUNT} {ALGO}\n",
    "\n",
-    "!python3 extract_feature_print.py cpu 1 0 0 logs/{MODELNAME} True"
-   ]
+    "!python3 extract_feature_print.py cpu 1 0 0 logs/{MODELNAME}"
+   ],
+   "metadata": {
+    "id": "CrxJqzAUKmPJ"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "IMLPLKOaKj58"
-   },
-   "outputs": [],
   "source": [
    "# @title 手动训练（不推荐）\n",
    "# @markdown 模型名\n",
@ -320,15 +313,15 @@
    "ONLYLATEST = 0  # @param {type:\"integer\"}\n",
    "\n",
    "!python3 train_nsf_sim_cache_sid_load_pretrain.py -e lulu -sr {MODELSAMPLE} -f0 1 -bs {BATCHSIZE} -g {USEGPU} -te {MODELEPOCH} -se {EPOCHSAVE} -pg pretrained/f0G{MODELSAMPLE}.pth -pd pretrained/f0D{MODELSAMPLE}.pth -l {ONLYLATEST} -c {CACHEDATA}"
-   ]
+   ],
+   "metadata": {
+    "id": "IMLPLKOaKj58"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "haYA81hySuDl"
-   },
-   "outputs": [],
   "source": [
    "# @title 删除其它pth，只留选中的（慎点，仔细看代码）\n",
    "# @markdown 模型名\n",
@ -350,15 +343,15 @@
    "\n",
    "!echo \"删除完成\"\n",
    "!ls /content/Retrieval-based-Voice-Conversion-WebUI/logs/{MODELNAME}"
-   ]
+   ],
+   "metadata": {
+    "id": "haYA81hySuDl"
+   },
+   "execution_count": null,
+   "outputs": []
  },
  {
   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "QhSiPTVPoIRh"
-   },
-   "outputs": [],
   "source": [
    "# @title 清除项目下所有文件，只留选中的模型（慎点，仔细看代码）\n",
    "# @markdown 模型名\n",
@ -380,24 +373,12 @@
    "\n",
    "!echo \"删除完成\"\n",
    "!ls /content/Retrieval-based-Voice-Conversion-WebUI/logs/{MODELNAME}"
-   ]
+   ],
+   "metadata": {
+    "id": "QhSiPTVPoIRh"
+   },
+   "execution_count": null,
+   "outputs": []
  }
- ],
- "metadata": {
-  "accelerator": "GPU",
-  "colab": {
-   "private_outputs": true,
-   "provenance": []
-  },
-  "gpuClass": "standard",
-  "kernelspec": {
-   "display_name": "Python 3",
-   "name": "python3"
-  },
-  "language_info": {
-   "name": "python"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 0
+ ]
 }
--- a/Retrieval_based_Voice_Conversion_WebUI_v2.ipynb
+++ b/Retrieval_based_Voice_Conversion_WebUI_v2.ipynb
@ -1,13 +1,5 @@
 {
 "cells": [
-  {
-   "attachments": {},
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# [Retrieval-based-Voice-Conversion-WebUI](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI) Training notebook"
-   ]
-  },
  {
   "attachments": {},
   "cell_type": "markdown",
@ -26,25 +18,10 @@
   },
   "outputs": [],
   "source": [
-    "# @title #查看显卡\n",
+    "# @title 查看显卡\n",
    "!nvidia-smi"
   ]
  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {
-    "id": "jwu07JgqoFON"
-   },
-   "outputs": [],
-   "source": [
-    "# @title 挂载谷歌云盘\n",
-    "\n",
-    "from google.colab import drive\n",
-    "\n",
-    "drive.mount(\"/content/drive\")"
-   ]
-  },
  {
   "cell_type": "code",
   "execution_count": null,
@ -53,7 +30,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #安装依赖\n",
+    "# @title 安装依赖\n",
    "!apt-get -y install build-essential python3-dev ffmpeg\n",
    "!pip3 install --upgrade setuptools wheel\n",
    "!pip3 install --upgrade pip\n",
@ -68,7 +45,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #克隆仓库\n",
+    "# @title 克隆仓库\n",
    "\n",
    "!mkdir Retrieval-based-Voice-Conversion-WebUI\n",
    "%cd /content/Retrieval-based-Voice-Conversion-WebUI\n",
@ -86,7 +63,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #更新仓库（一般无需执行）\n",
+    "# @title 更新仓库（一般无需执行）\n",
    "!git pull"
   ]
  },
@ -98,7 +75,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #安装aria2\n",
+    "# @title 安装aria2\n",
    "!apt -y install -qq aria2"
   ]
  },
@ -149,7 +126,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #下载人声分离模型\n",
+    "# @title 下载人声分离模型\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP2-人声vocals+非人声instrumentals.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/uvr5_weights -o HP2-人声vocals+非人声instrumentals.pth\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/uvr5_weights/HP5-主旋律人声vocals+其他instrumentals.pth -d /content/Retrieval-based-Voice-Conversion-WebUI/uvr5_weights -o HP5-主旋律人声vocals+其他instrumentals.pth"
   ]
@ -162,18 +139,23 @@
   },
   "outputs": [],
   "source": [
-    "# @title #下载hubert_base\n",
+    "# @title 下载hubert_base\n",
    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/hubert_base.pt -d /content/Retrieval-based-Voice-Conversion-WebUI -o hubert_base.pt"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
-   "metadata": {},
+   "metadata": {
+    "id": "jwu07JgqoFON"
+   },
   "outputs": [],
   "source": [
-    "# @title #下载rmvpe模型\n",
-    "!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/rmvpe.pt -d /content/Retrieval-based-Voice-Conversion-WebUI -o rmvpe.pt"
+    "# @title 挂载谷歌云盘\n",
+    "\n",
+    "from google.colab import drive\n",
+    "\n",
+    "drive.mount(\"/content/drive\")"
   ]
  },
  {
@ -184,7 +166,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #从谷歌云盘加载打包好的数据集到/content/dataset\n",
+    "# @title 从谷歌云盘加载打包好的数据集到/content/dataset\n",
    "\n",
    "# @markdown 数据集位置\n",
    "DATASET = (\n",
@ -203,7 +185,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #重命名数据集中的重名文件\n",
+    "# @title 重命名数据集中的重名文件\n",
    "!ls -a /content/dataset/\n",
    "!rename 's/(\\w+)\\.(\\w+)~(\\d*)/$1_$3.$2/' /content/dataset/*.*~*"
   ]
@ -216,7 +198,7 @@
   },
   "outputs": [],
   "source": [
-    "# @title #启动webui\n",
+    "# @title 启动web\n",
    "%cd /content/Retrieval-based-Voice-Conversion-WebUI\n",
    "# %load_ext tensorboard\n",
    "# %tensorboard --logdir /content/Retrieval-based-Voice-Conversion-WebUI/logs\n",
@ -231,12 +213,12 @@
   },
   "outputs": [],
   "source": [
-    "# @title #手动将训练后的模型文件备份到谷歌云盘\n",
-    "# @markdown #需要自己查看logs文件夹下模型的文件名，手动修改下方命令末尾的文件名\n",
+    "# @title 手动将训练后的模型文件备份到谷歌云盘\n",
+    "# @markdown 需要自己查看logs文件夹下模型的文件名，手动修改下方命令末尾的文件名\n",
    "\n",
-    "# @markdown #模型名\n",
+    "# @markdown 模型名\n",
    "MODELNAME = \"lulu\"  # @param {type:\"string\"}\n",
-    "# @markdown #模型epoch\n",
+    "# @markdown 模型epoch\n",
    "MODELEPOCH = 9600  # @param {type:\"integer\"}\n",
    "\n",
    "!cp /content/Retrieval-based-Voice-Conversion-WebUI/logs/{MODELNAME}/G_{MODELEPOCH}.pth /content/drive/MyDrive/{MODELNAME}_D_{MODELEPOCH}.pth\n",
@ -309,7 +291,7 @@
    "\n",
    "!python3 extract_f0_print.py logs/{MODELNAME} {THREADCOUNT} {ALGO}\n",
    "\n",
-    "!python3 extract_feature_print.py cpu 1 0 0 logs/{MODELNAME} True"
+    "!python3 extract_feature_print.py cpu 1 0 0 logs/{MODELNAME}"
   ]
  },
  {
--- a/api_231006.py
+++ b/api_231006.py
@ -1,440 +0,0 @@
-#api for 231006 release version by Xiaokai
-import os
-import sys
-import json
-import re
-import time
-import librosa
-import torch
-import numpy as np
-import torch.nn.functional as F
-import torchaudio.transforms as tat
-import sounddevice as sd
-from dotenv import load_dotenv
-from fastapi import FastAPI, HTTPException
-from pydantic import BaseModel
-import threading
-import uvicorn
-import logging
-
-# Initialize the logger
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-# Define FastAPI app
-app = FastAPI()
-
-class GUIConfig:
-    def __init__(self) -> None:
-        self.pth_path: str = ""
-        self.index_path: str = ""
-        self.pitch: int = 0
-        self.samplerate: int = 40000
-        self.block_time: float = 1.0  # s
-        self.buffer_num: int = 1
-        self.threhold: int = -60
-        self.crossfade_time: float = 0.05
-        self.extra_time: float = 2.5
-        self.I_noise_reduce = False
-        self.O_noise_reduce = False
-        self.rms_mix_rate = 0.0
-        self.index_rate = 0.3
-        self.f0method = "rmvpe"
-        self.sg_input_device = ""
-        self.sg_output_device = ""
-
-class ConfigData(BaseModel):
-    pth_path: str
-    index_path: str
-    sg_input_device: str
-    sg_output_device: str
-    threhold: int = -60
-    pitch: int = 0
-    index_rate: float = 0.3
-    rms_mix_rate: float = 0.0
-    block_time: float = 0.25
-    crossfade_length: float = 0.05
-    extra_time: float = 2.5
-    n_cpu: int = 4
-    I_noise_reduce: bool = False
-    O_noise_reduce: bool = False
-
-class AudioAPI:
-    def __init__(self) -> None:
-        self.gui_config = GUIConfig()
-        self.config = None  # Initialize Config object as None
-        self.flag_vc = False
-        self.function = "vc"
-        self.delay_time = 0
-        self.rvc = None  # Initialize RVC object as None
-
-    def load(self):
-        input_devices, output_devices, _, _ = self.get_devices()
-        try:
-            with open("configs/config.json", "r", encoding='utf-8') as j:
-                data = json.load(j)
-                data["rmvpe"] = True  # Ensure rmvpe is the only f0method
-                if data["sg_input_device"] not in input_devices:
-                    data["sg_input_device"] = input_devices[sd.default.device[0]]
-                if data["sg_output_device"] not in output_devices:
-                    data["sg_output_device"] = output_devices[sd.default.device[1]]
-        except Exception as e:
-            logger.error(f"Failed to load configuration: {e}")
-            with open("configs/config.json", "w", encoding='utf-8') as j:
-                data = {
-                    "pth_path": " ",
-                    "index_path": " ",
-                    "sg_input_device": input_devices[sd.default.device[0]],
-                    "sg_output_device": output_devices[sd.default.device[1]],
-                    "threhold": "-60",
-                    "pitch": "0",
-                    "index_rate": "0",
-                    "rms_mix_rate": "0",
-                    "block_time": "0.25",
-                    "crossfade_length": "0.05",
-                    "extra_time": "2.5",
-                    "f0method": "rmvpe",
-                    "use_jit": False,
-                }
-                data["rmvpe"] = True  # Ensure rmvpe is the only f0method
-                json.dump(data, j, ensure_ascii=False)
-        return data
-
-    def set_values(self, values):
-        logger.info(f"Setting values: {values}")
-        if not values.pth_path.strip():
-            raise HTTPException(status_code=400, detail="Please select a .pth file")
-        if not values.index_path.strip():
-            raise HTTPException(status_code=400, detail="Please select an index file")
-        self.set_devices(values.sg_input_device, values.sg_output_device)
-        self.config.use_jit = False
-        self.gui_config.pth_path = values.pth_path
-        self.gui_config.index_path = values.index_path
-        self.gui_config.threhold = values.threhold
-        self.gui_config.pitch = values.pitch
-        self.gui_config.block_time = values.block_time
-        self.gui_config.crossfade_time = values.crossfade_length
-        self.gui_config.extra_time = values.extra_time
-        self.gui_config.I_noise_reduce = values.I_noise_reduce
-        self.gui_config.O_noise_reduce = values.O_noise_reduce
-        self.gui_config.rms_mix_rate = values.rms_mix_rate
-        self.gui_config.index_rate = values.index_rate
-        self.gui_config.n_cpu = values.n_cpu
-        self.gui_config.f0method = "rmvpe"
-        return True
-
-    def start_vc(self):
-        torch.cuda.empty_cache()
-        self.flag_vc = True
-        self.rvc = rvc_for_realtime.RVC(
-            self.gui_config.pitch,
-            self.gui_config.pth_path,
-            self.gui_config.index_path,
-            self.gui_config.index_rate,
-            0,
-            0,
-            0,
-            self.config,
-            self.rvc if self.rvc else None,
-        )
-        self.gui_config.samplerate = self.rvc.tgt_sr
-        self.zc = self.rvc.tgt_sr // 100
-        self.block_frame = (
-            int(
-                np.round(
-                    self.gui_config.block_time
-                    * self.gui_config.samplerate
-                    / self.zc
-                )
-            )
-            * self.zc
-        )
-        self.block_frame_16k = 160 * self.block_frame // self.zc
-        self.crossfade_frame = (
-            int(
-                np.round(
-                    self.gui_config.crossfade_time
-                    * self.gui_config.samplerate
-                    / self.zc
-                )
-            )
-            * self.zc
-        )
-        self.sola_search_frame = self.zc
-        self.extra_frame = (
-            int(
-                np.round(
-                    self.gui_config.extra_time
-                    * self.gui_config.samplerate
-                    / self.zc
-                )
-            )
-            * self.zc
-        )
-        self.input_wav = torch.zeros(
-            self.extra_frame + self.crossfade_frame + self.sola_search_frame + self.block_frame,
-            device=self.config.device,
-            dtype=torch.float32,
-        )
-        self.input_wav_res = torch.zeros(
-            160 * self.input_wav.shape[0] // self.zc,
-            device=self.config.device,
-            dtype=torch.float32,
-        )
-        self.pitch = np.zeros(self.input_wav.shape[0] // self.zc, dtype="int32")
-        self.pitchf = np.zeros(self.input_wav.shape[0] // self.zc, dtype="float64")
-        self.sola_buffer = torch.zeros(self.crossfade_frame, device=self.config.device, dtype=torch.float32)
-        self.nr_buffer = self.sola_buffer.clone()
-        self.output_buffer = self.input_wav.clone()
-        self.res_buffer = torch.zeros(2 * self.zc, device=self.config.device, dtype=torch.float32)
-        self.valid_rate = 1 - (self.extra_frame - 1) / self.input_wav.shape[0]
-        self.fade_in_window = (
-            torch.sin(0.5 * np.pi * torch.linspace(0.0, 1.0, steps=self.crossfade_frame, device=self.config.device, dtype=torch.float32)) ** 2
-        )
-        self.fade_out_window = 1 - self.fade_in_window
-        self.resampler = tat.Resample(
-            orig_freq=self.gui_config.samplerate,
-            new_freq=16000,
-            dtype=torch.float32,
-        ).to(self.config.device)
-        self.tg = TorchGate(
-            sr=self.gui_config.samplerate, n_fft=4 * self.zc, prop_decrease=0.9
-        ).to(self.config.device)
-        thread_vc = threading.Thread(target=self.soundinput)
-        thread_vc.start()
-
-    def soundinput(self):
-        channels = 1 if sys.platform == "darwin" else 2
-        with sd.Stream(
-            channels=channels,
-            callback=self.audio_callback,
-            blocksize=self.block_frame,
-            samplerate=self.gui_config.samplerate,
-            dtype="float32",
-        ) as stream:
-            global stream_latency
-            stream_latency = stream.latency[-1]
-            while self.flag_vc:
-                time.sleep(self.gui_config.block_time)
-                logger.info("Audio block passed.")
-        logger.info("Ending VC")
-
-    def audio_callback(self, indata: np.ndarray, outdata: np.ndarray, frames, times, status):
-        start_time = time.perf_counter()
-        indata = librosa.to_mono(indata.T)
-        if self.gui_config.threhold > -60:
-            rms = librosa.feature.rms(y=indata, frame_length=4 * self.zc, hop_length=self.zc)
-            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
-        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.config.device)
-        self.input_wav_res[: -self.block_frame_16k] = self.input_wav_res[self.block_frame_16k :].clone()
-        if self.gui_config.I_noise_reduce and self.function == "vc":
-            input_wav = self.input_wav[-self.crossfade_frame - self.block_frame - 2 * self.zc :]
-            input_wav = self.tg(input_wav.unsqueeze(0), self.input_wav.unsqueeze(0))[0, 2 * self.zc :]
-            input_wav[: self.crossfade_frame] *= self.fade_in_window
-            input_wav[: self.crossfade_frame] += self.nr_buffer * self.fade_out_window
-            self.nr_buffer[:] = input_wav[-self.crossfade_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)[160:]
-        else:
-            self.input_wav_res[-self.block_frame_16k - 160 :] = self.resampler(self.input_wav[-self.block_frame - 2 * self.zc :])[160:]
-        if self.function == "vc":
-            f0_extractor_frame = self.block_frame_16k + 800
-            if self.gui_config.f0method == "rmvpe":
-                f0_extractor_frame = (5120 * ((f0_extractor_frame - 1) // 5120 + 1) - 160)
-            infer_wav = self.rvc.infer(
-                self.input_wav_res,
-                self.input_wav_res[-f0_extractor_frame:].cpu().numpy(),
-                self.block_frame_16k,
-                self.valid_rate,
-                self.pitch,
-                self.pitchf,
-                self.gui_config.f0method,
-            )
-            infer_wav = infer_wav[-self.crossfade_frame - self.sola_search_frame - self.block_frame :]
-        else:
-            infer_wav = self.input_wav[-self.crossfade_frame - self.sola_search_frame - self.block_frame :].clone()
-        if (self.gui_config.O_noise_reduce and self.function == "vc") or (self.gui_config.I_noise_reduce and self.function == "im"):
-            self.output_buffer[: -self.block_frame] = self.output_buffer[self.block_frame :].clone()
-            self.output_buffer[-self.block_frame :] = infer_wav[-self.block_frame :]
-            infer_wav = self.tg(infer_wav.unsqueeze(0), self.output_buffer.unsqueeze(0)).squeeze(0)
-        if self.gui_config.rms_mix_rate < 1 and self.function == "vc":
-            rms1 = librosa.feature.rms(y=self.input_wav_res[-160 * infer_wav.shape[0] // self.zc :].cpu().numpy(), frame_length=640, hop_length=160)
-            rms1 = torch.from_numpy(rms1).to(self.config.device)
-            rms1 = F.interpolate(rms1.unsqueeze(0), size=infer_wav.shape[0] + 1, mode="linear", align_corners=True)[0, 0, :-1]
-            rms2 = librosa.feature.rms(y=infer_wav[:].cpu().numpy(), frame_length=4 * self.zc, hop_length=self.zc)
-            rms2 = torch.from_numpy(rms2).to(self.config.device)
-            rms2 = F.interpolate(rms2.unsqueeze(0), size=infer_wav.shape[0] + 1, mode="linear", align_corners=True)[0, 0, :-1]
-            rms2 = torch.max(rms2, torch.zeros_like(rms2) + 1e-3)
-            infer_wav *= torch.pow(rms1 / rms2, torch.tensor(1 - self.gui_config.rms_mix_rate))
-        conv_input = infer_wav[None, None, : self.crossfade_frame + self.sola_search_frame]
-        cor_nom = F.conv1d(conv_input, self.sola_buffer[None, None, :])
-        cor_den = torch.sqrt(F.conv1d(conv_input**2, torch.ones(1, 1, self.crossfade_frame, device=self.config.device)) + 1e-8)
-        if sys.platform == "darwin":
-            _, sola_offset = torch.max(cor_nom[0, 0] / cor_den[0, 0])
-            sola_offset = sola_offset.item()
-        else:
-            sola_offset = torch.argmax(cor_nom[0, 0] / cor_den[0, 0])
-        logger.info(f"sola_offset = {sola_offset}")
-        infer_wav = infer_wav[sola_offset : sola_offset + self.block_frame + self.crossfade_frame]
-        infer_wav[: self.crossfade_frame] *= self.fade_in_window
-        infer_wav[: self.crossfade_frame] += self.sola_buffer * self.fade_out_window
-        self.sola_buffer[:] = infer_wav[-self.crossfade_frame :]
-        if sys.platform == "darwin":
-            outdata[:] = infer_wav[: -self.crossfade_frame].cpu().numpy()[:, np.newaxis]
-        else:
-            outdata[:] = infer_wav[: -self.crossfade_frame].repeat(2, 1).t().cpu().numpy()
-        total_time = time.perf_counter() - start_time
-        logger.info(f"Infer time: {total_time:.2f}")
-
-    def get_devices(self, update: bool = True):
-        if update:
-            sd._terminate()
-            sd._initialize()
-        devices = sd.query_devices()
-        hostapis = sd.query_hostapis()
-        for hostapi in hostapis:
-            for device_idx in hostapi["devices"]:
-                devices[device_idx]["hostapi_name"] = hostapi["name"]
-        input_devices = [
-            f"{d['name']} ({d['hostapi_name']})"
-            for d in devices
-            if d["max_input_channels"] > 0
-        ]
-        output_devices = [
-            f"{d['name']} ({d['hostapi_name']})"
-            for d in devices
-            if d["max_output_channels"] > 0
-        ]
-        input_devices_indices = [
-            d["index"] if "index" in d else d["name"]
-            for d in devices
-            if d["max_input_channels"] > 0
-        ]
-        output_devices_indices = [
-            d["index"] if "index" in d else d["name"]
-            for d in devices
-            if d["max_output_channels"] > 0
-        ]
-        return (
-            input_devices,
-            output_devices,
-            input_devices_indices,
-            output_devices_indices,
-        )
-
-    def set_devices(self, input_device, output_device):
-        (
-            input_devices,
-            output_devices,
-            input_device_indices,
-            output_device_indices,
-        ) = self.get_devices()
-        logger.debug(f"Available input devices: {input_devices}")
-        logger.debug(f"Available output devices: {output_devices}")
-        logger.debug(f"Selected input device: {input_device}")
-        logger.debug(f"Selected output device: {output_device}")
-
-        if input_device not in input_devices:
-            logger.error(f"Input device '{input_device}' is not in the list of available devices")
-            raise HTTPException(status_code=400, detail=f"Input device '{input_device}' is not available")
-        
-        if output_device not in output_devices:
-            logger.error(f"Output device '{output_device}' is not in the list of available devices")
-            raise HTTPException(status_code=400, detail=f"Output device '{output_device}' is not available")
-
-        sd.default.device[0] = input_device_indices[input_devices.index(input_device)]
-        sd.default.device[1] = output_device_indices[output_devices.index(output_device)]
-        logger.info(f"Input device set to {sd.default.device[0]}: {input_device}")
-        logger.info(f"Output device set to {sd.default.device[1]}: {output_device}")
-
-audio_api = AudioAPI()
-
-@app.get("/inputDevices", response_model=list)
-def get_input_devices():
-    try:
-        input_devices, _, _, _ = audio_api.get_devices()
-        return input_devices
-    except Exception as e:
-        logger.error(f"Failed to get input devices: {e}")
-        raise HTTPException(status_code=500, detail="Failed to get input devices")
-
-@app.get("/outputDevices", response_model=list)
-def get_output_devices():
-    try:
-        _, output_devices, _, _ = audio_api.get_devices()
-        return output_devices
-    except Exception as e:
-        logger.error(f"Failed to get output devices: {e}")
-        raise HTTPException(status_code=500, detail="Failed to get output devices")
-
-@app.post("/config")
-def configure_audio(config_data: ConfigData):
-    try:
-        logger.info(f"Configuring audio with data: {config_data}")
-        if audio_api.set_values(config_data):
-            settings = config_data.dict()
-            settings["use_jit"] = False
-            settings["f0method"] = "rmvpe"
-            with open("configs/config.json", "w", encoding='utf-8') as j:
-                json.dump(settings, j, ensure_ascii=False)
-            logger.info("Configuration set successfully")
-            return {"message": "Configuration set successfully"}
-    except HTTPException as e:
-        logger.error(f"Configuration error: {e.detail}")
-        raise
-    except Exception as e:
-        logger.error(f"Configuration failed: {e}")
-        raise HTTPException(status_code=400, detail=f"Configuration failed: {e}")
-
-@app.post("/start")
-def start_conversion():
-    try:
-        if not audio_api.flag_vc:
-            audio_api.start_vc()
-            return {"message": "Audio conversion started"}
-        else:
-            logger.warning("Audio conversion already running")
-            raise HTTPException(status_code=400, detail="Audio conversion already running")
-    except HTTPException as e:
-        logger.error(f"Start conversion error: {e.detail}")
-        raise
-    except Exception as e:
-        logger.error(f"Failed to start conversion: {e}")
-        raise HTTPException(status_code=500, detail=f"Failed to start conversion: {e}")
-
-@app.post("/stop")
-def stop_conversion():
-    try:
-        if audio_api.flag_vc:
-            audio_api.flag_vc = False
-            global stream_latency
-            stream_latency = -1
-            return {"message": "Audio conversion stopped"}
-        else:
-            logger.warning("Audio conversion not running")
-            raise HTTPException(status_code=400, detail="Audio conversion not running")
-    except HTTPException as e:
-        logger.error(f"Stop conversion error: {e.detail}")
-        raise
-    except Exception as e:
-        logger.error(f"Failed to stop conversion: {e}")
-        raise HTTPException(status_code=500, detail=f"Failed to stop conversion: {e}")
-
-if __name__ == "__main__":
-    if sys.platform == "win32":
-        from multiprocessing import freeze_support
-        freeze_support()
-    load_dotenv()
-    os.environ["OMP_NUM_THREADS"] = "4"
-    if sys.platform == "darwin":
-        os.environ["PYTORCH_ENABLE_MPS_FALLBACK"] = "1"
-    from tools.torchgate import TorchGate
-    import tools.rvc_for_realtime as rvc_for_realtime
-    from configs.config import Config
-    audio_api.config = Config()
-    uvicorn.run(app, host="0.0.0.0", port=6242)
--- a/api_240604.py
+++ b/api_240604.py
@ -1,565 +0,0 @@
-#api for 240604 release version by Xiaokai
-import os
-import sys
-import json
-import re
-import time
-import librosa
-import torch
-import numpy as np
-import torch.nn.functional as F
-import torchaudio.transforms as tat
-import sounddevice as sd
-from dotenv import load_dotenv
-from fastapi import FastAPI, HTTPException
-from pydantic import BaseModel
-import threading
-import uvicorn
-import logging
-from multiprocessing import Queue, Process, cpu_count, freeze_support
-
-# Initialize the logger
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-# Define FastAPI app
-app = FastAPI()
-
-class GUIConfig:
-    def __init__(self) -> None:
-        self.pth_path: str = ""
-        self.index_path: str = ""
-        self.pitch: int = 0
-        self.formant: float = 0.0
-        self.sr_type: str = "sr_model"
-        self.block_time: float = 0.25  # s
-        self.threhold: int = -60
-        self.crossfade_time: float = 0.05
-        self.extra_time: float = 2.5
-        self.I_noise_reduce: bool = False
-        self.O_noise_reduce: bool = False
-        self.use_pv: bool = False
-        self.rms_mix_rate: float = 0.0
-        self.index_rate: float = 0.0
-        self.n_cpu: int = 4
-        self.f0method: str = "fcpe"
-        self.sg_input_device: str = ""
-        self.sg_output_device: str = ""
-
-class ConfigData(BaseModel):
-    pth_path: str
-    index_path: str
-    sg_input_device: str
-    sg_output_device: str
-    threhold: int = -60
-    pitch: int = 0
-    formant: float = 0.0
-    index_rate: float = 0.3
-    rms_mix_rate: float = 0.0
-    block_time: float = 0.25
-    crossfade_length: float = 0.05
-    extra_time: float = 2.5
-    n_cpu: int = 4
-    I_noise_reduce: bool = False
-    O_noise_reduce: bool = False
-    use_pv: bool = False
-    f0method: str = "fcpe"
-
-class Harvest(Process):
-    def __init__(self, inp_q, opt_q):
-        super(Harvest, self).__init__()
-        self.inp_q = inp_q
-        self.opt_q = opt_q
-
-    def run(self):
-        import numpy as np
-        import pyworld
-        while True:
-            idx, x, res_f0, n_cpu, ts = self.inp_q.get()
-            f0, t = pyworld.harvest(
-                x.astype(np.double),
-                fs=16000,
-                f0_ceil=1100,
-                f0_floor=50,
-                frame_period=10,
-            )
-            res_f0[idx] = f0
-            if len(res_f0.keys()) >= n_cpu:
-                self.opt_q.put(ts)
-
-class AudioAPI:
-    def __init__(self) -> None:
-        self.gui_config = GUIConfig()
-        self.config = None  # Initialize Config object as None
-        self.flag_vc = False
-        self.function = "vc"
-        self.delay_time = 0
-        self.rvc = None  # Initialize RVC object as None
-        self.inp_q = None
-        self.opt_q = None
-        self.n_cpu = min(cpu_count(), 8)
-
-    def initialize_queues(self):
-        self.inp_q = Queue()
-        self.opt_q = Queue()
-        for _ in range(self.n_cpu):
-            p = Harvest(self.inp_q, self.opt_q)
-            p.daemon = True
-            p.start()
-
-    def load(self):
-        input_devices, output_devices, _, _ = self.get_devices()
-        try:
-            with open("configs/config.json", "r", encoding='utf-8') as j:
-                data = json.load(j)
-                if data["sg_input_device"] not in input_devices:
-                    data["sg_input_device"] = input_devices[sd.default.device[0]]
-                if data["sg_output_device"] not in output_devices:
-                    data["sg_output_device"] = output_devices[sd.default.device[1]]
-        except Exception as e:
-            logger.error(f"Failed to load configuration: {e}")
-            with open("configs/config.json", "w", encoding='utf-8') as j:
-                data = {
-                    "pth_path": "",
-                    "index_path": "",
-                    "sg_input_device": input_devices[sd.default.device[0]],
-                    "sg_output_device": output_devices[sd.default.device[1]],
-                    "threhold": -60,
-                    "pitch": 0,
-                    "formant": 0.0,
-                    "index_rate": 0,
-                    "rms_mix_rate": 0,
-                    "block_time": 0.25,
-                    "crossfade_length": 0.05,
-                    "extra_time": 2.5,
-                    "n_cpu": 4,
-                    "f0method": "fcpe",
-                    "use_jit": False,
-                    "use_pv": False,
-                }
-                json.dump(data, j, ensure_ascii=False)
-        return data
-
-    def set_values(self, values):
-        logger.info(f"Setting values: {values}")
-        if not values.pth_path.strip():
-            raise HTTPException(status_code=400, detail="Please select a .pth file")
-        if not values.index_path.strip():
-            raise HTTPException(status_code=400, detail="Please select an index file")
-        self.set_devices(values.sg_input_device, values.sg_output_device)
-        self.config.use_jit = False
-        self.gui_config.pth_path = values.pth_path
-        self.gui_config.index_path = values.index_path
-        self.gui_config.threhold = values.threhold
-        self.gui_config.pitch = values.pitch
-        self.gui_config.formant = values.formant
-        self.gui_config.block_time = values.block_time
-        self.gui_config.crossfade_time = values.crossfade_length
-        self.gui_config.extra_time = values.extra_time
-        self.gui_config.I_noise_reduce = values.I_noise_reduce
-        self.gui_config.O_noise_reduce = values.O_noise_reduce
-        self.gui_config.rms_mix_rate = values.rms_mix_rate
-        self.gui_config.index_rate = values.index_rate
-        self.gui_config.n_cpu = values.n_cpu
-        self.gui_config.use_pv = values.use_pv
-        self.gui_config.f0method = values.f0method
-        return True
-
-    def start_vc(self):
-        torch.cuda.empty_cache()
-        self.flag_vc = True
-        self.rvc = rvc_for_realtime.RVC(
-            self.gui_config.pitch,
-            self.gui_config.pth_path,
-            self.gui_config.index_path,
-            self.gui_config.index_rate,
-            self.gui_config.n_cpu,
-            self.inp_q,
-            self.opt_q,
-            self.config,
-            self.rvc if self.rvc else None,
-        )
-        self.gui_config.samplerate = (
-            self.rvc.tgt_sr
-            if self.gui_config.sr_type == "sr_model"
-            else self.get_device_samplerate()
-        )
-        self.zc = self.gui_config.samplerate // 100
-        self.block_frame = (
-            int(
-                np.round(
-                    self.gui_config.block_time
-                    * self.gui_config.samplerate
-                    / self.zc
-                )
-            )
-            * self.zc
-        )
-        self.block_frame_16k = 160 * self.block_frame // self.zc
-        self.crossfade_frame = (
-            int(
-                np.round(
-                    self.gui_config.crossfade_time
-                    * self.gui_config.samplerate
-                    / self.zc
-                )
-            )
-            * self.zc
-        )
-        self.sola_buffer_frame = min(self.crossfade_frame, 4 * self.zc)
-        self.sola_search_frame = self.zc
-        self.extra_frame = (
-            int(
-                np.round(
-                    self.gui_config.extra_time
-                    * self.gui_config.samplerate
-                    / self.zc
-                )
-            )
-            * self.zc
-        )
-        self.input_wav = torch.zeros(
-            self.extra_frame
-            + self.crossfade_frame
-            + self.sola_search_frame
-            + self.block_frame,
-            device=self.config.device,
-            dtype=torch.float32,
-        )
-        self.input_wav_denoise = self.input_wav.clone()
-        self.input_wav_res = torch.zeros(
-            160 * self.input_wav.shape[0] // self.zc,
-            device=self.config.device,
-            dtype=torch.float32,
-        )
-        self.rms_buffer = np.zeros(4 * self.zc, dtype="float32")
-        self.sola_buffer = torch.zeros(
-            self.sola_buffer_frame, device=self.config.device, dtype=torch.float32
-        )
-        self.nr_buffer = self.sola_buffer.clone()
-        self.output_buffer = self.input_wav.clone()
-        self.skip_head = self.extra_frame // self.zc
-        self.return_length = (
-            self.block_frame + self.sola_buffer_frame + self.sola_search_frame
-        ) // self.zc
-        self.fade_in_window = (
-            torch.sin(
-                0.5
-                * np.pi
-                * torch.linspace(
-                    0.0,
-                    1.0,
-                    steps=self.sola_buffer_frame,
-                    device=self.config.device,
-                    dtype=torch.float32,
-                )
-            )
-            ** 2
-        )
-        self.fade_out_window = 1 - self.fade_in_window
-        self.resampler = tat.Resample(
-            orig_freq=self.gui_config.samplerate,
-            new_freq=16000,
-            dtype=torch.float32,
-        ).to(self.config.device)
-        if self.rvc.tgt_sr != self.gui_config.samplerate:
-            self.resampler2 = tat.Resample(
-                orig_freq=self.rvc.tgt_sr,
-                new_freq=self.gui_config.samplerate,
-                dtype=torch.float32,
-            ).to(self.config.device)
-        else:
-            self.resampler2 = None
-        self.tg = TorchGate(
-            sr=self.gui_config.samplerate, n_fft=4 * self.zc, prop_decrease=0.9
-        ).to(self.config.device)
-        thread_vc = threading.Thread(target=self.soundinput)
-        thread_vc.start()
-
-    def soundinput(self):
-        channels = 1 if sys.platform == "darwin" else 2
-        with sd.Stream(
-            channels=channels,
-            callback=self.audio_callback,
-            blocksize=self.block_frame,
-            samplerate=self.gui_config.samplerate,
-            dtype="float32",
-        ) as stream:
-            global stream_latency
-            stream_latency = stream.latency[-1]
-            while self.flag_vc:
-                time.sleep(self.gui_config.block_time)
-                logger.info("Audio block passed.")
-        logger.info("Ending VC")
-
-    def audio_callback(self, indata: np.ndarray, outdata: np.ndarray, frames, times, status):
-        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[-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:
-            self.input_wav_denoise[: -self.block_frame] = self.input_wav_denoise[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)).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 :]
-            self.input_wav_res[-self.block_frame_16k - 160 :] = self.resampler(
-                self.input_wav_denoise[-self.block_frame - 2 * self.zc :]
-            )[160:]
-        else:
-            self.input_wav_res[-160 * (indata.shape[0] // self.zc + 1) :] = (
-                self.resampler(self.input_wav[-indata.shape[0] - 2 * self.zc :])[160:]
-            )
-        # infer
-        if self.function == "vc":
-            infer_wav = self.rvc.infer(
-                self.input_wav_res,
-                self.block_frame_16k,
-                self.skip_head,
-                self.return_length,
-                self.gui_config.f0method,
-            )
-            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[self.extra_frame :].clone()
-        # output noise reduction
-        if self.gui_config.O_noise_reduce and self.function == "vc":
-            self.output_buffer[: -self.block_frame] = self.output_buffer[self.block_frame :].clone()
-            self.output_buffer[-self.block_frame :] = infer_wav[-self.block_frame :]
-            infer_wav = self.tg(infer_wav.unsqueeze(0), self.output_buffer.unsqueeze(0)).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=input_wav[: infer_wav.shape[0]].cpu().numpy(),
-                frame_length=4 * self.zc,
-                hop_length=self.zc,
-            )
-            rms1 = torch.from_numpy(rms1).to(self.config.device)
-            rms1 = F.interpolate(
-                rms1.unsqueeze(0),
-                size=infer_wav.shape[0] + 1,
-                mode="linear",
-                align_corners=True,
-            )[0, 0, :-1]
-            rms2 = librosa.feature.rms(
-                y=infer_wav[:].cpu().numpy(),
-                frame_length=4 * self.zc,
-                hop_length=self.zc,
-            )
-            rms2 = torch.from_numpy(rms2).to(self.config.device)
-            rms2 = F.interpolate(
-                rms2.unsqueeze(0),
-                size=infer_wav.shape[0] + 1,
-                mode="linear",
-                align_corners=True,
-            )[0, 0, :-1]
-            rms2 = torch.max(rms2, torch.zeros_like(rms2) + 1e-3)
-            infer_wav *= torch.pow(
-                rms1 / rms2, torch.tensor(1 - self.gui_config.rms_mix_rate)
-            )
-        # SOLA algorithm from https://github.com/yxlllc/DDSP-SVC
-        conv_input = infer_wav[None, None, : self.sola_buffer_frame + self.sola_search_frame]
-        cor_nom = F.conv1d(conv_input, self.sola_buffer[None, None, :])
-        cor_den = torch.sqrt(
-            F.conv1d(
-                conv_input**2,
-                torch.ones(1, 1, self.sola_buffer_frame, device=self.config.device),
-            )
-            + 1e-8
-        )
-        if sys.platform == "darwin":
-            _, sola_offset = torch.max(cor_nom[0, 0] / cor_den[0, 0])
-            sola_offset = sola_offset.item()
-        else:
-            sola_offset = torch.argmax(cor_nom[0, 0] / cor_den[0, 0])
-        logger.info(f"sola_offset = {sola_offset}")
-        infer_wav = infer_wav[sola_offset:]
-        if "privateuseone" in str(self.config.device) or not self.gui_config.use_pv:
-            infer_wav[: self.sola_buffer_frame] *= self.fade_in_window
-            infer_wav[: self.sola_buffer_frame] += self.sola_buffer * self.fade_out_window
-        else:
-            infer_wav[: self.sola_buffer_frame] = phase_vocoder(
-                self.sola_buffer,
-                infer_wav[: self.sola_buffer_frame],
-                self.fade_out_window,
-                self.fade_in_window,
-            )
-        self.sola_buffer[:] = infer_wav[
-            self.block_frame : self.block_frame + self.sola_buffer_frame
-        ]
-        if sys.platform == "darwin":
-            outdata[:] = infer_wav[: self.block_frame].cpu().numpy()[:, np.newaxis]
-        else:
-            outdata[:] = infer_wav[: self.block_frame].repeat(2, 1).t().cpu().numpy()
-        total_time = time.perf_counter() - start_time
-        logger.info(f"Infer time: {total_time:.2f}")
-
-    def get_devices(self, update: bool = True):
-        if update:
-            sd._terminate()
-            sd._initialize()
-        devices = sd.query_devices()
-        hostapis = sd.query_hostapis()
-        for hostapi in hostapis:
-            for device_idx in hostapi["devices"]:
-                devices[device_idx]["hostapi_name"] = hostapi["name"]
-        input_devices = [
-            f"{d['name']} ({d['hostapi_name']})"
-            for d in devices
-            if d["max_input_channels"] > 0
-        ]
-        output_devices = [
-            f"{d['name']} ({d['hostapi_name']})"
-            for d in devices
-            if d["max_output_channels"] > 0
-        ]
-        input_devices_indices = [
-            d["index"] if "index" in d else d["name"]
-            for d in devices
-            if d["max_input_channels"] > 0
-        ]
-        output_devices_indices = [
-            d["index"] if "index" in d else d["name"]
-            for d in devices
-            if d["max_output_channels"] > 0
-        ]
-        return (
-            input_devices,
-            output_devices,
-            input_devices_indices,
-            output_devices_indices,
-        )
-
-    def set_devices(self, input_device, output_device):
-        (
-            input_devices,
-            output_devices,
-            input_device_indices,
-            output_device_indices,
-        ) = self.get_devices()
-        logger.debug(f"Available input devices: {input_devices}")
-        logger.debug(f"Available output devices: {output_devices}")
-        logger.debug(f"Selected input device: {input_device}")
-        logger.debug(f"Selected output device: {output_device}")
-
-        if input_device not in input_devices:
-            logger.error(f"Input device '{input_device}' is not in the list of available devices")
-            raise HTTPException(status_code=400, detail=f"Input device '{input_device}' is not available")
-        
-        if output_device not in output_devices:
-            logger.error(f"Output device '{output_device}' is not in the list of available devices")
-            raise HTTPException(status_code=400, detail=f"Output device '{output_device}' is not available")
-
-        sd.default.device[0] = input_device_indices[input_devices.index(input_device)]
-        sd.default.device[1] = output_device_indices[output_devices.index(output_device)]
-        logger.info(f"Input device set to {sd.default.device[0]}: {input_device}")
-        logger.info(f"Output device set to {sd.default.device[1]}: {output_device}")
-
-audio_api = AudioAPI()
-
-@app.get("/inputDevices", response_model=list)
-def get_input_devices():
-    try:
-        input_devices, _, _, _ = audio_api.get_devices()
-        return input_devices
-    except Exception as e:
-        logger.error(f"Failed to get input devices: {e}")
-        raise HTTPException(status_code=500, detail="Failed to get input devices")
-
-@app.get("/outputDevices", response_model=list)
-def get_output_devices():
-    try:
-        _, output_devices, _, _ = audio_api.get_devices()
-        return output_devices
-    except Exception as e:
-        logger.error(f"Failed to get output devices: {e}")
-        raise HTTPException(status_code=500, detail="Failed to get output devices")
-
-@app.post("/config")
-def configure_audio(config_data: ConfigData):
-    try:
-        logger.info(f"Configuring audio with data: {config_data}")
-        if audio_api.set_values(config_data):
-            settings = config_data.dict()
-            settings["use_jit"] = False
-            with open("configs/config.json", "w", encoding='utf-8') as j:
-                json.dump(settings, j, ensure_ascii=False)
-            logger.info("Configuration set successfully")
-            return {"message": "Configuration set successfully"}
-    except HTTPException as e:
-        logger.error(f"Configuration error: {e.detail}")
-        raise
-    except Exception as e:
-        logger.error(f"Configuration failed: {e}")
-        raise HTTPException(status_code=400, detail=f"Configuration failed: {e}")
-
-@app.post("/start")
-def start_conversion():
-    try:
-        if not audio_api.flag_vc:
-            audio_api.start_vc()
-            return {"message": "Audio conversion started"}
-        else:
-            logger.warning("Audio conversion already running")
-            raise HTTPException(status_code=400, detail="Audio conversion already running")
-    except HTTPException as e:
-        logger.error(f"Start conversion error: {e.detail}")
-        raise
-    except Exception as e:
-        logger.error(f"Failed to start conversion: {e}")
-        raise HTTPException(status_code=500, detail="Failed to start conversion: {e}")
-
-@app.post("/stop")
-def stop_conversion():
-    try:
-        if audio_api.flag_vc:
-            audio_api.flag_vc = False
-            global stream_latency
-            stream_latency = -1
-            return {"message": "Audio conversion stopped"}
-        else:
-            logger.warning("Audio conversion not running")
-            raise HTTPException(status_code=400, detail="Audio conversion not running")
-    except HTTPException as e:
-        logger.error(f"Stop conversion error: {e.detail}")
-        raise
-    except Exception as e:
-        logger.error(f"Failed to stop conversion: {e}")
-        raise HTTPException(status_code=500, detail="Failed to stop conversion: {e}")
-
-if __name__ == "__main__":
-    if sys.platform == "win32":
-        freeze_support()
-    load_dotenv()
-    os.environ["OMP_NUM_THREADS"] = "4"
-    if sys.platform == "darwin":
-        os.environ["PYTORCH_ENABLE_MPS_FALLBACK"] = "1"
-    from tools.torchgate import TorchGate
-    import tools.rvc_for_realtime as rvc_for_realtime
-    from configs.config import Config
-    audio_api.config = Config()
-    audio_api.initialize_queues()
-    uvicorn.run(app, host="0.0.0.0", port=6242)
--- a/app.py
+++ b/app.py
@ -0,0 +1,319 @@
+import os
+import torch
+
+# os.system("wget -P cvec/ https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/hubert_base.pt")
+import gradio as gr
+import librosa
+import numpy as np
+import logging
+from fairseq import checkpoint_utils
+from vc_infer_pipeline import VC
+import traceback
+from config import Config
+from lib.infer_pack.models import (
+    SynthesizerTrnMs256NSFsid,
+    SynthesizerTrnMs256NSFsid_nono,
+    SynthesizerTrnMs768NSFsid,
+    SynthesizerTrnMs768NSFsid_nono,
+)
+from i18n import I18nAuto
+
+logging.getLogger("numba").setLevel(logging.WARNING)
+logging.getLogger("markdown_it").setLevel(logging.WARNING)
+logging.getLogger("urllib3").setLevel(logging.WARNING)
+logging.getLogger("matplotlib").setLevel(logging.WARNING)
+
+i18n = I18nAuto()
+i18n.print()
+
+config = Config()
+
+weight_root = "weights"
+weight_uvr5_root = "uvr5_weights"
+index_root = "logs"
+names = []
+hubert_model = None
+for name in os.listdir(weight_root):
+    if name.endswith(".pth"):
+        names.append(name)
+index_paths = []
+for root, dirs, files in os.walk(index_root, topdown=False):
+    for name in files:
+        if name.endswith(".index") and "trained" not in name:
+            index_paths.append("%s/%s" % (root, name))
+
+
+def get_vc(sid):
+    global n_spk, tgt_sr, net_g, vc, cpt, version
+    if sid == "" or sid == []:
+        global hubert_model
+        if hubert_model != None:  # 考虑到轮询, 需要加个判断看是否 sid 是由有模型切换到无模型的
+            print("clean_empty_cache")
+            del net_g, n_spk, vc, hubert_model, tgt_sr  # ,cpt
+            hubert_model = net_g = n_spk = vc = hubert_model = tgt_sr = None
+            if torch.cuda.is_available():
+                torch.cuda.empty_cache()
+            ###楼下不这么折腾清理不干净
+            if_f0 = cpt.get("f0", 1)
+            version = cpt.get("version", "v1")
+            if version == "v1":
+                if if_f0 == 1:
+                    net_g = SynthesizerTrnMs256NSFsid(
+                        *cpt["config"], is_half=config.is_half
+                    )
+                else:
+                    net_g = SynthesizerTrnMs256NSFsid_nono(*cpt["config"])
+            elif version == "v2":
+                if if_f0 == 1:
+                    net_g = SynthesizerTrnMs768NSFsid(
+                        *cpt["config"], is_half=config.is_half
+                    )
+                else:
+                    net_g = SynthesizerTrnMs768NSFsid_nono(*cpt["config"])
+            del net_g, cpt
+            if torch.cuda.is_available():
+                torch.cuda.empty_cache()
+            cpt = None
+        return {"visible": False, "__type__": "update"}
+    person = "%s/%s" % (weight_root, sid)
+    print("loading %s" % person)
+    cpt = torch.load(person, map_location="cpu")
+    tgt_sr = cpt["config"][-1]
+    cpt["config"][-3] = cpt["weight"]["emb_g.weight"].shape[0]  # n_spk
+    if_f0 = cpt.get("f0", 1)
+    version = cpt.get("version", "v1")
+    if version == "v1":
+        if if_f0 == 1:
+            net_g = SynthesizerTrnMs256NSFsid(*cpt["config"], is_half=config.is_half)
+        else:
+            net_g = SynthesizerTrnMs256NSFsid_nono(*cpt["config"])
+    elif version == "v2":
+        if if_f0 == 1:
+            net_g = SynthesizerTrnMs768NSFsid(*cpt["config"], is_half=config.is_half)
+        else:
+            net_g = SynthesizerTrnMs768NSFsid_nono(*cpt["config"])
+    del net_g.enc_q
+    print(net_g.load_state_dict(cpt["weight"], strict=False))
+    net_g.eval().to(config.device)
+    if config.is_half:
+        net_g = net_g.half()
+    else:
+        net_g = net_g.float()
+    vc = VC(tgt_sr, config)
+    n_spk = cpt["config"][-3]
+    return {"visible": True, "maximum": n_spk, "__type__": "update"}
+
+
+def load_hubert():
+    global hubert_model
+    models, _, _ = checkpoint_utils.load_model_ensemble_and_task(
+        ["hubert_base.pt"],
+        suffix="",
+    )
+    hubert_model = models[0]
+    hubert_model = hubert_model.to(config.device)
+    if config.is_half:
+        hubert_model = hubert_model.half()
+    else:
+        hubert_model = hubert_model.float()
+    hubert_model.eval()
+
+
+def vc_single(
+    sid,
+    input_audio_path,
+    f0_up_key,
+    f0_file,
+    f0_method,
+    file_index,
+    file_index2,
+    # file_big_npy,
+    index_rate,
+    filter_radius,
+    resample_sr,
+    rms_mix_rate,
+    protect,
+):  # spk_item, input_audio0, vc_transform0,f0_file,f0method0
+    global tgt_sr, net_g, vc, hubert_model, version
+    if input_audio_path is None:
+        return "You need to upload an audio", None
+    f0_up_key = int(f0_up_key)
+    try:
+        audio = input_audio_path[1] / 32768.0
+        if len(audio.shape) == 2:
+            audio = np.mean(audio, -1)
+        audio = librosa.resample(audio, orig_sr=input_audio_path[0], target_sr=16000)
+        audio_max = np.abs(audio).max() / 0.95
+        if audio_max > 1:
+            audio /= audio_max
+        times = [0, 0, 0]
+        if hubert_model == None:
+            load_hubert()
+        if_f0 = cpt.get("f0", 1)
+        file_index = (
+            (
+                file_index.strip(" ")
+                .strip('"')
+                .strip("\n")
+                .strip('"')
+                .strip(" ")
+                .replace("trained", "added")
+            )
+            if file_index != ""
+            else file_index2
+        )  # 防止小白写错，自动帮他替换掉
+        # file_big_npy = (
+        #     file_big_npy.strip(" ").strip('"').strip("\n").strip('"').strip(" ")
+        # )
+        audio_opt = vc.pipeline(
+            hubert_model,
+            net_g,
+            sid,
+            audio,
+            input_audio_path,
+            times,
+            f0_up_key,
+            f0_method,
+            file_index,
+            # file_big_npy,
+            index_rate,
+            if_f0,
+            filter_radius,
+            tgt_sr,
+            resample_sr,
+            rms_mix_rate,
+            version,
+            protect,
+            f0_file=f0_file,
+        )
+        if resample_sr >= 16000 and tgt_sr != resample_sr:
+            tgt_sr = resample_sr
+        index_info = (
+            "Using index:%s." % file_index
+            if os.path.exists(file_index)
+            else "Index not used."
+        )
+        return "Success.\n %s\nTime:\n npy:%ss, f0:%ss, infer:%ss" % (
+            index_info,
+            times[0],
+            times[1],
+            times[2],
+        ), (tgt_sr, audio_opt)
+    except:
+        info = traceback.format_exc()
+        print(info)
+        return info, (None, None)
+
+
+app = gr.Blocks()
+with app:
+    with gr.Tabs():
+        with gr.TabItem("在线demo"):
+            gr.Markdown(
+                value="""
+                RVC 在线demo
+                """
+            )
+            sid = gr.Dropdown(label=i18n("推理音色"), choices=sorted(names))
+            with gr.Column():
+                spk_item = gr.Slider(
+                    minimum=0,
+                    maximum=2333,
+                    step=1,
+                    label=i18n("请选择说话人id"),
+                    value=0,
+                    visible=False,
+                    interactive=True,
+                )
+            sid.change(
+                fn=get_vc,
+                inputs=[sid],
+                outputs=[spk_item],
+            )
+            gr.Markdown(
+                value=i18n("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. ")
+            )
+            vc_input3 = gr.Audio(label="上传音频（长度小于90秒）")
+            vc_transform0 = gr.Number(label=i18n("变调(整数, 半音数量, 升八度12降八度-12)"), value=0)
+            f0method0 = gr.Radio(
+                label=i18n("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"),
+                choices=["pm", "harvest", "crepe", "rmvpe"],
+                value="pm",
+                interactive=True,
+            )
+            filter_radius0 = gr.Slider(
+                minimum=0,
+                maximum=7,
+                label=i18n(">=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"),
+                value=3,
+                step=1,
+                interactive=True,
+            )
+            with gr.Column():
+                file_index1 = gr.Textbox(
+                    label=i18n("特征检索库文件路径,为空则使用下拉的选择结果"),
+                    value="",
+                    interactive=False,
+                    visible=False,
+                )
+            file_index2 = gr.Dropdown(
+                label=i18n("自动检测index路径,下拉式选择(dropdown)"),
+                choices=sorted(index_paths),
+                interactive=True,
+            )
+            index_rate1 = gr.Slider(
+                minimum=0,
+                maximum=1,
+                label=i18n("检索特征占比"),
+                value=0.88,
+                interactive=True,
+            )
+            resample_sr0 = gr.Slider(
+                minimum=0,
+                maximum=48000,
+                label=i18n("后处理重采样至最终采样率，0为不进行重采样"),
+                value=0,
+                step=1,
+                interactive=True,
+            )
+            rms_mix_rate0 = gr.Slider(
+                minimum=0,
+                maximum=1,
+                label=i18n("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"),
+                value=1,
+                interactive=True,
+            )
+            protect0 = gr.Slider(
+                minimum=0,
+                maximum=0.5,
+                label=i18n("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"),
+                value=0.33,
+                step=0.01,
+                interactive=True,
+            )
+            f0_file = gr.File(label=i18n("F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调"))
+            but0 = gr.Button(i18n("转换"), variant="primary")
+            vc_output1 = gr.Textbox(label=i18n("输出信息"))
+            vc_output2 = gr.Audio(label=i18n("输出音频(右下角三个点,点了可以下载)"))
+            but0.click(
+                vc_single,
+                [
+                    spk_item,
+                    vc_input3,
+                    vc_transform0,
+                    f0_file,
+                    f0method0,
+                    file_index1,
+                    file_index2,
+                    # file_big_npy1,
+                    index_rate1,
+                    filter_radius0,
+                    resample_sr0,
+                    rms_mix_rate0,
+                    protect0,
+                ],
+                [vc_output1, vc_output2],
+            )
+
+
+app.launch()
--- a/assets/Synthesizer_inputs.pth
+++ b/assets/Synthesizer_inputs.pth
--- a/assets/hubert/.gitignore
+++ b/assets/hubert/.gitignore
@ -1,3 +0,0 @@
-*
-!.gitignore
-!hubert_inputs.pth
--- a/assets/hubert/hubert_inputs.pth
+++ b/assets/hubert/hubert_inputs.pth
--- a/assets/rmvpe/.gitignore
+++ b/assets/rmvpe/.gitignore
@ -1,3 +0,0 @@
-*
-!.gitignore
-!rmvpe_inputs.pth
--- a/assets/rmvpe/rmvpe_inputs.pth
+++ b/assets/rmvpe/rmvpe_inputs.pth
--- a/assets/weights/.gitignore
+++ b/assets/weights/.gitignore
@ -1,2 +0,0 @@
-*
-!.gitignore
--- a/config.py
+++ b/config.py
@ -0,0 +1,186 @@
+import os
+import argparse
+import sys
+import torch
+from multiprocessing import cpu_count
+
+
+def use_fp32_config():
+    for config_file in [
+        "32k.json",
+        "40k.json",
+        "48k.json",
+        "48k_v2.json",
+        "32k_v2.json",
+    ]:
+        with open(f"configs/{config_file}", "r") as f:
+            strr = f.read().replace("true", "false")
+        with open(f"configs/{config_file}", "w") as f:
+            f.write(strr)
+    with open("trainset_preprocess_pipeline_print.py", "r") as f:
+        strr = f.read().replace("3.7", "3.0")
+    with open("trainset_preprocess_pipeline_print.py", "w") as f:
+        f.write(strr)
+
+
+class Config:
+    def __init__(self):
+        self.device = "cuda:0"
+        self.is_half = True
+        self.n_cpu = 0
+        self.gpu_name = None
+        self.gpu_mem = None
+        (
+            self.python_cmd,
+            self.listen_port,
+            self.iscolab,
+            self.noparallel,
+            self.noautoopen,
+            self.dml,
+        ) = self.arg_parse()
+        self.instead = ""
+        self.x_pad, self.x_query, self.x_center, self.x_max = self.device_config()
+
+    @staticmethod
+    def arg_parse() -> tuple:
+        exe = sys.executable or "python"
+        parser = argparse.ArgumentParser()
+        parser.add_argument("--port", type=int, default=7865, help="Listen port")
+        parser.add_argument("--pycmd", type=str, default=exe, help="Python command")
+        parser.add_argument("--colab", action="store_true", help="Launch in colab")
+        parser.add_argument(
+            "--noparallel", action="store_true", help="Disable parallel processing"
+        )
+        parser.add_argument(
+            "--noautoopen",
+            action="store_true",
+            help="Do not open in browser automatically",
+        )
+        parser.add_argument(
+            "--dml",
+            action="store_true",
+            help="torch_dml",
+        )
+        cmd_opts = parser.parse_args()
+
+        cmd_opts.port = cmd_opts.port if 0 <= cmd_opts.port <= 65535 else 7865
+
+        return (
+            cmd_opts.pycmd,
+            cmd_opts.port,
+            cmd_opts.colab,
+            cmd_opts.noparallel,
+            cmd_opts.noautoopen,
+            cmd_opts.dml,
+        )
+
+    # has_mps is only available in nightly pytorch (for now) and MasOS 12.3+.
+    # check `getattr` and try it for compatibility
+    @staticmethod
+    def has_mps() -> bool:
+        if not torch.backends.mps.is_available():
+            return False
+        try:
+            torch.zeros(1).to(torch.device("mps"))
+            return True
+        except Exception:
+            return False
+
+    def device_config(self) -> tuple:
+        if torch.cuda.is_available():
+            i_device = int(self.device.split(":")[-1])
+            self.gpu_name = torch.cuda.get_device_name(i_device)
+            if (
+                ("16" in self.gpu_name and "V100" not in self.gpu_name.upper())
+                or "P40" in self.gpu_name.upper()
+                or "1060" in self.gpu_name
+                or "1070" in self.gpu_name
+                or "1080" in self.gpu_name
+            ):
+                print("Found GPU", self.gpu_name, ", force to fp32")
+                self.is_half = False
+                use_fp32_config()
+            else:
+                print("Found GPU", self.gpu_name)
+            self.gpu_mem = int(
+                torch.cuda.get_device_properties(i_device).total_memory
+                / 1024
+                / 1024
+                / 1024
+                + 0.4
+            )
+            if self.gpu_mem <= 4:
+                with open("trainset_preprocess_pipeline_print.py", "r") as f:
+                    strr = f.read().replace("3.7", "3.0")
+                with open("trainset_preprocess_pipeline_print.py", "w") as f:
+                    f.write(strr)
+        elif self.has_mps():
+            print("No supported Nvidia GPU found")
+            self.device = self.instead = "mps"
+            self.is_half = False
+            use_fp32_config()
+        else:
+            print("No supported Nvidia GPU found")
+            self.device = self.instead = "cpu"
+            self.is_half = False
+            use_fp32_config()
+
+        if self.n_cpu == 0:
+            self.n_cpu = cpu_count()
+
+        if self.is_half:
+            # 6G显存配置
+            x_pad = 3
+            x_query = 10
+            x_center = 60
+            x_max = 65
+        else:
+            # 5G显存配置
+            x_pad = 1
+            x_query = 6
+            x_center = 38
+            x_max = 41
+
+        if self.gpu_mem is not None and self.gpu_mem <= 4:
+            x_pad = 1
+            x_query = 5
+            x_center = 30
+            x_max = 32
+        if self.dml:
+            print("use DirectML instead")
+            try:
+                os.rename(
+                    "runtime\Lib\site-packages\onnxruntime",
+                    "runtime\Lib\site-packages\onnxruntime-cuda",
+                )
+            except:
+                pass
+            try:
+                os.rename(
+                    "runtime\Lib\site-packages\onnxruntime-dml",
+                    "runtime\Lib\site-packages\onnxruntime",
+                )
+            except:
+                pass
+            import torch_directml
+
+            self.device = torch_directml.device(torch_directml.default_device())
+            self.is_half = False
+        else:
+            if self.instead:
+                print(f"use {self.instead} instead")
+            try:
+                os.rename(
+                    "runtime\Lib\site-packages\onnxruntime",
+                    "runtime\Lib\site-packages\onnxruntime-cuda",
+                )
+            except:
+                pass
+            try:
+                os.rename(
+                    "runtime\Lib\site-packages\onnxruntime-dml",
+                    "runtime\Lib\site-packages\onnxruntime",
+                )
+            except:
+                pass
+        return x_pad, x_query, x_center, x_max
--- a/configs/v1/32k.json
+++ b/configs/v1/32k.json
--- a/configs/32k_v2.json
+++ b/configs/32k_v2.json
--- a/configs/v1/40k.json
+++ b/configs/v1/40k.json
--- a/configs/v1/48k.json
+++ b/configs/v1/48k.json
--- a/configs/48k_v2.json
+++ b/configs/48k_v2.json
--- a/configs/config.json
+++ b/configs/config.json
@ -1 +0,0 @@
-{"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, "formant": 0.0, "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"}
--- a/configs/config.py
+++ b/configs/config.py
@ -1,254 +0,0 @@
-import argparse
-import os
-import sys
-import json
-import shutil
-from multiprocessing import cpu_count
-
-import torch
-
-try:
-    import intel_extension_for_pytorch as ipex  # pylint: disable=import-error, unused-import
-
-    if torch.xpu.is_available():
-        from infer.modules.ipex import ipex_init
-
-        ipex_init()
-except Exception:  # pylint: disable=broad-exception-caught
-    pass
-import logging
-
-logger = logging.getLogger(__name__)
-
-
-version_config_list = [
-    "v1/32k.json",
-    "v1/40k.json",
-    "v1/48k.json",
-    "v2/48k.json",
-    "v2/32k.json",
-]
-
-
-def singleton_variable(func):
-    def wrapper(*args, **kwargs):
-        if not wrapper.instance:
-            wrapper.instance = func(*args, **kwargs)
-        return wrapper.instance
-
-    wrapper.instance = None
-    return wrapper
-
-
-@singleton_variable
-class Config:
-    def __init__(self):
-        self.device = "cuda:0"
-        self.is_half = True
-        self.use_jit = False
-        self.n_cpu = 0
-        self.gpu_name = None
-        self.json_config = self.load_config_json()
-        self.gpu_mem = None
-        (
-            self.python_cmd,
-            self.listen_port,
-            self.iscolab,
-            self.noparallel,
-            self.noautoopen,
-            self.dml,
-        ) = self.arg_parse()
-        self.instead = ""
-        self.preprocess_per = 3.7
-        self.x_pad, self.x_query, self.x_center, self.x_max = self.device_config()
-
-    @staticmethod
-    def load_config_json() -> dict:
-        d = {}
-        for config_file in version_config_list:
-            p = f"configs/inuse/{config_file}"
-            if not os.path.exists(p):
-                shutil.copy(f"configs/{config_file}", p)
-            with open(f"configs/inuse/{config_file}", "r") as f:
-                d[config_file] = json.load(f)
-        return d
-
-    @staticmethod
-    def arg_parse() -> tuple:
-        exe = sys.executable or "python"
-        parser = argparse.ArgumentParser()
-        parser.add_argument("--port", type=int, default=7865, help="Listen port")
-        parser.add_argument("--pycmd", type=str, default=exe, help="Python command")
-        parser.add_argument("--colab", action="store_true", help="Launch in colab")
-        parser.add_argument(
-            "--noparallel", action="store_true", help="Disable parallel processing"
-        )
-        parser.add_argument(
-            "--noautoopen",
-            action="store_true",
-            help="Do not open in browser automatically",
-        )
-        parser.add_argument(
-            "--dml",
-            action="store_true",
-            help="torch_dml",
-        )
-        cmd_opts = parser.parse_args()
-
-        cmd_opts.port = cmd_opts.port if 0 <= cmd_opts.port <= 65535 else 7865
-
-        return (
-            cmd_opts.pycmd,
-            cmd_opts.port,
-            cmd_opts.colab,
-            cmd_opts.noparallel,
-            cmd_opts.noautoopen,
-            cmd_opts.dml,
-        )
-
-    # has_mps is only available in nightly pytorch (for now) and MasOS 12.3+.
-    # check `getattr` and try it for compatibility
-    @staticmethod
-    def has_mps() -> bool:
-        if not torch.backends.mps.is_available():
-            return False
-        try:
-            torch.zeros(1).to(torch.device("mps"))
-            return True
-        except Exception:
-            return False
-
-    @staticmethod
-    def has_xpu() -> bool:
-        if hasattr(torch, "xpu") and torch.xpu.is_available():
-            return True
-        else:
-            return False
-
-    def use_fp32_config(self):
-        for config_file in version_config_list:
-            self.json_config[config_file]["train"]["fp16_run"] = False
-            with open(f"configs/inuse/{config_file}", "r") as f:
-                strr = f.read().replace("true", "false")
-            with open(f"configs/inuse/{config_file}", "w") as f:
-                f.write(strr)
-            logger.info("overwrite " + config_file)
-        self.preprocess_per = 3.0
-        logger.info("overwrite preprocess_per to %d" % (self.preprocess_per))
-
-    def device_config(self) -> tuple:
-        if torch.cuda.is_available():
-            if self.has_xpu():
-                self.device = self.instead = "xpu:0"
-                self.is_half = True
-            i_device = int(self.device.split(":")[-1])
-            self.gpu_name = torch.cuda.get_device_name(i_device)
-            if (
-                ("16" in self.gpu_name and "V100" not in self.gpu_name.upper())
-                or "P40" in self.gpu_name.upper()
-                or "P10" in self.gpu_name.upper()
-                or "1060" in self.gpu_name
-                or "1070" in self.gpu_name
-                or "1080" in self.gpu_name
-            ):
-                logger.info("Found GPU %s, force to fp32", self.gpu_name)
-                self.is_half = False
-                self.use_fp32_config()
-            else:
-                logger.info("Found GPU %s", self.gpu_name)
-            self.gpu_mem = int(
-                torch.cuda.get_device_properties(i_device).total_memory
-                / 1024
-                / 1024
-                / 1024
-                + 0.4
-            )
-            if self.gpu_mem <= 4:
-                self.preprocess_per = 3.0
-        elif self.has_mps():
-            logger.info("No supported Nvidia GPU found")
-            self.device = self.instead = "mps"
-            self.is_half = False
-            self.use_fp32_config()
-        else:
-            logger.info("No supported Nvidia GPU found")
-            self.device = self.instead = "cpu"
-            self.is_half = False
-            self.use_fp32_config()
-
-        if self.n_cpu == 0:
-            self.n_cpu = cpu_count()
-
-        if self.is_half:
-            # 6G显存配置
-            x_pad = 3
-            x_query = 10
-            x_center = 60
-            x_max = 65
-        else:
-            # 5G显存配置
-            x_pad = 1
-            x_query = 6
-            x_center = 38
-            x_max = 41
-
-        if self.gpu_mem is not None and self.gpu_mem <= 4:
-            x_pad = 1
-            x_query = 5
-            x_center = 30
-            x_max = 32
-        if self.dml:
-            logger.info("Use DirectML instead")
-            if (
-                os.path.exists(
-                    "runtime\Lib\site-packages\onnxruntime\capi\DirectML.dll"
-                )
-                == False
-            ):
-                try:
-                    os.rename(
-                        "runtime\Lib\site-packages\onnxruntime",
-                        "runtime\Lib\site-packages\onnxruntime-cuda",
-                    )
-                except:
-                    pass
-                try:
-                    os.rename(
-                        "runtime\Lib\site-packages\onnxruntime-dml",
-                        "runtime\Lib\site-packages\onnxruntime",
-                    )
-                except:
-                    pass
-            # if self.device != "cpu":
-            import torch_directml
-
-            self.device = torch_directml.device(torch_directml.default_device())
-            self.is_half = False
-        else:
-            if self.instead:
-                logger.info(f"Use {self.instead} instead")
-            if (
-                os.path.exists(
-                    "runtime\Lib\site-packages\onnxruntime\capi\onnxruntime_providers_cuda.dll"
-                )
-                == False
-            ):
-                try:
-                    os.rename(
-                        "runtime\Lib\site-packages\onnxruntime",
-                        "runtime\Lib\site-packages\onnxruntime-dml",
-                    )
-                except:
-                    pass
-                try:
-                    os.rename(
-                        "runtime\Lib\site-packages\onnxruntime-cuda",
-                        "runtime\Lib\site-packages\onnxruntime",
-                    )
-                except:
-                    pass
-        logger.info(
-            "Half-precision floating-point: %s, device: %s"
-            % (self.is_half, self.device)
-        )
-        return x_pad, x_query, x_center, x_max
--- a/configs/inuse/.gitignore
+++ b/configs/inuse/.gitignore
@ -1,4 +0,0 @@
-*
-!.gitignore
-!v1
-!v2
--- a/configs/inuse/v1/.gitignore
+++ b/configs/inuse/v1/.gitignore
@ -1,2 +0,0 @@
-*
-!.gitignore
--- a/configs/inuse/v2/.gitignore
+++ b/configs/inuse/v2/.gitignore
@ -1,2 +0,0 @@
-*
-!.gitignore
--- a/docker-compose.yml
+++ b/docker-compose.yml
@ -1,20 +0,0 @@
-version: "3.8"
-services:
-  rvc:
-    build:
-      context: .
-      dockerfile: Dockerfile
-    container_name: rvc
-    volumes:
-      - ./weights:/app/assets/weights
-      - ./opt:/app/opt
-      # - ./dataset:/app/dataset # you can use this folder in order to provide your dataset for model training
-    ports:
-      - 7865:7865
-    deploy:
-      resources:
-        reservations:
-          devices:
-            - driver: nvidia
-              count: 1
-              capabilities: [gpu]
--- a/docs/cn/Changelog_CN.md
+++ b/docs/cn/Changelog_CN.md
@ -1,16 +1,3 @@
-### 20231006更新
-
-我们制作了一个用于实时变声的界面go-realtime-gui.bat/gui_v1.py（事实上早就存在了），本次更新重点也优化了实时变声的性能。对比0813版：
- - 1、优优化界面操作：参数热更新（调整参数不需要中止再启动），懒加载模型（已加载过的模型不需要重新加载），增加响度因子参数（响度向输入音频靠近）
- - 2、优化自带降噪效果与速度
- - 3、大幅优化推理速度
-
-注意输入输出设备应该选择同种类型，例如都选MME类型。
-
-1006版本整体的更新为：
- - 1、继续提升rmvpe音高提取算法效果，对于男低音有更大的提升
- - 2、优化推理界面布局
-
 ### 20230813更新
 1-常规bug修复
 - 保存频率总轮数最低改为1 总轮数最低改为2
--- a/docs/en/Changelog_EN.md
+++ b/docs/en/Changelog_EN.md
@ -1,8 +1,3 @@
-### 2023-10-06
- We have created a GUI for real-time voice change: go-realtime-gui.bat/gui_v1.py (Note that you should choose the same type of input and output device, e.g. MME and MME).
- We trained a better pitch extract RMVPE model.
- Optimize inference GUI layout.
-
 ### 2023-08-13
 1-Regular bug fix
 - Change the minimum total epoch number to 1, and change the minimum total epoch number to 2
--- a/docs/kr/Changelog_KO.md
+++ b/docs/kr/Changelog_KO.md
@ -1,36 +1,3 @@
-### 2023년 10월 6일 업데이트
-
-실시간 음성 변환을 위한 인터페이스인 go-realtime-gui.bat/gui_v1.py를 제작했습니다(사실 이는 이미 존재했었습니다). 이번 업데이트는 주로 실시간 음성 변환 성능을 최적화하는 데 중점을 두었습니다. 0813 버전과 비교하여:
-
- 1.  인터페이스 조작 최적화: 매개변수 핫 업데이트(매개변수 조정 시 중단 후 재시작 필요 없음), 모델 지연 로딩(이미 로드된 모델은 재로드 필요 없음), 음량 인자 매개변수 추가(음량을 입력 오디오에 가깝게 조정)
- 2.  내장된 노이즈 감소 효과 및 속도 최적화
- 3.  추론 속도 크게 향상
-
-입력 및 출력 장치는 동일한 유형을 선택해야 합니다. 예를 들어, 모두 MME 유형을 선택해야 합니다.
-
-1006 버전의 전체 업데이트는 다음과 같습니다:
-
- 1.  rmvpe 음성 피치 추출 알고리즘의 효과를 계속해서 향상, 특히 남성 저음역에 대한 개선이 큼
- 2.  추론 인터페이스 레이아웃 최적화
-
-### 2023년 08월 13일 업데이트
-
-1-정기적인 버그 수정
-
- 최소 총 에포크 수를 1로 변경하고, 최소 총 에포크 수를 2로 변경합니다.
- 사전 훈련(pre-train) 모델을 사용하지 않는 훈련 오류 수정
- 반주 보컬 분리 후 그래픽 메모리 지우기
- 페이즈 저장 경로 절대 경로를 상대 경로로 변경
- 공백이 포함된 경로 지원(훈련 세트 경로와 실험 이름 모두 지원되며 더 이상 오류가 보고되지 않음)
- 파일 목록에서 필수 utf8 인코딩 취소
- 실시간 음성 변경 중 faiss 검색으로 인한 CPU 소모 문제 해결
-
-2-키 업데이트
-
- 현재 가장 강력한 오픈 소스 보컬 피치 추출 모델 RMVPE를 훈련하고, 이를 RVC 훈련, 오프라인/실시간 추론에 사용하며, PyTorch/Onx/DirectML을 지원합니다.
- 파이토치\_DML을 통한 AMD 및 인텔 그래픽 카드 지원
-  (1) 실시간 음성 변화 (2) 추론 (3) 보컬 반주 분리 (4) 현재 지원되지 않는 훈련은 CPU 훈련으로 전환, Onnx_Dml을 통한 gpu의 RMVPE 추론 지원
-
 ### 2023년 6월 18일 업데이트

 - v2 버전에서 새로운 32k와 48k 사전 학습 모델을 추가.
@ -42,16 +9,16 @@

 업데이트에 적용되지 않았지만 시도한 것들 :

- ~~시계열 차원을 추가하여 특징 검색을 진행했지만, 유의미한 효과는 없었습니다.~~
- ~~PCA 차원 축소를 추가하여 특징 검색을 진행했지만, 유의미한 효과는 없었습니다.~~
- ~~ONNX 추론을 지원하는 것에 실패했습니다. nsf 생성시, Pytorch가 필요하기 때문입니다.~~
- ~~훈련 중에 입력에 대한 음고, 성별, 이퀄라이저, 노이즈 등 무작위로 강화하는 것에, 유의미한 효과는 없었습니다.~~
+- 시계열 차원을 추가하여 특징 검색을 진행했지만, 유의미한 효과는 없었습니다.
+- PCA 차원 축소를 추가하여 특징 검색을 진행했지만, 유의미한 효과는 없었습니다.
+- ONNX 추론을 지원하는 것에 실패했습니다. nsf 생성시, Pytorch가 필요하기 때문입니다.
+- 훈련 중에 입력에 대한 음고, 성별, 이퀄라이저, 노이즈 등 무작위로 강화하는 것에, 유의미한 효과는 없었습니다.

 추후 업데이트 목록:

- ~~Vocos-RVC (소형 보코더) 통합 예정.~~
- ~~학습 단계에 음고 인식을 위한 Crepe 지원 예정.~~
- ~~Crepe의 정밀도를 REC-config와 동기화하여 지원 예정.~~
+- Vocos-RVC (소형 보코더) 통합 예정.
+- 학습 단계에 음고 인식을 위한 Crepe 지원 예정.
+- Crepe의 정밀도를 REC-config와 동기화하여 지원 예정.
 - FO 에디터 지원 예정.

 ### 2023년 5월 28일 업데이트
--- a/docs/Changelog_TR.md
+++ b/docs/Changelog_TR.md
@ -0,0 +1,80 @@
+### 2023-06-18
+- Yeni önceden eğitilmiş v2 modelleri: 32k ve 48k
+- F0 olmayan model çıkarımlarındaki hatalar düzeltildi
+- Eğitim kümesi 1 saatini aşarsa, özelliğin boyutunu azaltmak için otomatik minibatch-kmeans yapılır, böylece indeks eğitimi, ekleme ve arama işlemleri çok daha hızlı olur.
+- Oyuncak sesden gitar huggingface alanı sağlanır
+- Aykırı kısa kesme eğitim kümesi sesleri otomatik olarak silinir
+- Onnx dışa aktarma sekmesi
+
+Başarısız deneyler:
+- ~~Özellik çıkarımı: zamansal özellik çıkarımı ekleme: etkili değil~~
+- ~~Özellik çıkarımı: PCAR boyut indirgeme ekleme: arama daha da yavaş~~
+- ~~Eğitimde rastgele veri artırma: etkili değil~~
+
+Yapılacaklar listesi:
+- Vocos-RVC (küçük vokoder)
+- Eğitim için Crepe desteği
+- Yarı hassas Crepe çıkarımı
+- F0 düzenleyici desteği
+
+### 2023-05-28
+- v2 jupyter not defteri eklendi, korece değişiklik günlüğü eklendi, bazı ortam gereksinimleri düzeltildi
+- Sesli olmayan ünsüz ve nefes koruma modu eklendi
+- Crepe-full pitch algılama desteği eklendi
+- UVR5 vokal ayırma: dereverb ve de-echo modellerini destekler
+- İndeksin adında deney adı ve sürümünü ekleyin
+- Toplu ses dönüşüm işlemi ve UVR5 vokal ayırma sırasında çıktı seslerinin ihracat formatını manuel olarak seçme desteği eklendi
+- v1 32k model eğitimi artık desteklenmiyor
+
+### 2023-05-13
+- Tek tıklamalı paketin eski sürümündeki gereksiz kodlar temizlendi: lib.infer_pack ve uvr5_pack
+- Eğitim kümesi ön işlemesinde sahte çok işlem hatası düzeltildi
+- Harvest pitch algı algoritması için median filtre yarıçapı ayarlama eklendi
+- Ses ihracatı için yeniden örnekleme desteği eklendi
+- Eğitimde "n_cpu" için çoklu işlem ayarı "f0 çıkarma" dan "veri ön işleme ve f0 çıkarma" olarak değiştirildi
+- İndex yolu otomatik olarak algılanır ve açılır liste işlevi sağlanır
+- Sekme sayfasında "Sık Sorulan Sorular ve Cevaplar" eklendi (ayrıca github RVC wiki'ye bakabilirsiniz)
+- Çıkarım sırasında, aynı giriş sesi yolu kullanıldığında harvest pitch önbelleğe alınır (amaç: harvest pitch çıkarma kullanılırken, tüm işlem süreci uzun ve tekrarlayan bir pitch çıkarma sürecinden geçer. Önbellek kullanılmazsa, farklı timbre, index ve pitch median filtre yarıçapı ayarlarıyla deney yapan kullanıcılar ilk çıkarımın ardından çok acı verici bir bekleme süreci yaşayacaktır)
+
+### 2023-05-14
+- Girişin ses hacmini çıkışın ses hacmiyle karıştırma veya değiştirme seçeneği eklendi ( "giriş sessiz ve çıkış düşük amplitütlü gürültü" sorununu hafifletmeye yardımcı olur. Giriş sesinin arka plan gürültüsü yüksekse, önerilmez ve varsayılan olarak kapalıdır (1 kapalı olarak düşünülebilir)
+- Çıkarılan küçük modellerin belirli bir sıklıkta kaydedilmesini destekler (farklı epoch altındaki performansı görmek istiyorsanız, ancak tüm büyük kontrol noktalarını kaydetmek istemiyor ve her seferinde ckpt-processing ile küçük modelleri manuel olarak çıkarmak istemiyorsanız, bu özellik oldukça pratik olacaktır)
+- Sunucunun genel proxy'sinin neden olduğu "bağlantı hataları" sorununu, çevre değişkenleri ayarlayarak çözer
+- Önceden eğitilmiş v2 modelleri destekler (şu anda sadece 40k sürümleri test için kamuya açıktır ve diğer iki örnekleme hızı henüz tam olarak eğitilmemiştir)
+- İnferans öncesi aşırı ses hacmi 1'i aşmasını engeller
+- Eğitim kümesinin ayarlarını hafifçe düzeltildi
+
+#######################
+
+Geçmiş değişiklik günlükleri:
+
+### 2023-04-09
+- GPU kullanım oranını artırmak için eğitim parametreleri düzeltilerek: A100% 25'ten yaklaşık 90'a, V100: %50'den yaklaşık 90'a, 2060S: %60'dan yaklaşık 85'e, P40: %25'ten yaklaşık 95'e; eğitim hızı önemli ölçüde artırıldı
+- Parametre değiştirildi: toplam batch_size artık her GPU için batch_size
+- Toplam_epoch değiştirildi: maksimum sınır 100'den 1000'e yükseltildi; varsayılan 10'dan 20'ye yükseltildi
+- Ckpt çıkarımı sırasında pitch yanlış tanıma nedeniyle oluşan anormal çıkarım sorunu
+
+ düzeltildi
+- Dağıtılmış eğitimde her sıra için ckpt kaydetme sorunu düzeltildi
+- Özellik çıkarımında nan özellik filtreleme uygulandı
+- Giriş/çıkış sessiz üretildiğinde rastgele ünsüzler veya gürültü üretme sorunu düzeltildi (eski modeller yeni bir veri kümesiyle yeniden eğitilmelidir)
+
+### 2023-04-16 Güncellemesi
+- Yerel gerçek zamanlı ses değiştirme mini-GUI eklendi, go-realtime-gui.bat dosyasını çift tıklatarak başlayın
+- Eğitim ve çıkarımda 50Hz'nin altındaki frekans bantları için filtreleme uygulandı
+- Eğitim ve çıkarımda pyworld'ün varsayılan 80'den 50'ye düşürüldü, böylece 50-80Hz aralığındaki erkek düşük perdeli seslerin sessiz kalmaması sağlandı
+- WebUI, sistem yereli diline göre dil değiştirme desteği ekledi (şu anda en_US, ja_JP, zh_CN, zh_HK, zh_SG, zh_TW'yi desteklemektedir; desteklenmezse varsayılan olarak en_US kullanılır)
+- Bazı GPU'ların tanınmasında sorun giderildi (örneğin, V100-16G tanınma hatası, P4 tanınma hatası)
+
+### 2023-04-28 Güncellemesi
+- Daha hızlı hız ve daha yüksek kalite için faiss indeks ayarları yükseltildi
+- total_npy bağımlılığı kaldırıldı; gelecekteki model paylaşımı total_npy girişi gerektirmeyecek
+- 16 serisi GPU'lar için kısıtlamalar kaldırıldı, 4GB VRAM GPU'ları için 4GB çıkarım ayarları sağlanıyor
+- Belirli ses biçimleri için UVR5 vokal eşlik ayırma hatası düzeltildi
+- Gerçek zamanlı ses değiştirme mini-GUI, 40k dışında ve tembelleştirilmemiş pitch modellerini destekler hale geldi
+
+### Gelecek Planlar:
+Özellikler:
+- Her epoch kaydetmek için küçük modelleri çıkarma seçeneği ekle
+- Çıkarım sırasında çıktı sesleri için belirli bir yola ekstra mp3'leri kaydetme seçeneği ekle
+- Birden çok kişi eğitim sekmesini destekle (en fazla 4 kişiye kadar)
--- a/docs/README.en.md
+++ b/docs/README.en.md
@ -0,0 +1,143 @@
+<div align="center">
+
+<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
+An easy-to-use Voice Conversion framework based on VITS.<br><br>
+
+[![madewithlove](https://forthebadge.com/images/badges/built-with-love.svg)](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**](./README.en.md) | [**中文简体**](../README.md) | [**日本語**](./README.ja.md) | [**한국어**](./README.ko.md) ([**韓國語**](./README.ko.han.md)) | [**Türkçe**](./README.tr.md)
+
+
+Check our [Demo Video](https://www.bilibili.com/video/BV1pm4y1z7Gm/) here!
+
+Realtime Voice Conversion Software using RVC : [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
+
+
+> The dataset for the pre-training model uses nearly 50 hours of high quality VCTK open source dataset.
+
+> High quality licensed song datasets will be added to training-set one after another for your use, without worrying about copyright infringement.
+
+> Please look forward to the pretrained base model of RVCv3, which has larger parameters, larger data, better results, unchanged inference speed, and requires less training data for training.
+
+## Summary
+This repository has the following features:
+ Reduce tone leakage by replacing the source feature to training-set feature using top1 retrieval;
+ Easy and fast training, even on relatively poor graphics cards;
+ Training with a small amount of data also obtains relatively good results (>=10min low noise speech recommended);
+ Supporting model fusion to change timbres (using ckpt processing tab->ckpt merge);
+ Easy-to-use Webui interface;
+ Use the UVR5 model to quickly separate vocals and instruments.
+ Use the most powerful High-pitch Voice Extraction Algorithm [InterSpeech2023-RMVPE](#Credits) to prevent the muted sound problem. Provides the best results (significantly) and is faster, with even lower resource consumption than Crepe_full.
+ AMD/Intel graphics cards acceleration supported.
+
+## Preparing the environment
+The following commands need to be executed in the environment of Python version 3.8 or higher.
+
+(Windows/Linux)
+First install the main dependencies through pip:
+```bash
+# Install PyTorch-related core dependencies, skip if installed
+# Reference: https://pytorch.org/get-started/locally/
+pip install torch torchvision torchaudio
+
+#For Windows + Nvidia Ampere Architecture(RTX30xx), you need to specify the cuda version corresponding to pytorch according to the experience of https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/issues/21
+#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
+```
+
+Then can use poetry to install the other dependencies:
+```bash
+# Install the Poetry dependency management tool, skip if installed
+# Reference: https://python-poetry.org/docs/#installation
+curl -sSL https://install.python-poetry.org | python3 -
+
+# Install the project dependencies
+poetry install
+```
+
+You can also use pip to install them:
+```bash
+
+for Nvidia graphics cards
+  pip install -r requirements.txt
+
+for AMD/Intel graphics cards：
+  pip install -r requirements-dml.txt
+
+```
+
+------
+Mac users can install dependencies via `run.sh`:
+```bash
+sh ./run.sh
+```
+
+## Preparation of other Pre-models
+RVC requires other pre-models to infer and train.
+
+You need to download them from our [Huggingface space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/).
+
+Here's a list of Pre-models and other files that RVC needs:
+```bash
+hubert_base.pt
+
+./pretrained 
+
+./uvr5_weights
+
+If you want to test the v2 version model (the v2 version model has changed the input from the 256 dimensional feature of 9-layer Hubert+final_proj to the 768 dimensional feature of 12-layer Hubert, and has added 3 period discriminators), you will need to download additional features
+
+./pretrained_v2
+
+#If you are using Windows, you may also need these two files, skip if FFmpeg and FFprobe are installed
+ffmpeg.exe
+
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe
+
+ffprobe.exe
+
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe
+
+If you want to use the latest SOTA RMVPE vocal pitch extraction algorithm, you need to download the RMVPE weights and place them in the RVC root directory
+
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt
+
+    For AMD/Intel graphics cards users you need download:
+
+    https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx
+
+```
+Then use this command to start Webui:
+```bash
+python infer-web.py
+```
+If you are using Windows or macOS, you can download and extract `RVC-beta.7z` to use RVC directly by using `go-web.bat` on windows or `sh ./run.sh` on macOS to start Webui.
+
+## 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>
+
--- a/docs/README.ja.md
+++ b/docs/README.ja.md
@ -0,0 +1,104 @@
+<div align="center">
+
+<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
+VITSに基づく使いやすい音声変換（voice changer）framework<br><br>
+
+[![madewithlove](https://forthebadge.com/images/badges/built-with-love.svg)](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>
+
+------
+
+[**更新日誌**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_CN.md)
+
+[**English**](./README.en.md) | [**中文简体**](../README.md) | [**日本語**](./README.ja.md) | [**한국어**](./README.ko.md) ([**韓國語**](./README.ko.han.md)) | [**Türkçe**](./README.tr.md)
+
+> デモ動画は[こちら](https://www.bilibili.com/video/BV1pm4y1z7Gm/)でご覧ください。
+
+> RVCによるリアルタイム音声変換: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
+
+> 著作権侵害を心配することなく使用できるように、基底モデルは約50時間の高品質なオープンソースデータセットで訓練されています。
+
+> 今後も、次々と使用許可のある高品質な歌声の資料集を追加し、基底モデルを訓練する予定です。
+
+## はじめに
+本リポジトリには下記の特徴があります。
+
+ Top1検索を用いることで、生の特徴量を訓練用データセット特徴量に変換し、トーンリーケージを削減します。
+ 比較的貧弱なGPUでも、高速かつ簡単に訓練できます。
+ 少量のデータセットからでも、比較的良い結果を得ることができます。（10分以上のノイズの少ない音声を推奨します。）
+ モデルを融合することで、音声を混ぜることができます。（ckpt processingタブの、ckpt mergeを使用します。）
+ 使いやすいWebUI。
+ UVR5 Modelも含んでいるため、人の声とBGMを素早く分離できます。
+
+## 環境構築
+Poetryで依存関係をインストールすることをお勧めします。
+
+下記のコマンドは、Python3.8以上の環境で実行する必要があります:
+```bash
+# PyTorch関連の依存関係をインストール。インストール済の場合は省略。
+# 参照先: https://pytorch.org/get-started/locally/
+pip install torch torchvision torchaudio
+
+#Windows＋ Nvidia Ampere Architecture(RTX30xx)の場合、 #21 に従い、pytorchに対応するcuda versionを指定する必要があります。
+#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
+
+# PyTorch関連の依存関係をインストール。インストール済の場合は省略。
+# 参照先: https://python-poetry.org/docs/#installation
+curl -sSL https://install.python-poetry.org | python3 -
+
+# Poetry経由で依存関係をインストール
+poetry install
+```
+
+pipでも依存関係のインストールが可能です:
+
+```bash
+pip install -r requirements.txt
+```
+
+## 基底modelsを準備
+RVCは推論/訓練のために、様々な事前訓練を行った基底モデルを必要とします。
+
+modelsは[Hugging Face space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)からダウンロードできます。
+
+以下は、RVCに必要な基底モデルやその他のファイルの一覧です。
+```bash
+hubert_base.pt
+
+./pretrained 
+
+./uvr5_weights
+
+# ffmpegがすでにinstallされている場合は省略
+./ffmpeg
+```
+その後、下記のコマンドでWebUIを起動します。
+```bash
+python infer-web.py
+```
+Windowsをお使いの方は、直接`RVC-beta.7z`をダウンロード後に展開し、`go-web.bat`をクリックすることで、WebUIを起動することができます。(7zipが必要です。)
+
+また、リポジトリに[小白简易教程.doc](./小白简易教程.doc)がありますので、参考にしてください（中国語版のみ）。
+
+## 参考プロジェクト
+ [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)
+
+## 貢献者(contributor)の皆様の尽力に感謝します
+<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>
--- a/docs/kr/README.ko.han.md
+++ b/docs/kr/README.ko.han.md
@ -3,9 +3,8 @@
 <h1>Retrieval-based-Voice-Conversion-WebUI</h1>
 VITS基盤의 簡單하고使用하기 쉬운音聲變換틀<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)
-
+[![madewithlove](https://forthebadge.com/images/badges/built-with-love.svg)](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)
@ -19,7 +18,7 @@ VITS基盤의 簡單하고使用하기 쉬운音聲變換틀<br><br>
 ------
 [**更新日誌**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_KO.md)

-[**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)) | [**Français**](../fr/README.fr.md) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
+[**English**](./README.en.md) | [**中文简体**](../README.md) | [**日本語**](./README.ja.md) | [**한국어**](./README.ko.md) ([**韓國語**](./README.ko.han.md)) | [**Türkçe**](./README.tr.md)

 > [示範映像](https://www.bilibili.com/video/BV1pm4y1z7Gm/)을 確認해 보세요!

@ -70,15 +69,11 @@ RVC 모델은 推論과訓練을 依하여 다른 預備모델이 必要합니

 다음은 RVC에 必要한 預備모델 및 其他 파일 目錄입니다:
 ```bash
-./assets/hubert/hubert_base.pt
+hubert_base.pt

-./assets/pretrained 
+./pretrained 

-./assets/uvr5_weights
-
-V2 버전 모델을 테스트하려면 추가 다운로드가 필요합니다.
-
-./assets/pretrained_v2
+./uvr5_weights

 # Windows를 使用하는境遇 이 사전도 必要할 수 있습니다. FFmpeg가 設置되어 있으면 건너뛰어도 됩니다.
 ffmpeg.exe
--- a/docs/README.ko.md
+++ b/docs/README.ko.md
@ -0,0 +1,112 @@
+<div align="center">
+
+<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
+VITS 기반의 간단하고 사용하기 쉬운 음성 변환 프레임워크.<br><br>
+
+[![madewithlove](https://forthebadge.com/images/badges/built-with-love.svg)](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>
+
+---
+
+[**업데이트 로그**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_KO.md)
+
+[**English**](./README.en.md) | [**中文简体**](../README.md) | [**日本語**](./README.ja.md) | [**한국어**](./README.ko.md) ([**韓國語**](./README.ko.han.md)) | [**Türkçe**](./README.tr.md)
+
+> [데모 영상](https://www.bilibili.com/video/BV1pm4y1z7Gm/)을 확인해 보세요!
+
+> RVC를 활용한 실시간 음성변환: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
+
+> 기본 모델은 50시간 가량의 고퀄리티 오픈 소스 VCTK 데이터셋을 사용하였으므로, 저작권상의 염려가 없으니 안심하고 사용하시기 바랍니다.
+
+> 저작권 문제가 없는 고퀄리티의 노래를 이후에도 계속해서 훈련할 예정입니다.
+
+## 소개
+
+본 Repo는 다음과 같은 특징을 가지고 있습니다:
+
+- top1 검색을 이용하여 입력 음색 특징을 훈련 세트 음색 특징으로 대체하여 음색의 누출을 방지;
+- 상대적으로 낮은 성능의 GPU에서도 빠른 훈련 가능;
+- 적은 양의 데이터로 훈련해도 좋은 결과를 얻을 수 있음 (최소 10분 이상의 저잡음 음성 데이터를 사용하는 것을 권장);
+- 모델 융합을 통한 음색의 변조 가능 (ckpt 처리 탭->ckpt 병합 선택);
+- 사용하기 쉬운 WebUI (웹 인터페이스);
+- UVR5 모델을 이용하여 목소리와 배경음악의 빠른 분리;
+
+## 환경의 준비
+
+poetry를 통해 dependecies를 설치하는 것을 권장합니다.
+
+다음 명령은 Python 버전 3.8 이상의 환경에서 실행되어야 합니다:
+
+```bash
+# PyTorch 관련 주요 dependencies 설치, 이미 설치되어 있는 경우 건너뛰기 가능
+# 참조: https://pytorch.org/get-started/locally/
+pip install torch torchvision torchaudio
+
+# Windows + Nvidia Ampere Architecture(RTX30xx)를 사용하고 있다면, https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/issues/21 에서 명시된 것과 같이 PyTorch에 맞는 CUDA 버전을 지정해야 합니다.
+#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
+
+# Poetry 설치, 이미 설치되어 있는 경우 건너뛰기 가능
+# Reference: https://python-poetry.org/docs/#installation
+curl -sSL https://install.python-poetry.org | python3 -
+
+# Dependecies 설치
+poetry install
+```
+
+pip를 활용하여 dependencies를 설치하여도 무방합니다.
+
+```bash
+pip install -r requirements.txt
+```
+
+## 기타 사전 모델 준비
+
+RVC 모델은 추론과 훈련을 위하여 다른 사전 모델이 필요합니다.
+
+[Huggingface space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)를 통해서 다운로드 할 수 있습니다.
+
+다음은 RVC에 필요한 사전 모델 및 기타 파일 목록입니다:
+
+```bash
+hubert_base.pt
+
+./pretrained
+
+./uvr5_weights
+
+# Windows를 사용하는 경우 이 사전도 필요할 수 있습니다. FFmpeg가 설치되어 있으면 건너뛰어도 됩니다.
+ffmpeg.exe
+```
+
+그 후 이하의 명령을 사용하여 WebUI를 시작할 수 있습니다:
+
+```bash
+python infer-web.py
+```
+
+Windows를 사용하는 경우 `RVC-beta.7z`를 다운로드 및 압축 해제하여 RVC를 직접 사용하거나 `go-web.bat`을 사용하여 WebUi를 시작할 수 있습니다.
+
+## 참고
+
+- [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)
+
+## 모든 기여자 분들의 노력에 감사드립니다.
+
+<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>
--- a/docs/README.tr.md
+++ b/docs/README.tr.md
@ -0,0 +1,126 @@
+# Retrieval-based-Voice-Conversion-WebUI
+
+<div align="center">
+
+<h1>Retrieval Tabanlı Ses Dönüşümü Web Arayüzü</h1>
+Kolay kullanılabilen VITS tabanlı bir Ses Dönüşümü çerçevesi.<br><br>
+
+[![madewithlove](https://forthebadge.com/images/badges/built-with-love.svg)](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>
+
+------
+[**Değişiklik Kaydı**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_TR.md) | [**SSS (Sıkça Sorulan Sorular)**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/FAQ-(Frequently-Asked-Questions)) 
+
+[**English**](./README.en.md) | [**中文简体**](../README.md) | [**日本語**](./README.ja.md) | [**한국어**](./README.ko.md) ([**韓國語**](./README.ko.han.md)) | [**Türkçe**](./README.tr.md)
+
+Demo Videosu için [buraya](https://www.bilibili.com/video/BV1pm4y1z7Gm/) bakın!
+
+RVC kullanarak Gerçek Zamanlı Ses Dönüşümü Yazılımı: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
+
+> RVC kullanan çevrimiçi bir demo: Vocal'i Akustik Gitar sesine dönüştüren demo: https://huggingface.co/spaces/lj1995/vocal2guitar
+
+> Vocal2Guitar demo videosu: https://www.bilibili.com/video/BV19W4y1D7tT/
+
+> Ön eğitim modeli için neredeyse 50 saatlik yüksek kaliteli VCTK açık kaynaklı veri kümesi kullanılmıştır.
+
+> Lisanslı yüksek kaliteli şarkı veri kümesi, telif hakkı ihlali endişesi olmadan kullanımınız için sırayla eklenecektir.
+
+## Özet
+Bu depo aşağıdaki özelliklere sahiptir:
+ Top1 geri alım kullanarak kaynak özelliğini eğitim seti özelliğiyle değiştirerek ses tonu sızmasını azaltma;
+ Kolay ve hızlı eğitim, hatta göreceli olarak zayıf grafik kartlarında bile;
+ Az miktarda veri ile bile (en az 10 dakika düşük gürültülü konuşma tavsiye edilir) oldukça iyi sonuçlar elde etme;
+ Timbrları değiştirmek için model birleştirmeyi destekleme (ckpt işleme sekmesinde ckpt birleştirme kullanma);
+ Kolay kullanımlı Webui arayüzü;
+ UVR5 modelini kullanarak hızlı bir şekilde vokalleri ve enstrümanları ayırma.
+ En güçlü Yüksek Tiz Ses Ayıklama Algoritması [InterSpeech2023-RMVPE](#Teşekkürler) sessiz ses sorununu önlemek için kullanılması. En iyi sonuçları (önemli ölçüde) sağlar ve Crepe_full'dan daha düşük kaynak tüketimiyle daha hızlıdır.
+
+## Ortamı Hazırlama
+Aşağıdaki komutlar Python sürümü 3.8 veya daha yüksek olan ortamda çalıştırılmalıdır.
+
+(Windows/Linux)
+Önce pip aracılığıyla ana bağımlılıkları yükleyin:
+```bash
+# PyTorch ile ilgili temel bağımlılıkları yükleyin, kuruluysa atlayın
+# Referans: https://pytorch.org/get-started/locally/
+pip install torch torchvision torchaudio
+
+#Windows + Nvidia Ampere Mimarisi(RTX30xx) için, deneyime göre https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/issues/21 adresindeki cuda sürümüne göre pytorch'a karşılık gelen cuda sürümünü belirtmeniz gerekebilir
+#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
+```
+
+Sonra poetry kullanarak diğer bağımlılıkları yükleyebilirsiniz:
+```bash
+# Poetry bağımlılık yönetim aracını yükleyin, kuruluysa atlayın
+# Referans: https://python-poetry.org/docs/#installation
+curl -sSL https://install.python-poetry.org | python3 -
+
+# Proje bağımlılıklarını yükleyin
+poetry install
+```
+
+Bunun yerine pip kullanarak da yükleyebilirsiniz:
+```bash
+pip install -r requirements.txt
+```
+
+------
+Mac kullanıcıları bağımlılıkları `run.sh` üzerinden yükleyebilir:
+```bash
+sh ./run.sh
+```
+
+## Diğer Ön-Modellerin Hazırlanması
+RVC'n
+
+in çıkarım ve eğitim için diğer ön-modellere ihtiyacı vardır.
+
+Onları [Huggingface alanımızdan](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/) indirmeniz gerekmektedir.
+
+İşte RVC'nin ihtiyaç duyduğu Diğer Ön-Modellerin ve diğer dosyaların listesi:
+```bash
+hubert_base.pt
+
+./pretrained 
+
+./uvr5_weights
+
+V2 sürümü modelini test etmek istiyorsanız (v2 sürümü modeli girişi 256 boyutlu 9 katmanlı Hubert+final_proj'dan 768 boyutlu 12 katmanlı Hubert'ın özelliğine ve 3 dönem ayrımına değiştirilmiştir), ek özellikleri indirmeniz gerekecektir.
+
+./pretrained_v2
+
+#Eğer Windows kullanıyorsanız, FFmpeg yüklü değilse bu dictionariyaya da ihtiyacınız olabilir, FFmpeg yüklüyse atlayın
+ffmpeg.exe
+```
+Daha sonra bu komutu kullanarak Webui'yi başlatabilirsiniz:
+```bash
+python infer-web.py
+```
+Windows veya macOS kullanıyorsanız, RVC-beta.7z'yi indirip çıkarabilir ve Webui'yi başlatmak için windows'ta `go-web.bat` veya macOS'te `sh ./run.sh` kullanarak RVC'yi doğrudan kullanabilirsiniz.
+
+Ayrıca, RVC hakkında bir rehber de bulunmaktadır ve ihtiyacınız varsa buna göz atabilirsiniz.
+
+## Teşekkürler
+ [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)
+  + Ön eğitimli model [yxlllc](https://github.com/yxlllc/RMVPE) ve [RVC-Boss](https://github.com/RVC-Boss) tarafından eğitilmiş ve test edilmiştir.
+  
+## Tüm katkıda bulunanlara teşekkürler
+<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>
--- a/docs/en/README.en.md
+++ b/docs/en/README.en.md
@ -1,215 +0,0 @@
-<div align="center">
-
-<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
-An easy-to-use Voice Conversion framework based on 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)
-
-[**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)) | [**Français**](../fr/README.fr.md) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
-
-</div>
-
-> Check out our [Demo Video](https://www.bilibili.com/video/BV1pm4y1z7Gm/) here!
-
-<table>
-   <tr>
-		<td align="center">Training and inference Webui</td>
-		<td align="center">Real-time voice changing GUI</td>
-	</tr>
-  <tr>
-		<td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/092e5c12-0d49-4168-a590-0b0ef6a4f630"></td>
-    <td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/730b4114-8805-44a1-ab1a-04668f3c30a6"></td>
-	</tr>
-	<tr>
-		<td align="center">go-web.bat</td>
-		<td align="center">go-realtime-gui.bat</td>
-	</tr>
-  <tr>
-    <td align="center">You can freely choose the action you want to perform.</td>
-		<td align="center">We have achieved an end-to-end latency of 170ms. With the use of ASIO input and output devices, we have managed to achieve an end-to-end latency of 90ms, but it is highly dependent on hardware driver support.</td>
-	</tr>
-</table>
-
-> The dataset for the pre-training model uses nearly 50 hours of high quality audio from the VCTK open source dataset.
-
-> High quality licensed song datasets will be added to the training-set often for your use, without having to worry about copyright infringement.
-
-> Please look forward to the pretrained base model of RVCv3, which has larger parameters, more training data, better results, unchanged inference speed, and requires less training data for training.
-
-## Features:
-+ Reduce tone leakage by replacing the source feature to training-set feature using top1 retrieval;
-+ Easy + fast training, even on poor graphics cards;
-+ Training with a small amounts of data (>=10min low noise speech recommended);
-+ Model fusion to change timbres (using ckpt processing tab->ckpt merge);
-+ Easy-to-use WebUI;
-+ UVR5 model to quickly separate vocals and instruments;
-+ High-pitch Voice Extraction Algorithm [InterSpeech2023-RMVPE](#Credits) to prevent a muted sound problem. Provides the best results (significantly) and is faster with lower resource consumption than Crepe_full;
-+ AMD/Intel graphics cards acceleration supported;
-+ Intel ARC graphics cards acceleration with IPEX supported.
-
-## Preparing the environment
-The following commands need to be executed with Python 3.8 or higher.
-
-(Windows/Linux)
-First install the main dependencies through pip:
-```bash
-# Install PyTorch-related core dependencies, skip if installed
-# Reference: https://pytorch.org/get-started/locally/
-pip install torch torchvision torchaudio
-
-#For Windows + Nvidia Ampere Architecture(RTX30xx), you need to specify the cuda version corresponding to pytorch according to the experience of https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/issues/21
-#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
-
-#For Linux + AMD Cards, you need to use the following pytorch versions:
-#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2
-```
-
-Then can use poetry to install the other dependencies:
-```bash
-# Install the Poetry dependency management tool, skip if installed
-# Reference: https://python-poetry.org/docs/#installation
-curl -sSL https://install.python-poetry.org | python3 -
-
-# Install the project dependencies
-poetry install
-```
-
-You can also use pip to install them:
-```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
-```
-
------
-Mac users can install dependencies via `run.sh`:
-```bash
-sh ./run.sh
-```
-
-## Preparation of other Pre-models
-RVC requires other pre-models to infer and train.
-
-```bash
-#Download all needed models from https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/
-python tools/download_models.py
-```
-
-Or just download them by yourself from our [Huggingface space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/).
-
-Here's a list of Pre-models and other files that RVC needs:
-```bash
-./assets/hubert/hubert_base.pt
-
-./assets/pretrained 
-
-./assets/uvr5_weights
-
-Additional downloads are required if you want to test the v2 version of the model.
-
-./assets/pretrained_v2
-
-If you want to test the v2 version model (the v2 version model has changed the input from the 256 dimensional feature of 9-layer Hubert+final_proj to the 768 dimensional feature of 12-layer Hubert, and has added 3 period discriminators), you will need to download additional features
-
-./assets/pretrained_v2
-
-If you want to use the latest SOTA RMVPE vocal pitch extraction algorithm, you need to download the RMVPE weights and place them in the RVC root directory
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt
-
-    For AMD/Intel graphics cards users you need download:
-
-    https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx
-
-```
-
-### 2. Install FFmpeg
-If you have FFmpeg and FFprobe installed on your computer, you can skip this step.
-
-#### For Ubuntu/Debian users
-```bash
-sudo apt install ffmpeg
-```
-#### For MacOS users
-```bash
-brew install ffmpeg
-```
-#### For Windows users
-Download these files and place them in the root folder:
- [ffmpeg.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe)
-
- [ffprobe.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe)
-
-## ROCm Support for AMD graphic cards (Linux only)
-To use ROCm on Linux install all required drivers as described [here](https://rocm.docs.amd.com/en/latest/deploy/linux/os-native/install.html).
-
-On Arch use pacman to install the driver:
-````
-pacman -S rocm-hip-sdk rocm-opencl-sdk
-````
-
-You might also need to set these environment variables (e.g. on a RX6700XT):
-````
-export ROCM_PATH=/opt/rocm
-export HSA_OVERRIDE_GFX_VERSION=10.3.0
-````
-Make sure your user is part of the `render` and `video` group:
-````
-sudo usermod -aG render $USERNAME
-sudo usermod -aG video $USERNAME
-````
-
-## Get started
-### start up directly
-Use the following command to start WebUI:
-```bash
-python infer-web.py
-```
-### Use the integration package
-Download and extract file `RVC-beta.7z`, then follow the steps below according to your system:
-#### For Windows users
-Double click `go-web.bat`
-#### For MacOS users
-```bash
-sh ./run.sh
-```
-### For Intel IPEX users (Linux Only)
-```bash
-source /opt/intel/oneapi/setvars.sh
-```
-## 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>
-
--- a/docs/en/faiss_tips_en.md
+++ b/docs/en/faiss_tips_en.md
--- a/docs/jp/faiss_tips_ja.md
+++ b/docs/jp/faiss_tips_ja.md
--- a/docs/kr/faiss_tips_ko.md
+++ b/docs/kr/faiss_tips_ko.md
--- a/docs/faiss_tips_tr.md
+++ b/docs/faiss_tips_tr.md
@ -0,0 +1,105 @@
+faiss ayarları hakkında ipuçları
+=============================
+
+# faiss hakkında
+faiss, facebook araştırma tarafından geliştirilen, yoğun vektörler için yakınsaklık aramaları için bir kütüphanedir ve birçok yaklaşık yakınsaklık arama yöntemini verimli bir şekilde uygular.
+Yaklaşık Yakınsaklık Arama, biraz doğruluktan ödün vererek benzer vektörleri hızlı bir şekilde bulur.
+
+## RVC'de faiss
+RVC'de, HuBERT tarafından dönüştürülen özelliklerin gömülmesi için eğitim verilerinden oluşturulan gömülmelerle benzer gömülmeleri arar ve onları karıştırarak orijinal konuşmaya daha yakın bir dönüşüm elde ederiz. Ancak, bu arama zaman alıyorsa, yaklaşık yakınsaklık arama kullanarak yüksek hızlı dönüşüm elde edilir.
+
+# Uygulama genel bakışı
+Modelin bulunduğu '/logs/your-experiment/3_feature256' dizininde, her ses verisinden HuBERT tarafından çıkarılan özellikler bulunur.
+Burası, dosya adına göre sıralanmış npy dosyalarını okuyarak vektörleri birleştirerek büyük npy oluşturur. (Bu vektörün şekli [N, 256].)
+Büyük npy, /logs/your-experiment/total_fea.npy olarak kaydedildikten sonra faiss ile eğitilir.
+
+Bu makalede, bu parametrelerin anlamını açıklayacağım.
+
+# Yöntemin Açıklaması
+## indeks fabrikası
+Bir indeks fabrikası, birden çok yaklaşık yakınsaklık arama yöntemini bir dize olarak bağlayan benzersiz bir faiss gösterimidir.
+Bu, indeks fabrikası dizesini değiştirerek kolayca çeşitli yaklaşık yakınsaklık arama yöntemlerini denemenize olanak tanır.
+RVC'de bunu şu şekilde kullanıyoruz:
+
+```python
+index = faiss.index_factory(256, "IVF%s,Flat" % n_ivf)
+```
+index_factory'nin argümanları arasında ilk olarak vektörün boyutu, ikinci olarak indeks fabrikası dizesi ve üçüncü olarak kullanılacak mesafe bulunur.
+
+Daha ayrıntılı gösterim için
+https://github.com/facebookresearch/faiss/wiki/The-index-factory
+
+## mesafe için indeks
+Aşağıda gömülmenin benzerliğinde kullanılan iki tipik indeks bulunur.
+
+- Öklidyen mesafesi (METRIC_L2)
+- iç çarpım (METRIC_INNER_PRODUCT)
+
+Öklidyen mesafesi, her boyutta kare farkı alır, tüm boyutlardaki farkları toplar ve ardından karekökünü alır. Bu, günlük hayatta kullandığımız 2D ve 3D'deki mesafeyle aynıdır.
+İç çarpım, doğrudan bir benzerlik indeksi olarak kullanılmaz, genellikle L2 normuyla normalize edildikten sonra iç çarpım alınan kosinüs benzerliği kullanılır.
+
+Hangisinin daha iyi olduğu duruma bağlıdır, ancak word2vec tarafından elde edilen gömülme ve ArcFace ile öğrenilmiş benzer görüntü arama modellerinde genellikle kosinüs benzerliği kullanılır. numpy ile X vektörüne l2 normalizasyonu yapmak için aşağıdaki kodu eps değerini sıfıra bölme hatasından kaçınmak için yeterince küçük bir değerle kullanabilirsiniz.
+
+```python
+X_normed = X / np.maximum(eps, np.linalg.norm(X, ord=2, axis=-1, keepdims=True))
+```
+
+Ayrıca, indeks fabrikasında hesaplama için kullanılan mesafe indeksini üçüncü argüman olarak geçerek hesaplanan mesafeyi değiştirebilirsiniz.
+
+```python
+index = faiss.index_factory(dimention, text, faiss.METRIC_INNER_PRODUCT)
+```
+
+## IVF
+IVF (Ters dosya indeksleri), tam metin aramasındaki ters indekse benzer bir algoritmadır.
+Öğrenme sırasında, arama hedefi kmeans ile kümeleme yapılır ve küme merkezi ile Voronoi bölümlenmesi yapılır. Her veri noktası bir kümeye atanır, bu nedenle veri noktalarını kümelelerden arayan bir sözlük oluştururuz.
+
+Örneğin, kümeler şu şekilde atanırsa:
+|index|Küme|
+|-----|-------|
+|1|A|
+|2|B|
+|3|A|
+|4|C|
+|5|B|
+
+Sonuçta elde edilen ters indeks aşağıdaki gibi görünecektir:
+
+|küme|index|
+|-------|-----|
+|A|1, 3|
+|B|2, 5|
+|C|4|
+
+Arama yaparken, önce kümelerden n_probe kümeleri arar ve ardından her kümeye ait veri noktalarının mesafesini hesaplar.
+
+# Önerilen parametreler
+Önerilen bir indeks seçme konusunda resmi yönergeler bulunur, bu nedenle buna göre açıklayacağım.
+https://github.com/facebookresearch/faiss/wiki/Guidelines-to-choose-an-index
+
+1M'den küçük veri kümeleri için, Nisan 2023 itibarıyla faiss tarafından mevcut olan en verimli yöntem 4bit-PQ'dir.
+Bunu IVF ile birleştirerek, 4bit-PQ ile adayları daraltabilir ve nihayetinde doğru bir indeksle mesafeyi yeniden hesaplayarak aşağıdaki indeks fabrikasını kullanarak tanımlayabiliriz.
+
+
+
+```python
+index = faiss.index_factory(256, "IVF1024,PQ128x4fs,RFlat")
+```
+
+## IVF için Önerilen Parametreler
+Çok fazla IVF'nin olduğu durumu düşünün. Örneğin, IVF tarafından verilerin sayısı için kalın nicelleme yapıldığında, bu, basit bir tam arama ile aynıdır ve verimsizdir.
+1M veya daha az için IVF değerleri, veri noktalarının N sayısı için 4*sqrt(N) ~ 16*sqrt(N) arasında önerilir.
+
+n_probes sayısı arttıkça hesaplama süresi arttığından, doğruluk ile danışın ve uygun şekilde seçin. Kişisel olarak RVC'nin bu kadar hassas olmasını gerektiren bir durum olmadığını düşünüyorum, bu nedenle n_probe = 1 yeterlidir.
+
+## FastScan
+FastScan, bunları kayıtlarda gerçekleştirerek onları kartez ürün kuantizasyonu ile yüksek hızda mesafeye yaklaşık olarak yapılmasını sağlayan bir yöntemdir.
+Kartez ürün kuantizasyonu, öğrenme sırasında her d boyut için (genellikle d = 2) bağımsız olarak kümeleme yapar, küme merkezleri arasındaki mesafeyi önceden hesaplar ve bir arama tablosu oluşturur. Tahmin sırasında her boyutun mesafesi, arama tablosuna bakarak O(1) olarak hesaplanabilir.
+Bu nedenle PQ'dan sonra belirttiğiniz sayı genellikle vektörün yarısı olarak belirtir.
+
+FastScan hakkında daha ayrıntılı bilgi için lütfen resmi belgelere başvurun.
+https://github.com/facebookresearch/faiss/wiki/Fast-accumulation-of-PQ-and-AQ-codes-(FastScan)
+
+## RFlat
+RFlat, FastScan ile hesaplanan yaklaşık mesafeyi indeks fabrikasının üçüncü argümanı ile belirtilen tam mesafe ile yeniden hesaplamak için bir talimattır.
+K-en yakın komşuyu alırken, k*k_factor kadar nokta yeniden hesaplanır.
--- a/docs/cn/faq.md
+++ b/docs/cn/faq.md
@ -91,18 +91,3 @@ config.py文件里device cuda:后面选择卡号；<br>
 2、拷贝上一次的最新的那个G和D文件（或者你想基于哪个中间ckpt训练，也可以拷贝中间的）到新实验名；下<br>
 3、一键训练新实验名，他会继续上一次的最新进度训练。<br>

-## Q16: error about llvmlite.dll
-
-OSError: Could not load shared object file: llvmlite.dll
-
-FileNotFoundError: Could not find module lib\site-packages\llvmlite\binding\llvmlite.dll (or one of its dependencies). Try using the full path with constructor syntax.
-
-win平台会报这个错，装上https://aka.ms/vs/17/release/vc_redist.x64.exe这个再重启WebUI就好了。
-
-## Q17: RuntimeError: The expanded size of the tensor (17280) must match the existing size (0) at non-singleton dimension 1.  Target sizes: [1, 17280].  Tensor sizes: [0]
-
-wavs16k文件夹下，找到文件大小显著比其他都小的一些音频文件，删掉，点击训练模型，就不会报错了，不过由于一键流程中断了你训练完模型还要点训练索引。
-
-## Q18: RuntimeError: The size of tensor a (24) must match the size of tensor b (16) at non-singleton dimension 2
-
-不要中途变更采样率继续训练。如果一定要变更，应更换实验名从头训练。当然你也可以把上次提取的音高和特征（0/1/2/2b folders）拷贝过去加速训练流程。
--- a/docs/en/faq_en.md
+++ b/docs/en/faq_en.md
@ -101,19 +101,4 @@ step3: copy the latest G and D file of exp_name1 (your previous experiment) into

 step4: click "train the model", and it will continue training from the beginning of your previous exp model epoch.

-## Q16: error about llvmlite.dll
-
-OSError: Could not load shared object file: llvmlite.dll
-
-FileNotFoundError: Could not find module lib\site-packages\llvmlite\binding\llvmlite.dll (or one of its dependencies). Try using the full path with constructor syntax.
-
-The issue will happen in windows, install https://aka.ms/vs/17/release/vc_redist.x64.exe and it will be fixed.
-
-## Q17: RuntimeError: The expanded size of the tensor (17280) must match the existing size (0) at non-singleton dimension 1.  Target sizes: [1, 17280].  Tensor sizes: [0]
-
-Delete the wav files whose size is significantly smaller than others, and that won't happen again. Than click "train the model"and "train the index".
-
-## Q18: RuntimeError: The size of tensor a (24) must match the size of tensor b (16) at non-singleton dimension 2
-
-Do not change the sampling rate and then continue training. If it is necessary to change, the exp name should be changed and the model will be trained from scratch. You can also copy the pitch and features (0/1/2/2b folders) extracted last time to accelerate the training process.

--- a/docs/faq_tr.md
+++ b/docs/faq_tr.md
@ -0,0 +1,96 @@
+## Soru 1: FFmpeg hatası/utf8 hatası.
+Muhtemelen bir FFmpeg sorunu değil, ses yolunda bir sorun var;
+
+FFmpeg, boşluklar ve () gibi özel karakterler içeren yolları okurken bir hata ile karşılaşabilir ve FFmpeg hatası oluşturabilir; ve eğitim setinin sesleri Çince yollar içeriyorsa, bunları filelist.txt'ye yazmak utf8 hatasına neden olabilir.
+
+## Soru 2: "Tek Tıklamayla Eğitim" sonrasında indeks dosyası bulunamıyor.
+"Training is done. The program is closed" şeklinde görüntüleniyorsa, model başarılı bir şekilde eğitilmiş demektir ve sonraki hatalar yanıltıcı olabilir;
+
+Tek tıklamalı eğitim sonrasında "added" indeks dosyasının eksik olması, eğitim setinin çok büyük olmasından kaynaklanabilir ve indeksin eklenmesinin takılmasına neden olabilir; bunun çözümü, indeksi eklerken bellek aşımı sorununu çözen toplu işlemi kullanmaktır. Geçici bir çözüm olarak, "Train Index" düğmesine tekrar tıklamayı deneyin.
+
+## Soru 3: Eğitim sonrasında "Timbre Inferencing" bölümünde model bulunamıyor
+"Refresh timbre list"e tıklayın ve tekrar kontrol edin; hala görünmüyorsa, eğitim sırasında hatalar olup olmadığını kontrol edin ve geliştiricilere ek analiz için konsol, web UI ve logs/experiment_name/*.log ekran görüntüleri gönderin.
+
+## Soru 4: Bir modeli nasıl paylaşabilirim/Başkalarının modellerini nasıl kullanabilirim?
+rvc_root/logs/experiment_name klasöründe depolanan pth dosyaları, paylaşım veya çıkarım için değil, yeniden üretilebilirlik ve daha fazla eğitim için deney kontrol noktalarını depolamak içindir. Paylaşılacak model, weights klasöründeki 60+MB pth dosyası olmalıdır;
+
+Gelecekte, weights/exp_name.pth ve logs/exp_name/added_xxx.index birleştirilerek, manuel indeks girişi gerektirmeyen bir tek weights/exp_name.zip dosyası oluşturulacak; bu nedenle, farklı bir makinede eğitime devam etmek istemiyorsanız, pth dosyasını değil zip dosyasını paylaşın;
+
+Logs klasöründen weights klasörüne birkaç yüz MB'lık pth dosyalarını zorlama çıkarım için kopyalamak/paylaşmak, eksik f0, tgt_sr veya diğer anahtarlar gibi hatalara neden olabilir. Alt kısımdaki ckpt sekmesini kullanarak manuel veya otomatik olarak (bilgiler logs/exp_name'de bulunuyorsa) ton infomasyonu ve hedef ses örnekleme hızı seçmeyi deneyin ve ardından daha küçük modeli çıkarın. Çıkarıldıktan sonra weights klasöründe 60+ MB'lık bir pth dosyası olacak ve sesleri yenileyerek kullanabilirsiniz.
+
+## Soru 5: Bağlantı Hatası.
+Muhtemelen konsolu (siyah komut satırı penceresini) kapattınız.
+
+## Soru 6: WebUI'de 'Expecting value: line 1 column 1 (char 0)' hatası.
+Sistem LAN proxy/global proxy'yi devre dışı bırakın ve sonra yenileyin.
+
+## Soru 7: WebUI olmadan nasıl eğitilir ve sonuçlandırılır?
+Eğitim betiği:
+Eğitimi WebUI'de çalıştırabilirsiniz, ve mesaj penceresinde veri seti ön işleme ve eğitiminin komut satırı sürümleri gösterilecektir.
+
+Sonuçlandırma betiği:
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py
+
+Örneğin:
+
+```bash
+runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\added_IVF677_Flat_nprobe_7.index" harvest "test.wav" "weights/mi-test.pth" 0.6 cuda:0 True
+```
+
+f0up_key=sys.argv[1]
+input_path=sys.argv[2]
+index_path=sys.argv[3]
+f0method=sys.argv[4]#harvest or pm
+opt_path=sys.argv[5]
+model_path=sys.argv[6]
+index_rate=float(sys.argv[7])
+device=sys.argv[8]
+is_half=bool(sys.argv[9])
+
+## Soru 8: Cuda hatası/Cuda bellek dışı.
+Küçük bir olasılıkla CUDA yapılandırmasında bir sorun olabilir veya cihaz desteklenmiyor olabilir; daha olası bir şekilde, yeterli belleğiniz yoktur (bellek dışı).
+
+Eğitim için, toplu boyutunu azaltın (1'e düşürmek hala yeterli değilse, grafik kartını değiştirmeniz gerekebilir); sonuçlandırma için, config.py dosyasında x_pad, x_query, x_center ve x_max ayarlarını ihtiyaca göre ayarlayın. 4G veya daha düşük bellekli kartlar (örn. 1060(3G) ve çeşitli 2G kartlar) terk edilebilir, ancak 4G bellekli kartların hala bir şansı vardır.
+
+## Soru 9: Optimal kaç total_epoch kullanmalıyım?
+Eğitim veri setinin ses kalitesi düşük ve gürültü seviyesi yüksekse, 20-30 epoch yeterlidir. Çok yüksek bir değer ayarlamak, düşük kaliteli eğitim setinizin ses kalitesini artırmaz.
+
+Eğitim setinin ses kalitesi yüksek, gürültü sevi
+
+yesi düşük ve yeterli süresi varsa, artırabilirsiniz. 200 kabul edilebilir (çünkü eğitim hızlıdır ve yüksek kaliteli bir eğitim seti hazırlayabiliyorsanız, GPU'nuz muhtemelen sorunsuz bir şekilde daha uzun bir eğitim süresini işleyebilir).
+
+## Soru 10: Ne kadar eğitim verisi süresine ihtiyacım var?
+Yaklaşık 10 dakika ile 50 dakika arasında bir veri seti önerilir.
+
+Sağlam ses kalitesi ve düşük taban gürültü garantiliyse, veri seti seslerinin homojen olması durumunda daha fazla ekleyebilirsiniz.
+
+Yüksek seviye bir eğitim seti için (düzgün + belirgin bir ton), 5 dakika ile 10 dakika arasında yeterlidir.
+
+1 dakika ile 2 dakika veriyle başarıyla eğitim yapan bazı insanlar var, ancak başarı başkaları tarafından tekrarlanabilir değil ve çok bilgi verici değil. Bu, eğitim setinin çok belirgin bir tona sahip olmasını (örneğin yüksek frekanslı havadar anime kız sesi gibi) ve ses kalitesinin yüksek olmasını gerektirir; 1 dakikadan daha kısa veriler şu ana kadar başarılı bir şekilde deneme yapılmamıştır. Bu önerilmez.
+
+## Soru 11: İndeks oranı nedir ve nasıl ayarlanır?
+Önceden eğitilmiş modelin ve çıkarım kaynağının ton kalitesi, eğitim setinin ton kalitesinden daha yüksekse, bunlar çıkarım sonucunun ton kalitesini artırabilir, ancak eğitim setinin tonuna göre değil, genellikle "ton sızıntısı" olarak adlandırılan eğitim setinin tonuna göre bir ton eğilimine yol açabilir.
+
+İndeks oranı, ton sızıntı sorununu azaltmak/çözmek için kullanılır. İndeks oranı 1 olarak ayarlandığında, teorik olarak çıkarım kaynağından hiç ton sızıntısı olmaz ve ton kalitesi daha çok eğitim setine yönlendirilir. Eğitim seti, çıkarım kaynağından ses kalitesi açısından daha düşükse, daha yüksek bir indeks oranı ses kalitesini azaltabilir. 0'a indirildiğinde, eğitim seti tonlarını korumak için çıkarım karışımı kullanma etkisi yoktur.
+
+Eğitim seti iyi ses kalitesine sahipse ve uzun süreliyse, total_epoch'ı artırın, modelin kendi başına çıkarım kaynağına ve önceden eğitilmiş temel modeline başvurma olasılığı azaldığında ve "ton sızıntısı" çok az olduğunda, indeks oranı önemli değildir ve hatta indeks dosyası oluşturmak/paylaşmak zorunda kalmazsınız.
+
+## Soru 12: Çıkarırken hangi gpu'yu seçmeliyim?
+config.py dosyasında, "device cuda:" dan sonra kart numarasını seçin.
+
+Kart numarası ile grafik kartı arasındaki eşleştirmeyi eğitim sekmesinin grafik kartı bilgisi bölümünde görebilirsiniz.
+
+## Soru 13: Eğitimin ortasında kaydedilen modeli nasıl kullanabilirim?
+Çıkartma modeli, ckpt processing sekmesinin alt kısmında kaydedin.
+
+## Soru 14: Dosya/bellek hatası (eğitim sırasında)?
+Çok fazla işlem ve belleğiniz yeterli değil. Bunun düzeltilmesi için:
+
+1. "Threads of CPU" alanında girişi azaltın.
+2. Eğitim setini daha kısa ses dosyalarına önceden kesin.
+
+## Soru 15: Daha fazla veri kullanarak nasıl eğitime devam ederim?
+Adım 1: Tüm wav verilerini path2'ye koyun.
+Adım 2: exp_name2+path2 -> veri kümesini işleyin ve özellik çıkarın.
+Adım 3: exp_name1 (önceki deneyiminiz) en son G ve D dosyalarını exp_name2 klasörüne kopyalayın.
+Adım 4: "train the model" düğmesine tıklayın ve önceki deneyiminiz model epoğunun başlangıcından itibaren eğitime devam edecektir.
--- a/docs/fr/Changelog_FR.md
+++ b/docs/fr/Changelog_FR.md
@ -1,102 +0,0 @@
-### 2023-08-13
-1-Corrections régulières de bugs
- Modification du nombre total d'époques minimum à 1 et changement du nombre total d'époques minimum à 2
- Correction des erreurs d'entraînement sans utiliser de modèles pré-entraînés
- Après la séparation des voix d'accompagnement, libération de la mémoire graphique
- Changement du chemin absolu d'enregistrement de faiss en chemin relatif
- Prise en charge des chemins contenant des espaces (le chemin du jeu de données d'entraînement et le nom de l'expérience sont pris en charge, et aucune erreur ne sera signalée)
- La liste de fichiers annule l'encodage utf8 obligatoire
- Résolution du problème de consommation de CPU causé par la recherche faiss lors des changements de voix en temps réel
-
-2-Mises à jour clés
- Entraînement du modèle d'extraction de hauteur vocale open-source le plus puissant actuel, RMVPE, et utilisation pour l'entraînement, l'inférence hors ligne/en temps réel de RVC, supportant PyTorch/Onnx/DirectML
- Prise en charge des cartes graphiques AMD et Intel via Pytorch_DML
-
-(1) Changement de voix en temps réel (2) Inférence (3) Séparation de l'accompagnement vocal (4) L'entraînement n'est pas actuellement pris en charge, passera à l'entraînement CPU; prend en charge l'inférence RMVPE de la GPU par Onnx_Dml
-
-### 2023-06-18
- Nouveaux modèles pré-entraînés v2 : 32k et 48k
- Correction des erreurs d'inférence du modèle non-f0
- Pour un jeu de données d'entraînement dépassant 1 heure, réalisation automatique de minibatch-kmeans pour réduire la forme des caractéristiques, afin que l'entraînement, l'ajout et la recherche d'index soient beaucoup plus rapides.
- Fourniture d'un espace huggingface vocal2guitar jouet
- Suppression automatique des audios de jeu de données d'entraînement court-circuitant les valeurs aberrantes
- Onglet d'exportation Onnx
-
-Expériences échouées:
- ~~Récupération de caractéristiques : ajout de la récupération de caractéristiques temporelles : non efficace~~
- ~~Récupération de caractéristiques : ajout de la réduction de dimensionnalité PCAR : la recherche est encore plus lente~~
- ~~Augmentation aléatoire des données lors de l'entraînement : non efficace~~
-
-Liste de tâches:
- ~~Vocos-RVC (vocodeur minuscule) : non efficace~~
- ~~Support de Crepe pour l'entraînement : remplacé par RMVPE~~
- ~~Inférence de précision à moitié crepe : remplacée par RMVPE. Et difficile à réaliser.~~
- Support de l'éditeur F0
-
-### 2023-05-28
- Ajout d'un cahier v2, changelog coréen, correction de certaines exigences environnementales
- Ajout d'un mode de protection des consonnes muettes et de la respiration
- Support de la détection de hauteur crepe-full
- Séparation vocale UVR5 : support des modèles de déréverbération et de désécho
- Ajout du nom de l'expérience et de la version sur le nom de l'index
- Support pour les utilisateurs de sélectionner manuellement le format d'exportation des audios de sortie lors du traitement de conversion vocale en lots et de la séparation vocale UVR5
- L'entraînement du modèle v1 32k n'est plus pris en charge
-
-### 2023-05-13
- Nettoyage des codes redondants de l'ancienne version du runtime dans le package en un clic : lib.infer_pack et uvr5_pack
- Correction du bug de multiprocessus pseudo dans la préparation du jeu de données d'entraînement
- Ajout de l'ajustement du rayon de filtrage médian pour l'algorithme de reconnaissance de hauteur de récolte
- Prise en charge du rééchantillonnage post-traitement pour l'exportation audio
- Réglage de multi-traitement "n_cpu" pour l'entraînement est passé de "extraction f0" à "prétraitement des données et extraction f0"
- Détection automatique des chemins d'index sous le dossier de logs et fourniture d'une fonction de liste déroulante
- Ajout de "Questions fréquemment posées et réponses" sur la page d'onglet (vous pouvez également consulter le wiki github RVC)
- Lors de l'inférence, la hauteur de la récolte est mise en cache lors de l'utilisation du même chemin d'accès audio d'entrée (objectif : en utilisant l'extraction de
-
- la hauteur de la récolte, l'ensemble du pipeline passera par un long processus d'extraction de la hauteur répétitif. Si la mise en cache n'est pas utilisée, les utilisateurs qui expérimentent différents timbres, index, et réglages de rayon de filtrage médian de hauteur connaîtront un processus d'attente très douloureux après la première inférence)
-
-### 2023-05-14
- Utilisation de l'enveloppe de volume de l'entrée pour mixer ou remplacer l'enveloppe de volume de la sortie (peut atténuer le problème du "muet en entrée et bruit de faible amplitude en sortie". Si le bruit de fond de l'audio d'entrée est élevé, il n'est pas recommandé de l'activer, et il n'est pas activé par défaut (1 peut être considéré comme n'étant pas activé)
- Prise en charge de la sauvegarde des modèles extraits à une fréquence spécifiée (si vous voulez voir les performances sous différentes époques, mais que vous ne voulez pas sauvegarder tous les grands points de contrôle et extraire manuellement les petits modèles par ckpt-processing à chaque fois, cette fonctionnalité sera très pratique)
- Résolution du problème des "erreurs de connexion" causées par le proxy global du serveur en définissant des variables d'environnement
- Prise en charge des modèles pré-entraînés v2 (actuellement, seule la version 40k est disponible au public pour les tests, et les deux autres taux d'échantillonnage n'ont pas encore été entièrement entraînés)
- Limite le volume excessif dépassant 1 avant l'inférence
- Réglages légèrement ajustés de la préparation du jeu de données d'entraînement
-
-#######################
-
-Historique des changelogs:
-
-### 2023-04-09
- Correction des paramètres d'entraînement pour améliorer le taux d'utilisation du GPU : A100 est passé de 25% à environ 90%, V100 : de 50% à environ 90%, 2060S : de 60% à environ 85%, P40 : de 25% à environ 95% ; amélioration significative de la vitesse d'entraînement
- Changement de paramètre : la taille de batch_size totale est maintenant la taille de batch_size par GPU
- Changement de total_epoch : la limite maximale est passée de 100 à 1000 ; la valeur par défaut est passée de 10 à 20
- Correction du problème d'extraction de ckpt reconnaissant la hauteur de manière incorrecte, causant une inférence anormale
- Correction du problème d'entraînement distribué sauvegardant ckpt pour chaque rang
- Application du filtrage des caractéristiques nan pour l'extraction des caractéristiques
- Correction du problème d'entrée/sortie silencieuse produisant des consonnes aléatoires ou du bruit (les anciens modèles doivent être réentraînés avec un nouveau jeu de données)
-
-### 2023-04-16 Mise à jour
- Ajout d'une mini-interface graphique pour le changement de voix en temps réel, démarrage par double-clic sur go-realtime-gui.bat
- Application d'un filtrage pour les bandes de fréquences inférieures à 50Hz pendant l'entraînement et l'inférence
- Abaissement de l'extraction de hauteur minimale de pyworld du défaut 80 à 50 pour l'entraînement et l'inférence, permettant aux voix masculines graves entre 50-80Hz de ne pas être mises en sourdine
- WebUI prend en charge le changement de langue en fonction des paramètres régionaux du système (prise en charge actuelle de en_US, ja_JP, zh_CN, zh_HK, zh_SG, zh_TW ; défaut à en_US si non pris en charge)
- Correction de la reconnaissance de certains GPU (par exemple, échec de reconnaissance V100-16G, échec de reconnaissance P4)
-
-### 2023-04-28 Mise à jour
- Mise à niveau des paramètres d'index de faiss pour une vitesse plus rapide et une meilleure qualité
- Suppression de la dépendance à total_npy ; le partage futur de modèles ne nécessitera pas d'entrée total
-
-_npy
- Levée des restrictions pour les GPU de la série 16, fournissant des paramètres d'inférence de 4 Go pour les GPU VRAM de 4 Go
- Correction d'un bug dans la séparation vocale d'accompagnement UVR5 pour certains formats audio
- La mini-interface de changement de voix en temps réel prend maintenant en charge les modèles de hauteur non-40k et non-lazy
-
-### Plans futurs :
-Fonctionnalités :
- Ajouter une option : extraire de petits modèles pour chaque sauvegarde d'époque
- Ajouter une option : exporter un mp3 supplémentaire vers le chemin spécifié pendant l'inférence
- Prise en charge de l'onglet d'entraînement multi-personnes (jusqu'à 4 personnes)
-
-Modèle de base :
- Collecter des fichiers wav de respiration pour les ajouter au jeu de données d'entraînement pour résoudre le problème des sons de respiration déformés
- Nous entraînons actuellement un modèle de base avec un jeu de données de chant étendu, qui sera publié à l'avenir
--- a/docs/fr/README.fr.md
+++ b/docs/fr/README.fr.md
@ -1,178 +0,0 @@
-<div align="center">
-
-<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
-Un framework simple et facile à utiliser pour la conversion vocale (modificateur de voix) basé sur 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/badge/LICENSE-MIT-green.svg?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)
-
-[**Journal de mise à jour**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_CN.md) | [**FAQ**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98%E8%A7%A3%E7%AD%94) | [**AutoDL·Formation d'un chanteur AI pour 5 centimes**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B) | [**Enregistrement des expériences comparatives**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%AF%B9%E7%85%A7%E5%AE%9E%E9%AA%8C%C2%B7%E5%AE%9E%E9%AA%8C%E8%AE%B0%E5%BD%95) | [**Démonstration en ligne**](https://huggingface.co/spaces/Ricecake123/RVC-demo)
-
-</div>
-
------
-
-[**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)) | [**Français**](../fr/README.fr.md) | [**Turc**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
-
-Cliquez ici pour voir notre [vidéo de démonstration](https://www.bilibili.com/video/BV1pm4y1z7Gm/) !
-
-> Conversion vocale en temps réel avec RVC : [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
-
-> Le modèle de base est formé avec près de 50 heures de données VCTK de haute qualité et open source. Aucun souci concernant les droits d'auteur, n'hésitez pas à l'utiliser.
-
-> Attendez-vous au modèle de base RVCv3 : plus de paramètres, plus de données, de meilleurs résultats, une vitesse d'inférence presque identique, et nécessite moins de données pour la formation.
-
-## Introduction
-Ce dépôt a les caractéristiques suivantes :
-+ Utilise le top1 pour remplacer les caractéristiques de la source d'entrée par les caractéristiques de l'ensemble d'entraînement pour éliminer les fuites de timbre vocal.
-+ Peut être formé rapidement même sur une carte graphique relativement moins performante.
-+ Obtient de bons résultats même avec peu de données pour la formation (il est recommandé de collecter au moins 10 minutes de données vocales avec un faible bruit de fond).
-+ Peut changer le timbre vocal en fusionnant des modèles (avec l'aide de l'onglet ckpt-merge).
-+ Interface web simple et facile à utiliser.
-+ Peut appeler le modèle UVR5 pour séparer rapidement la voix et l'accompagnement.
-+ Utilise l'algorithme de pitch vocal le plus avancé [InterSpeech2023-RMVPE](#projets-référencés) pour éliminer les problèmes de voix muette. Meilleurs résultats, plus rapide que crepe_full, et moins gourmand en ressources.
-+ Support d'accélération pour les cartes AMD et Intel.
-
-## Configuration de l'environnement
-Exécutez les commandes suivantes dans un environnement Python de version 3.8 ou supérieure.
-
-(Windows/Linux)  
-Installez d'abord les dépendances principales via pip :
-```bash
-# Installez Pytorch et ses dépendances essentielles, sautez si déjà installé.
-# Voir : https://pytorch.org/get-started/locally/
-pip install torch torchvision torchaudio
-
-# Pour les utilisateurs de Windows avec une architecture Nvidia Ampere (RTX30xx), en se basant sur l'expérience #21, spécifiez la version CUDA correspondante pour Pytorch.
-pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
-
-# Pour Linux + carte AMD, utilisez cette version de Pytorch:
-pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2
-```
-
-Vous pouvez utiliser poetry pour installer les dépendances :
-```bash
-# Installez l'outil de gestion des dépendances Poetry, sautez si déjà installé.
-# Voir : https://python-poetry.org/docs/#installation
-curl -sSL https://install.python-poetry.org | python3 -
-
-# Installez les dépendances avec poetry.
-poetry install
-```
-
-Ou vous pouvez utiliser pip pour installer les dépendances :
-```bash
-# Cartes Nvidia :
-pip install -r requirements.txt
-
-# Cartes AMD/Intel :
-pip install -r requirements-dml.txt
-
-# Cartes Intel avec IPEX
-pip install -r requirements-ipex.txt
-
-# Cartes AMD sur Linux (ROCm)
-pip install -r requirements-amd.txt
-```
-
------
-Les utilisateurs de Mac peuvent exécuter `run.sh` pour installer les dépendances :
-```bash
-sh ./run.sh
-```
-
-## Préparation d'autres modèles pré-entraînés
-RVC nécessite d'autres modèles pré-entraînés pour l'inférence et la formation.
-
-```bash
-#Télécharger tous les modèles depuis https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/
-python tools/download_models.py
-```
-
-Ou vous pouvez télécharger ces modèles depuis notre [espace Hugging Face](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/).
-
-Voici une liste des modèles et autres fichiers requis par RVC :
-```bash
-./assets/hubert/hubert_base.pt
-
-./assets/pretrained 
-
-./assets/uvr5_weights
-
-# Pour tester la version v2 du modèle, téléchargez également :
-
-./assets/pretrained_v2
-
-# Si vous utilisez Windows, vous pourriez avoir besoin de ces fichiers pour ffmpeg et ffprobe, sautez cette étape si vous avez déjà installé ffmpeg et ffprobe. Les utilisateurs d'ubuntu/debian peuvent installer ces deux bibliothèques avec apt install ffmpeg. Les utilisateurs de Mac peuvent les installer avec brew install ffmpeg (prérequis : avoir installé brew).
-
-# ./ffmpeg
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe
-
-# ./ffprobe
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe
-
-# Si vous souhaitez utiliser le dernier algorithme RMVPE de pitch vocal, téléchargez les paramètres du modèle de pitch et placez-les dans le répertoire racine de RVC.
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt
-
-    # Les utilisateurs de cartes AMD/Intel nécessitant l'environnement DML doivent télécharger :
-
-    https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx
-
-```
-Pour les utilisateurs d'Intel ARC avec IPEX, exécutez d'abord `source /opt/intel/oneapi/setvars.sh`.
-Ensuite, exécutez la commande suivante pour démarrer WebUI :
-```bash
-python infer-web.py
-```
-
-Si vous utilisez Windows ou macOS, vous pouvez télécharger et extraire `RVC-beta.7z`. Les utilisateurs de Windows peuvent exécuter `go-web.bat` pour démarrer WebUI, tandis que les utilisateurs de macOS peuvent exécuter `sh ./run.sh`.
-
-## Compatibilité ROCm pour les cartes AMD (seulement Linux)
-Installez tous les pilotes décrits [ici](https://rocm.docs.amd.com/en/latest/deploy/linux/os-native/install.html).
-
-Sur Arch utilisez pacman pour installer le pilote:
-````
-pacman -S rocm-hip-sdk rocm-opencl-sdk
-````
-
-Vous devrez peut-être créer ces variables d'environnement (par exemple avec RX6700XT):
-````
-export ROCM_PATH=/opt/rocm
-export HSA_OVERRIDE_GFX_VERSION=10.3.0
-````
-Assurez-vous que votre utilisateur est dans les groupes `render` et `video`:
-````
-sudo usermod -aG render $USERNAME
-sudo usermod -aG video $USERNAME
-````
-Enfin vous pouvez exécuter WebUI:
-```bash
-python infer-web.py
-```
-
-## Crédits
-+ [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)
-+ [Extraction de la hauteur vocale : RMVPE](https://github.com/Dream-High/RMVPE)
-  + Le modèle pré-entraîné a été formé et testé par [yxlllc](https://github.com/yxlllc/RMVPE) et [RVC-Boss](https://github.com/RVC-Boss).
-
-## Remerciements à tous les contributeurs pour leurs 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>
--- a/docs/fr/faiss_tips_fr.md
+++ b/docs/fr/faiss_tips_fr.md
@ -1,105 +0,0 @@
-Conseils de réglage pour faiss
-==================
-# À propos de faiss
-faiss est une bibliothèque de recherches de voisins pour les vecteurs denses, développée par Facebook Research, qui implémente efficacement de nombreuses méthodes de recherche de voisins approximatifs.
-La recherche de voisins approximatifs trouve rapidement des vecteurs similaires tout en sacrifiant une certaine précision.
-
-## faiss dans RVC
-Dans RVC, pour l'incorporation des caractéristiques converties par HuBERT, nous recherchons des incorporations similaires à l'incorporation générée à partir des données d'entraînement et les mixons pour obtenir une conversion plus proche de la parole originale. Cependant, cette recherche serait longue si elle était effectuée de manière naïve, donc une conversion à haute vitesse est réalisée en utilisant une recherche de voisinage approximatif.
-
-# Vue d'ensemble de la mise en œuvre
-Dans '/logs/votre-expérience/3_feature256' où le modèle est situé, les caractéristiques extraites par HuBERT de chaque donnée vocale sont situées.
-À partir de là, nous lisons les fichiers npy dans un ordre trié par nom de fichier et concaténons les vecteurs pour créer big_npy. (Ce vecteur a la forme [N, 256].)
-Après avoir sauvegardé big_npy comme /logs/votre-expérience/total_fea.npy, nous l'entraînons avec faiss.
-
-Dans cet article, j'expliquerai la signification de ces paramètres.
-
-# Explication de la méthode
-## Usine d'index
-Une usine d'index est une notation unique de faiss qui exprime un pipeline qui relie plusieurs méthodes de recherche de voisinage approximatif sous forme de chaîne.
-Cela vous permet d'essayer diverses méthodes de recherche de voisinage approximatif simplement en changeant la chaîne de l'usine d'index.
-Dans RVC, elle est utilisée comme ceci :
-
-```python
-index = faiss.index_factory(256, "IVF%s,Flat" % n_ivf)
-```
-
-Parmi les arguments de index_factory, le premier est le nombre de dimensions du vecteur, le second est la chaîne de l'usine d'index, et le troisième est la distance à utiliser.
-
-Pour une notation plus détaillée :
-https://github.com/facebookresearch/faiss/wiki/The-index-factory
-
-## Index pour la distance
-Il existe deux index typiques utilisés comme similarité de l'incorporation comme suit :
-
- Distance euclidienne (METRIC_L2)
- Produit intérieur (METRIC_INNER_PRODUCT)
-
-La distance euclidienne prend la différence au carré dans chaque dimension, somme les différences dans toutes les dimensions, puis prend la racine carrée. C'est la même chose que la distance en 2D et 3D que nous utilisons au quotidien.
-Le produit intérieur n'est pas utilisé comme index de similarité tel quel, et la similarité cosinus qui prend le produit intérieur après avoir été normalisé par la norme L2 est généralement utilisée.
-
-Lequel est le mieux dépend du cas, mais la similarité cosinus est souvent utilisée dans l'incorporation obtenue par word2vec et des modèles de récupération d'images similaires appris par ArcFace. Si vous voulez faire une normalisation l2 sur le vecteur X avec numpy, vous pouvez le faire avec le code suivant avec eps suffisamment petit pour éviter une division par 0.
-
-```python
-X_normed = X / np.maximum(eps, np.linalg.norm(X, ord=2, axis=-1, keepdims=True))
-```
-
-De plus, pour l'usine d'index, vous pouvez changer l'index de distance utilisé pour le calcul en choisissant la valeur à passer comme troisième argument.
-
-```python
-index = faiss.index_factory(dimention, texte, faiss.METRIC_INNER_PRODUCT)
-```
-
-## IVF
-IVF (Inverted file indexes) est un algorithme similaire à l'index inversé dans la recherche en texte intégral.
-Lors de l'apprentissage, la cible de recherche est regroupée avec kmeans, et une partition de Voronoi est effectuée en utilisant le centre du cluster. Chaque point de données est attribué à un cluster, nous créons donc un dictionnaire qui permet de rechercher les points de données à partir des clusters.
-
-Par exemple, si des clusters sont attribués comme suit :
-|index|Cluster|
-|-----|-------|
-|1|A|
-|2|B|
-|3|A|
-|4|C|
-|5|B|
-
-L'index inversé résultant ressemble à ceci :
-
-|cluster|index|
-|-------|-----|
-|A|1, 3|
-|B|2, 5|
-|C|4|
-
-Lors de la recherche, nous recherchons d'abord n_probe clusters parmi les clusters, puis nous calculons les distances pour les points de données appartenant à chaque cluster.
-
-# Recommandation de paramètre
-Il existe des directives officielles sur la façon de choisir un index, je vais donc expliquer en conséquence.
-https://github.com/facebookresearch/faiss/wiki/Guidelines-to-choose-an-index
-
-Pour les ensembles de données inférieurs à 1M, 4bit-PQ est la méthode la plus efficace disponible dans faiss en avril 2023.
-En combinant cela avec IVF, en réduisant les candidats avec 4bit-PQ, et enfin en recalculant la distance avec un index précis, on peut le décrire en utilisant l'usine d'index suivante.
-
-```python
-index = faiss.index_factory(256, "IVF1024,PQ128x4fs,RFlat")
-```
-
-## Paramètres recommandés pour IVF
-Considérez le cas de trop d'IVF. Par exemple, si une quantification grossière par IVF est effectuée pour le nombre de données, cela revient à une recherche exhaustive naïve et est inefficace.
-Pour 1M ou moins, les valeurs IVF sont recommandées entre 4*sqrt(N) ~ 16*sqrt(N) pour N nombre de points de données.
-
-Comme le temps de calcul augmente proportionnellement au nombre de n_probes, veuillez consulter la précision et choisir de manière appropriée. Personnellement, je ne pense pas que RVC ait besoin de tant de précision, donc n_probe = 1 est bien.
-
-## FastScan
-FastScan est une méthode qui permet d'approximer rapidement les distances par quantification de produit cartésien en les effectuant dans les registres.
-La quantification du produit cartésien effectue un regroupement indépendamment
-
- pour chaque dimension d (généralement d = 2) pendant l'apprentissage, calcule la distance entre les clusters à l'avance, et crée une table de recherche. Au moment de la prédiction, la distance de chaque dimension peut être calculée en O(1) en consultant la table de recherche.
-Le nombre que vous spécifiez après PQ spécifie généralement la moitié de la dimension du vecteur.
-
-Pour une description plus détaillée de FastScan, veuillez consulter la documentation officielle.
-https://github.com/facebookresearch/faiss/wiki/Fast-accumulation-of-PQ-and-AQ-codes-(FastScan)
-
-## RFlat
-RFlat est une instruction pour recalculer la distance approximative calculée par FastScan avec la distance exacte spécifiée par le troisième argument de l'usine d'index.
-Lors de l'obtention de k voisins, k*k_factor points sont recalculés.
--- a/docs/fr/faq_fr.md
+++ b/docs/fr/faq_fr.md
@ -1,169 +0,0 @@
-## Q1: Erreur ffmpeg/erreur utf8.
-Il s'agit très probablement non pas d'un problème lié à FFmpeg, mais d'un problème lié au chemin de l'audio ;
-
-FFmpeg peut rencontrer une erreur lors de la lecture de chemins contenant des caractères spéciaux tels que des espaces et (), ce qui peut provoquer une erreur FFmpeg ; et lorsque l'audio du jeu d'entraînement contient des chemins en chinois, l'écrire dans filelist.txt peut provoquer une erreur utf8.<br>
-
-## Q2: Impossible de trouver le fichier index après "Entraînement en un clic".
-Si l'affichage indique "L'entraînement est terminé. Le programme est fermé", alors le modèle a été formé avec succès, et les erreurs subséquentes sont fausses ;
-
-L'absence d'un fichier index 'ajouté' après un entraînement en un clic peut être due au fait que le jeu d'entraînement est trop grand, ce qui bloque l'ajout de l'index ; cela a été résolu en utilisant un traitement par lots pour ajouter l'index, ce qui résout le problème de surcharge de mémoire lors de l'ajout de l'index. Comme solution temporaire, essayez de cliquer à nouveau sur le bouton "Entraîner l'index".<br>
-
-## Q3: Impossible de trouver le modèle dans “Inférence du timbre” après l'entraînement
-Cliquez sur “Actualiser la liste des timbres” et vérifiez à nouveau ; si vous ne le voyez toujours pas, vérifiez s'il y a des erreurs pendant l'entraînement et envoyez des captures d'écran de la console, de l'interface utilisateur web, et des logs/nom_de_l'expérience/*.log aux développeurs pour une analyse plus approfondie.<br>
-
-## Q4: Comment partager un modèle/Comment utiliser les modèles d'autres personnes ?
-Les fichiers pth stockés dans rvc_root/logs/nom_de_l'expérience ne sont pas destinés à être partagés ou inférés, mais à stocker les points de contrôle de l'expérience pour la reproductibilité et l'entraînement ultérieur. Le modèle à partager doit être le fichier pth de 60+MB dans le dossier des poids ;
-
-À l'avenir, les poids/nom_de_l'expérience.pth et les logs/nom_de_l'expérience/ajouté_xxx.index seront fusionnés en un seul fichier poids/nom_de_l'expérience.zip pour éliminer le besoin d'une entrée d'index manuelle ; partagez donc le fichier zip, et non le fichier pth, sauf si vous souhaitez continuer l'entraînement sur une machine différente ;
-
-Copier/partager les fichiers pth de plusieurs centaines de Mo du dossier des logs au dossier des poids pour une inférence forcée peut entraîner des erreurs telles que des f0, tgt_sr, ou d'autres clés manquantes. Vous devez utiliser l'onglet ckpt en bas pour sélectionner manuellement ou automatiquement (si l'information se trouve dans les logs/nom_de_l'expérience), si vous souhaitez inclure les informations sur la hauteur et les options de taux d'échantillonnage audio cible, puis extraire le modèle plus petit. Après extraction, il y aura un fichier pth de 60+ MB dans le dossier des poids, et vous pouvez actualiser les voix pour l'utiliser.<br>
-
-## Q5: Erreur de connexion.
-Il se peut que vous ayez fermé la console (fenêtre de ligne de commande noire).<br>
-
-## Q6: WebUI affiche 'Expecting value: line 1 column 1 (char 0)'.
-Veuillez désactiver le proxy système LAN/proxy global puis rafraîchir.<br>
-
-## Q7: Comment s'entraîner et déduire sans le WebUI ?
-Script d'entraînement :<br>
-Vous pouvez d'abord lancer l'entraînement dans WebUI, et les versions en ligne de commande de la préparation du jeu de données et de l'entraînement seront affichées dans la fenêtre de message.<br>
-
-Script d'inférence :<br>
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py<br>
-
-Par exemple :<br>
-
-runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\added_IVF677_Flat_nprobe_7.index" récolte "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]#récolte ou 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])<br>
-
-### Explication des arguments :
-
-1. **Numéro de voix cible** : `0` (dans cet exemple)
-2. **Chemin du fichier audio d'entrée** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\INPUTS_VOCAL\vocal.wav"`
-3. **Chemin du fichier index** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\logs\Hagrid.index"`
-4. **Méthode pour l'extraction du pitch (F0)** : `harvest` (dans cet exemple)
-5. **Chemin de sortie pour le fichier audio traité** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\INPUTS_VOCAL\test.wav"`
-6. **Chemin du modèle** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\weights\HagridFR.pth"`
-7. **Taux d'index** : `0.6` (dans cet exemple)
-8. **Périphérique pour l'exécution (GPU/CPU)** : `cuda:0` pour une carte NVIDIA, par exemple.
-9. **Protection des droits d'auteur (True/False)**.
-
-<!-- Pour myinfer nouveau models :
-
-runtime\python.exe myinfer.py 0 "C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\INPUTS_VOCAL\vocal.wav" "C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\logs\Hagrid.index" harvest "C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\INPUTS_VOCAL\test.wav" "C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\weights\HagridFR.pth" 0.6 cuda:0 True 5 44100 44100 1.0 1.0 True
-
-
-f0up_key=sys.argv[1]                     
-input_path = sys.argv[2]                 
-index_path = sys.argv[3]                 
-f0method = sys.argv[4]                   
-opt_path = sys.argv[5]                   
-model_path = sys.argv[6]                 
-index_rate = float(sys.argv[7])          
-device = sys.argv[8]                     
-is_half = bool(sys.argv[9])              
-filter_radius = int(sys.argv[10])        
-tgt_sr = int(sys.argv[11])               
-resample_sr = int(sys.argv[12])          
-rms_mix_rate = float(sys.argv[13])       
-version = sys.argv[14]                   
-protect = sys.argv[15].lower() == 'false' # change for true if needed
-
-### Explication des arguments :
-
-1. **Numéro de voix cible** : `0` (dans cet exemple)
-2. **Chemin du fichier audio d'entrée** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\INPUTS_VOCAL\vocal.wav"`
-3. **Chemin du fichier index** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\logs\Hagrid.index"`
-4. **Méthode pour l'extraction du pitch (F0)** : `harvest` (dans cet exemple)
-5. **Chemin de sortie pour le fichier audio traité** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\INPUTS_VOCAL\test.wav"`
-6. **Chemin du modèle** : `"C:\ YOUR PATH FOR THE ROOT (RVC0813Nvidia)\weights\HagridFR.pth"`
-7. **Taux d'index** : `0.6` (dans cet exemple)
-8. **Périphérique pour l'exécution (GPU/CPU)** : `cuda:0` pour une carte NVIDIA, par exemple.
-9. **Protection des droits d'auteur (True/False)**.
-10. **Rayon du filtre** : `5` (dans cet exemple)
-11. **Taux d'échantillonnage cible** : `44100` (dans cet exemple)
-12. **Taux d'échantillonnage pour le rééchantillonnage** : `44100` (dans cet exemple)
-13. **Taux de mixage RMS** : `1.0` (dans cet exemple)
-14. **Version** : `1.0` (dans cet exemple)
-15. **Protection** : `True` (dans cet exemple)
-
-Assurez-vous de remplacer les chemins par ceux correspondant à votre configuration et d'ajuster les autres paramètres selon vos besoins.
-->
-
-## Q8: Erreur Cuda/Mémoire Cuda épuisée.
-Il y a une faible chance qu'il y ait un problème avec la configuration CUDA ou que le dispositif ne soit pas pris en charge ; plus probablement, il n'y a pas assez de mémoire (manque de mémoire).<br>
-
-Pour l'entraînement, réduisez la taille du lot (si la réduction à 1 n'est toujours pas suffisante, vous devrez peut-être changer la carte graphique) ; pour l'inférence, ajustez les paramètres x_pad, x_query, x_center, et x_max dans le fichier config.py selon les besoins. Les cartes mémoire de 4 Go ou moins (par exemple 1060(3G) et diverses cartes de 2 Go) peuvent être abandonnées, tandis que les cartes mémoire de 4 Go ont encore une chance.<br>
-
-## Q9: Combien de total_epoch sont optimaux ?
-Si la qualité audio du jeu d'entraînement est médiocre et que le niveau de bruit est élevé, 20-30 époques sont suffisantes. Le fixer trop haut n'améliorera pas la qualité audio de votre jeu d'entraînement de faible qualité.<br>
-
-Si la qualité audio du jeu d'entraînement est élevée, le niveau de bruit est faible, et la durée est suffisante, vous pouvez l'augmenter. 200 est acceptable (puisque l'entraînement est rapide, et si vous êtes capable de préparer un jeu d'entraînement de haute qualité, votre GPU peut probablement gérer une durée d'entraînement plus longue sans problème).<br>
-
-## Q10: Quelle durée de jeu d'entraînement est nécessaire ?
-Un jeu d'environ 10 min à 50 min est recommandé.<br>
-
-Avec une garantie de haute qualité sonore et de faible bruit de fond, plus peut être ajouté si le timbre du jeu est uniforme.<br>
-
-Pour un jeu d'entraînement de haut niveau (ton maigre + ton distinctif), 5 min à 10 min sont suffisantes.<br>
-
-Il y a des personnes qui ont réussi à s'entraîner avec des données de 1 min à 2 min, mais le succès n'est pas reproductible par d'autres et n'est pas très informatif. <br>Cela nécessite que le jeu d'entraînement ait un timbre très distinctif (par exemple, un son de fille d'anime aérien à haute fréquence) et que la qualité de l'audio soit élevée ;
-Aucune tentative réussie n'a été faite jusqu'à présent avec des données de moins de 1 min. Cela n'est pas recommandé.<br>
-
-## Q11: À quoi sert le taux d'index et comment l'ajuster ?
-Si la qualité tonale du modèle pré-entraîné et de la source d'inférence est supérieure à celle du jeu d'entraînement, ils peuvent améliorer la qualité tonale du résultat d'inférence, mais au prix d'un possible biais tonal vers le ton du modèle sous-jacent/source d'inférence plutôt que le ton du jeu d'entraînement, ce qui est généralement appelé "fuite de ton".<br>
-
-Le taux d'index est utilisé pour réduire/résoudre le problème de la fuite de timbre. Si le taux d'index est fixé à 1, théoriquement il n'y a pas de fuite de timbre de la source d'inférence et la qualité du timbre est plus biaisée vers le jeu d'entraînement. Si le jeu d'entraînement a une qualité sonore inférieure à celle de la source d'inférence, alors un taux d'index plus élevé peut réduire la qualité sonore. Le réduire à 0 n'a pas l'effet d'utiliser le mélange de récupération pour protéger les tons du jeu d'entraînement.<br>
-
-Si le jeu d'entraînement a une bonne qualité audio et une longue durée, augmentez le total_epoch, lorsque le modèle lui-même est moins susceptible de se référer à la source déduite et au modèle sous-jacent pré-entraîné, et qu'il y a peu de "fuite de ton", le taux d'index n'est pas important et vous pouvez même ne pas créer/partager le fichier index.<br>
-
-## Q12: Comment choisir le gpu lors de l'inférence ?
-Dans le fichier config.py, sélectionnez le numéro de carte après "device cuda:".<br>
-
-La correspondance entre le numéro de carte et la carte graphique peut être vue dans la section d'information de la carte graphique de l'onglet d'entraînement.<br>
-
-## Q13: Comment utiliser le modèle sauvegardé au milieu de l'entraînement ?
-Sauvegardez via l'extraction de modèle en bas de l'onglet de traitement ckpt.
-
-## Q14: Erreur de fichier/erreur de mémoire (lors de l'entraînement) ?
-Il y a trop de processus et votre mémoire n'est pas suffisante. Vous pouvez le corriger en :
-
-1. Diminuer l'entrée dans le champ "Threads of CPU".
-
-2. Pré-découper le jeu d'entraînement en fichiers audio plus courts.
-
-## Q15: Comment poursuivre l'entraînement avec plus de données
-
-étape 1 : mettre toutes les données wav dans path2.
-
-étape 2 : exp_name2+path2 -> traiter le jeu de données et extraire la caractéristique.
-
-étape 3 : copier les derniers fichiers G et D de exp_name1 (votre expérience précédente) dans le dossier exp_name2.
-
-étape 4 : cliquez sur "entraîner le modèle", et il continuera l'entraînement depuis le début de votre époque de modèle exp précédente.
-
-## Q16: erreur à propos de llvmlite.dll
-
-OSError: Impossible de charger le fichier objet partagé : llvmlite.dll
-
-FileNotFoundError: Impossible de trouver le module lib\site-packages\llvmlite\binding\llvmlite.dll (ou l'une de ses dépendances). Essayez d'utiliser la syntaxe complète du constructeur.
-
-Le problème se produira sous Windows, installez https://aka.ms/vs/17/release/vc_redist.x64.exe et il sera corrigé.
-
-## Q17: RuntimeError: La taille étendue du tensor (17280) doit correspondre à la taille existante (0) à la dimension non-singleton 1. Tailles cibles : [1, 17280]. Tailles des tensors : [0]
-
-Supprimez les fichiers wav dont la taille est nettement inférieure à celle des autres, et cela ne se reproduira plus. Ensuite, cliquez sur "entraîner le modèle" et "entraîner l'index".
-
-## Q18: RuntimeError: La taille du tensor a (24) doit correspondre à la taille du tensor b (16) à la dimension non-singleton 2
-
-Ne changez pas le taux d'échantillonnage puis continuez l'entraînement. S'il est nécessaire de changer, le nom de l'expérience doit être modifié et le modèle sera formé à partir de zéro. Vous pouvez également copier les hauteurs et caractéristiques (dossiers 0/1/2/2b) extraites la dernière fois pour accélérer le processus d'entraînement.
-
--- a/docs/fr/training_tips_fr.md
+++ b/docs/fr/training_tips_fr.md
@ -1,65 +0,0 @@
-Instructions et conseils pour la formation RVC
-======================================
-Ces conseils expliquent comment se déroule la formation des données.
-
-# Flux de formation
-Je vais expliquer selon les étapes de l'onglet de formation de l'interface graphique.
-
-## étape 1
-Définissez ici le nom de l'expérience.
-
-Vous pouvez également définir ici si le modèle doit prendre en compte le pitch.
-Si le modèle ne considère pas le pitch, le modèle sera plus léger, mais pas adapté au chant.
-
-Les données de chaque expérience sont placées dans `/logs/nom-de-votre-experience/`.
-
-## étape 2a
-Charge et pré-traite l'audio.
-
-### charger l'audio
-Si vous spécifiez un dossier avec de l'audio, les fichiers audio de ce dossier seront lus automatiquement.
-Par exemple, si vous spécifiez `C:Users\hoge\voices`, `C:Users\hoge\voices\voice.mp3` sera chargé, mais `C:Users\hoge\voices\dir\voice.mp3` ne sera pas chargé.
-
-Comme ffmpeg est utilisé en interne pour lire l'audio, si l'extension est prise en charge par ffmpeg, elle sera lue automatiquement.
-Après la conversion en int16 avec ffmpeg, convertir en float32 et normaliser entre -1 et 1.
-
-### débruitage
-L'audio est lissé par filtfilt de scipy.
-
-### Séparation audio
-Tout d'abord, l'audio d'entrée est divisé en détectant des parties de silence qui durent plus d'une certaine période (max_sil_kept = 5 secondes ?). Après avoir séparé l'audio sur le silence, séparez l'audio toutes les 4 secondes avec un chevauchement de 0,3 seconde. Pour l'audio séparé en 4 secondes, après normalisation du volume, convertir le fichier wav en `/logs/nom-de-votre-experience/0_gt_wavs` puis le convertir à un taux d'échantillonnage de 16k dans `/logs/nom-de-votre-experience/1_16k_wavs` sous forme de fichier wav.
-
-## étape 2b
-### Extraire le pitch
-Extrait les informations de pitch des fichiers wav. Extraire les informations de pitch (=f0) en utilisant la méthode intégrée dans parselmouth ou pyworld et les sauvegarder dans `/logs/nom-de-votre-experience/2a_f0`. Convertissez ensuite logarithmiquement les informations de pitch en un entier entre 1 et 255 et sauvegardez-le dans `/logs/nom-de-votre-experience/2b-f0nsf`.
-
-### Extraire l'empreinte de caractéristique
-Convertissez le fichier wav en incorporation à l'avance en utilisant HuBERT. Lisez le fichier wav sauvegardé dans `/logs/nom-de-votre-experience/1_16k_wavs`, convertissez le fichier wav en caractéristiques de dimension 256 avec HuBERT, et sauvegardez au format npy dans `/logs/nom-de-votre-experience/3_feature256`.
-
-## étape 3
-former le modèle.
-### Glossaire pour les débutants
-Dans l'apprentissage profond, l'ensemble de données est divisé et l'apprentissage progresse petit à petit. Dans une mise à jour de modèle (étape), les données de batch_size sont récupérées et des prédictions et corrections d'erreur sont effectuées. Faire cela une fois pour un ensemble de données compte comme une époque.
-
-Par conséquent, le temps d'apprentissage est le temps d'apprentissage par étape x (le nombre de données dans l'ensemble de données / taille du lot) x le nombre d'époques. En général, plus la taille du lot est grande, plus l'apprentissage devient stable (temps d'apprentissage par étape ÷ taille du lot) devient plus petit, mais il utilise plus de mémoire GPU. La RAM GPU peut être vérifiée avec la commande nvidia-smi. L'apprentissage peut être effectué en peu de temps en augmentant la taille du lot autant que possible selon la machine de l'environnement d'exécution.
-
-### Spécifier le modèle pré-entraîné
-RVC commence à former le modèle à partir de poids pré-entraînés plutôt que de zéro, il peut donc être formé avec un petit ensemble de données.
-
-Par défaut :
-
- Si vous considérez le pitch, il charge `rvc-location/pretrained/f0G40k.pth` et `rvc-location/pretrained/f0D40k.pth`.
- Si vous ne considérez pas le pitch, il charge `rvc-location/pretrained/f0G40k.pth` et `rvc-location/pretrained/f0D40k.pth`.
-
-Lors de l'apprentissage, les paramètres du modèle sont sauvegardés dans `logs/nom-de-votre-experience/G_{}.pth` et `logs/nom-de-votre-experience/D_{}.pth` pour chaque save_every_epoch, mais en spécifiant ce chemin, vous pouvez démarrer l'apprentissage. Vous pouvez redémarrer ou commencer à former à partir de poids de modèle appris lors d'une expérience différente.
-
-### Index d'apprentissage
-RVC sauvegarde les valeurs de caractéristique HuBERT utilisées lors de la formation, et pendant l'inférence, recherche les valeurs de caractéristique qui sont similaires aux valeurs de caractéristique utilisées lors de l'apprentissage pour effectuer l'inférence. Afin d'effectuer cette recherche à haute vitesse, l'index est appris à l'avance.
-Pour l'apprentissage d'index, nous utilisons la bibliothèque de recherche de voisinage approximatif faiss. Lisez la valeur de caractéristique de `logs/nom-de-votre-experience/3_feature256` et utilisez-la pour apprendre l'index, et sauvegardez-la sous `logs/nom-de-votre-experience/add_XXX.index`.
-
-(À partir de la version de mise à jour 20230428, elle est lue à partir de l'index, et la sauvegarde / spécification n'est plus nécessaire.)
-
-### Description du bouton
- Former le modèle : après avoir exécuté l'étape 2b, appuyez sur ce bouton pour former le modèle.
- Former l'index de caractéristique : après avoir formé le modèle, effectuez un apprentissage d'index.
- Formation en un clic : étape 2b, formation du modèle et formation de l'index de caractéristique tout d'un coup.```
--- a/docs/jp/Changelog_JA.md
+++ b/docs/jp/Changelog_JA.md
@ -1,123 +0,0 @@
-### 2023 年 10 月 6 日更新
-
-リアルタイム声変換のためのインターフェース go-realtime-gui.bat/gui_v1.py を作成しました（実際には既に存在していました）。今回のアップデートでは、リアルタイム声変換のパフォーマンスを重点的に最適化しました。0813 版との比較：
-
- 1.  インターフェース操作の最適化：パラメータのホット更新（パラメータ調整時に中断して再起動する必要がない）、レイジーロードモデル（既にロードされたモデルは再ロードする必要がない）、音量因子パラメータ追加（音量を入力オーディオに近づける）
- 2.  内蔵ノイズリダクション効果と速度の最適化
- 3.  推論速度の大幅な最適化
-
-入出力デバイスは同じタイプを選択する必要があります。例えば、両方とも MME タイプを選択します。
-
-1006 バージョンの全体的な更新は：
-
- 1.  rmvpe 音声ピッチ抽出アルゴリズムの効果をさらに向上、特に男性の低音部分で大きな改善
- 2.  推論インターフェースレイアウトの最適化
-
-### 2023 年 8 月 13 日更新
-
-1-通常のバグ修正
-
- 保存頻度と総ラウンド数の最小値を 1 に変更。総ラウンド数の最小値を 2 に変更
- pretrain モデルなしでのトレーニングエラーを修正
- 伴奏とボーカルの分離完了後の VRAM クリア
- faiss 保存パスを絶対パスから相対パスに変更
- パスに空白が含まれる場合のサポート（トレーニングセットのパス+実験名がサポートされ、エラーにならない）
- filelist の強制的な utf8 エンコーディングをキャンセル
- リアルタイム声変換中にインデックスを有効にすることによる CPU の大幅な使用問題を解決
-
-2-重要なアップデート
-
- 現在最も強力なオープンソースの人間の声のピッチ抽出モデル RMVPE をトレーニングし、RVC のトレーニング、オフライン/リアルタイム推論に使用。pytorch/onnx/DirectML をサポート
- pytorch-dml を通じて A カードと I カードのサポート
-  （1）リアルタイム声変換（2）推論（3）ボーカルと伴奏の分離（4）トレーニングはまだサポートされておらず、CPU でのトレーニングに切り替わります。onnx_dml を通じて rmvpe_gpu の推論をサポート
-
-### 2023 年 6 月 18 日更新
-
- v2 に 32k と 48k の 2 つの新しい事前トレーニングモデルを追加
- 非 f0 モデルの推論エラーを修正
- 1 時間を超えるトレーニングセットのインデックス構築フェーズでは、自動的に kmeans で特徴を縮小し、インデックスのトレーニングを加速し、検索に追加
- 人間の声をギターに変換するおもちゃのリポジトリを添付
- データ処理で異常値スライスを除外
- onnx エクスポートオプションタブ
-
-失敗した実験：
-
- ~~特徴検索に時間次元を追加：ダメ、効果がない~~
- ~~特徴検索に PCAR 次元削減オプションを追加：ダメ、大きなデータは kmeans でデータ量を減らし、小さいデータは次元削減の時間が節約するマッチングの時間よりも長い~~
- ~~onnx 推論のサポート（推論のみの小さな圧縮パッケージ付き）：ダメ、nsf の生成には pytorch が必要~~
- ~~トレーニング中に音声、ジェンダー、eq、ノイズなどで入力をランダムに増強：ダメ、効果がない~~
- ~~小型声码器の接続調査：ダメ、効果が悪化~~
-
-todolist：
-
- ~~トレーニングセットの音声ピッチ認識に crepe をサポート：既に RMVPE に置き換えられているため不要~~
- ~~多プロセス harvest 推論：既に RMVPE に置き換えられているため不要~~
- ~~crepe の精度サポートと RVC-config の同期：既に RMVPE に置き換えられているため不要。これをサポートするには torchcrepe ライブラリも同期する必要があり、面倒~~
- F0 エディタとの連携
-
-### 2023 年 5 月 28 日更新
-
- v2 の jupyter notebook を追加、韓国語の changelog を追加、いくつかの環境依存関係を追加
- 呼吸、清辅音、歯音の保護モードを追加
- crepe-full 推論をサポート
- UVR5 人間の声と伴奏の分離に 3 つの遅延除去モデルと MDX-Net の混响除去モデルを追加、HP3 人声抽出モデルを追加
- インデックス名にバージョンと実験名を追加
- 人間の声と伴奏の分離、推論のバッチエクスポートにオーディオエクスポートフォーマットオプションを追加
- 32k モデルのトレーニングを廃止
-
-### 2023 年 5 月 13 日更新
-
- ワンクリックパッケージ内の古いバージョンの runtime 内の lib.infer_pack と uvr5_pack の残骸をクリア
- トレーニングセットの事前処理の擬似マルチプロセスバグを修正
- harvest による音声ピッチ認識で無声音現象を弱めるために中間値フィルターを追加、中間値フィルターの半径を調整可能
- 音声エクスポートにポストプロセスリサンプリングを追加
- トレーニング時の n_cpu プロセス数を「F0 抽出のみ調整」から「データ事前処理と F0 抽出の調整」に変更
- logs フォルダ下の index パスを自動検出し、ドロップダウンリスト機能を提供
- タブページに「よくある質問」を追加（または github-rvc-wiki を参照）
- 同じパスの入力音声推論に音声ピッチキャッシュを追加（用途：harvest 音声ピッチ抽出を使用すると、全体のパイプラインが長く繰り返される音声ピッチ抽出プロセスを経験し、キャッシュを使用しない場合、異なる音色、インデックス、音声ピッチ中間値フィルター半径パラメーターをテストするユーザーは、最初のテスト後の待機結果が非常に苦痛になります）
-
-### 2023 年 5 月 14 日更新
-
- 音量エンベロープのアライメント入力ミックス（「入力が無音で出力がわずかなノイズ」の問題を緩和することができます。入力音声の背景ノイズが大きい場合は、オンにしないことをお勧めします。デフォルトではオフ（1 として扱われる））
- 指定された頻度で抽出された小型モデルを保存する機能をサポート（異なるエポックでの推論効果を試したいが、すべての大きなチェックポイントを保存して手動で小型モデルを抽出するのが面倒な場合、この機能は非常に便利です）
- システム全体のプロキシが開かれている場合にブラウザの接続エラーが発生する問題を環境変数の設定で解決
- v2 事前訓練モデルをサポート（現在、テストのために 40k バージョンのみが公開されており、他の 2 つのサンプリングレートはまだ完全に訓練されていません）
- 推論前に 1 を超える過大な音量を制限
- データ事前処理パラメーターを微調整
-
-### 2023 年 4 月 9 日更新
-
- トレーニングパラメーターを修正し、GPU の平均利用率を向上させる。A100 は最高 25％から約 90％に、V100 は 50％から約 90％に、2060S は 60％から約 85％に、P40 は 25％から約 95％に向上し、トレーニング速度が大幅に向上
- パラメーターを修正：全体の batch_size を各カードの batch_size に変更
- total_epoch を修正：最大制限 100 から 1000 に解除; デフォルト 10 からデフォルト 20 に引き上げ
- ckpt 抽出時に音声ピッチの有無を誤って認識し、推論が異常になる問題を修正
- 分散トレーニングで各ランクが ckpt を 1 回ずつ保存する問題を修正
- 特徴抽出で nan 特徴をフィルタリング
- 入力が無音で出力がランダムな子音またはノイズになる問題を修正（旧バージョンのモデルはトレーニングセットを作り直して再トレーニングする必要があります）
-
-### 2023 年 4 月 16 日更新
-
- ローカルリアルタイム音声変換ミニ GUI を新設、go-realtime-gui.bat をダブルクリックで起動
- トレーニングと推論で 50Hz 以下の周波数帯をフィルタリング
- トレーニングと推論の音声ピッチ抽出 pyworld の最低音声ピッチをデフォルトの 80 から 50 に下げ、50-80hz の男性低音声が無声にならないように
- WebUI がシステムの地域に基づいて言語を変更する機能をサポート（現在サポートされているのは en_US、ja_JP、zh_CN、zh_HK、zh_SG、zh_TW、サポートされていない場合はデフォルトで en_US になります）
- 一部のグラフィックカードの認識を修正（例えば V100-16G の認識失敗、P4 の認識失敗）
-
-### 2023 年 4 月 28 日更新
-
- faiss インデックス設定をアップグレードし、速度が速く、品質が高くなりました
- total_npy 依存をキャンセルし、今後のモデル共有では total_npy の記入は不要
- 16 シリーズの制限を解除。4G メモリ GPU に 4G の推論設定を提供
- 一部のオーディオ形式で UVR5 の人声伴奏分離のバグを修正
- リアルタイム音声変換ミニ gui に 40k 以外のモデルと妥協のない音声ピッチモデルのサポートを追加
-
-### 今後の計画：
-
-機能：
-
- 複数人のトレーニングタブのサポート（最大 4 人）
-
-底層モデル：
-
- 呼吸 wav をトレーニングセットに追加し、呼吸が音声変換の電子音の問題を修正
- 歌声トレーニングセットを追加した底層モデルをトレーニングしており、将来的には公開する予定です
--- a/docs/jp/README.ja.md
+++ b/docs/jp/README.ja.md
@ -1,257 +0,0 @@
-<div align="center">
-
-<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
-VITSに基づく使いやすい音声変換（voice changer）framework<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/badge/LICENSE-MIT-green.svg?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)
-
-[**更新日誌**](./Changelog_JA.md) | [**よくある質問**](./faq_ja.md) | [**AutoDL·5 円で AI 歌手をトレーニング**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B) | [**対照実験記録**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%AF%B9%E7%85%A7%E5%AE%9E%E9%AA%8C%C2%B7%E5%AE%9E%E9%AA%8C%E8%AE%B0%E5%BD%95) | [**オンラインデモ**](https://modelscope.cn/studios/FlowerCry/RVCv2demo)
-
-[**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)) | [**Français**](../fr/README.fr.md) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
-
-</div>
-
-> デモ動画は[こちら](https://www.bilibili.com/video/BV1pm4y1z7Gm/)でご覧ください。
-
-> RVC によるリアルタイム音声変換: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
-
-> 著作権侵害を心配することなく使用できるように、基底モデルは約 50 時間の高品質なオープンソースデータセットで訓練されています。
-
-> RVCv3 の基底モデルルをご期待ください。より大きなパラメータ、より大きなデータ、より良い効果を提供し、基本的に同様の推論速度を維持しながら、トレーニングに必要なデータ量はより少なくなります。
-
-<table>
-   <tr>
-		<td align="center">トレーニングと推論インターフェース</td>
-		<td align="center">リアルタイム音声変換インターフェース</td>
-	</tr>
-  <tr>
-		<td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/092e5c12-0d49-4168-a590-0b0ef6a4f630"></td>
-    <td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/730b4114-8805-44a1-ab1a-04668f3c30a6"></td>
-	</tr>
-	<tr>
-		<td align="center">go-web.bat</td>
-		<td align="center">go-realtime-gui.bat</td>
-	</tr>
-  <tr>
-    <td align="center">実行したい操作を自由に選択できます。</td>
-		<td align="center">既に端から端までの170msの遅延を実現しました。ASIO入出力デバイスを使用すれば、端から端までの90msの遅延を達成できますが、ハードウェアドライバーのサポートに非常に依存しています。</td>
-	</tr>
-</table>
-
-## はじめに
-
-本リポジトリには下記の特徴があります。
-
- Top1 検索を用いることで、生の特徴量を訓練用データセット特徴量に変換し、トーンリーケージを削減します。
- 比較的貧弱な GPU でも、高速かつ簡単に訓練できます。
- 少量のデータセットからでも、比較的良い結果を得ることができます。（10 分以上のノイズの少ない音声を推奨します。）
- モデルを融合することで、音声を混ぜることができます。（ckpt processing タブの、ckpt merge を使用します。）
- 使いやすい WebUI。
- UVR5 Model も含んでいるため、人の声と BGM を素早く分離できます。
- 最先端の[人間の声のピッチ抽出アルゴリズム InterSpeech2023-RMVPE](#参照プロジェクト)を使用して無声音問題を解決します。効果は最高（著しく）で、crepe_full よりも速く、リソース使用が少ないです。
- A カードと I カードの加速サポート
-
-私たちの[デモビデオ](https://www.bilibili.com/video/BV1pm4y1z7Gm/)をチェックしてください！
-
-## 環境構築
-
-下記のコマンドは、Python3.8 以上の環境で実行する必要があります:
-
-### Windows/Linux/MacOS などのプラットフォーム共通方法
-
-以下の方法のいずれかを選択してください。
-
-#### 1. pip を通じた依存関係のインストール
-
-1. Pytorch 及びその主要な依存関係のインストール、すでにインストールされている場合はスキップ。参照：https://pytorch.org/get-started/locally/
-
-```bash
-pip install torch torchvision torchaudio
-```
-
-2. win システム + Nvidia Ampere アーキテクチャ（RTX30xx）の場合、#21 の経験に基づいて pytorch に対応する cuda バージョンを指定
-
-```bash
-pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
-```
-
-3. 自分のグラフィックカードに合わせた依存関係のインストール
-
- N カード
-
-```bash
-pip install -r requirements.txt
-```
-
- A カード/I カード
-
-```bash
-pip install -r requirements-dml.txt
-```
-
- A カード ROCM(Linux)
-
-```bash
-pip install -r requirements-amd.txt
-```
-
- I カード IPEX(Linux)
-
-```bash
-pip install -r requirements-ipex.txt
-```
-
-#### 2. poetry を通じた依存関係のインストール
-
-Poetry 依存関係管理ツールのインストール、すでにインストールされている場合はスキップ。参照：https://python-poetry.org/docs/#installation
-
-```bash
-curl -sSL https://install.python-poetry.org | python3 -
-```
-
-poetry を使って依存関係をインストール
-
-```bash
-poetry install
-```
-
-### MacOS
-
-`run.sh`を使って依存関係をインストールできます
-
-```bash
-sh ./run.sh
-```
-
-## その他の事前訓練されたモデルの準備
-
-RVC は推論とトレーニングのために他のいくつかの事前訓練されたモデルが必要です。
-
-これらのモデルは私たちの[Hugging Face space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)でダウンロードできます。
-
-### 1. assets のダウンロード
-
-以下は、RVC に必要なすべての事前学習モデルとその他のファイルのリストです。`tools`フォルダーにこれらをダウンロードするスクリプトがあります。
-
- ./assets/hubert/hubert_base.pt
-
- ./assets/pretrained
-
- ./assets/uvr5_weights
-
-v2 バージョンのモデルを使用する場合、追加で以下をダウンロードする必要があります。
-
- ./assets/pretrained_v2
-
-### 2. ffmpeg のインストール
-
-ffmpeg と ffprobe が既にインストールされている場合はスキップします。
-
-#### Ubuntu/Debian ユーザー
-
-```bash
-sudo apt install ffmpeg
-```
-
-#### MacOS ユーザー
-
-```bash
-brew install ffmpeg
-```
-
-#### Windows ユーザー
-
-ダウンロード後、ルートディレクトリに配置してください。
-
- [ffmpeg.exe をダウンロード](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe)
-
- [ffprobe.exe をダウンロード](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe)
-
-### 3. RMVPE 人間の声のピッチ抽出アルゴリズムに必要なファイルのダウンロード
-
-最新の RMVPE 人間の声のピッチ抽出アルゴリズムを使用する場合、ピッチ抽出モデルのパラメータをダウンロードして RVC のルートディレクトリに配置する必要があります。
-
- [rmvpe.pt をダウンロード](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt)
-
-#### dml 環境の RMVPE をダウンロード(オプション、A カード/I カードユーザー)
-
- [rmvpe.onnx をダウンロード](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx)
-
-### 4. AMD グラフィックカード Rocm(オプション、Linux のみ)
-
-Linux システムで AMD の Rocm 技術をベースに RVC を実行したい場合、[こちら](https://rocm.docs.amd.com/en/latest/deploy/linux/os-native/install.html)で必要なドライバーを先にインストールしてください。
-
-Arch Linux を使用している場合、pacman を使用して必要なドライバーをインストールできます。
-
-```
-pacman -S rocm-hip-sdk rocm-opencl-sdk
-```
-
-一部のモデルのグラフィックカード（例：RX6700XT）の場合、以下のような環境変数を追加で設定する必要があるかもしれません。
-
-```
-export ROCM_PATH=/opt/rocm
-export HSA_OVERRIDE_GFX_VERSION=10.3.0
-```
-
-同時に、現在のユーザーが`render`および`video`ユーザーグループに属していることを確認してください。
-
-```
-sudo usermod -aG render $USERNAME
-sudo usermod -aG video $USERNAME
-```
-
-## 使用開始
-
-### 直接起動
-
-以下のコマンドで WebUI を起動します
-```bash
-python infer-web.py
-```
-
-### 統合パッケージの使用
-
-`RVC-beta.7z`をダウンロードして解凍
-
-#### Windows ユーザー
-
-`go-web.bat`をダブルクリック
-
-#### MacOS ユーザー
-
-```bash
-sh ./run.sh
-```
-
-### IPEX 技術が必要な I カードユーザー向け(Linux のみ)
-
-```bash
-source /opt/intel/oneapi/setvars.sh
-```
-
-## 参考プロジェクト
-
- [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)
-  - 事前訓練されたモデルは[yxlllc](https://github.com/yxlllc/RMVPE)と[RVC-Boss](https://github.com/RVC-Boss)によって訓練され、テストされました。
-
-## すべての貢献者の努力に感謝します
-
-<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>
--- a/docs/jp/faq_ja.md
+++ b/docs/jp/faq_ja.md
@ -1,122 +0,0 @@
-## Q1: ffmpeg error/utf8 error
-
-大体の場合、ffmpeg の問題ではなく、音声パスの問題です。<br>
-ffmpeg は空白や()などの特殊文字を含むパスを読み込む際に ffmpeg error が発生する可能性があります。トレーニングセットの音声が中国語のパスを含む場合、filelist.txt に書き込む際に utf8 error が発生する可能性があります。<br>
-
-## Q2: ワンクリックトレーニングが終わってもインデックスがない
-
-"Training is done. The program is closed."と表示された場合、モデルトレーニングは成功しています。その直後のエラーは誤りです。<br>
-
-ワンクリックトレーニングが終了しても added で始まるインデックスファイルがない場合、トレーニングセットが大きすぎてインデックス追加のステップが停止している可能性があります。バッチ処理 add インデックスでメモリの要求が高すぎる問題を解決しました。一時的に「トレーニングインデックス」ボタンをもう一度クリックしてみてください。<br>
-
-## Q3: トレーニングが終了してもトレーニングセットの音色が見えない
-
-音色をリフレッシュしてもう一度確認してください。それでも見えない場合は、トレーニングにエラーがなかったか、コンソールと WebUI のスクリーンショット、logs/実験名の下のログを開発者に送って確認してみてください。<br>
-
-## Q4: モデルをどのように共有するか
-
-rvc_root/logs/実験名の下に保存されている pth は、推論に使用するために共有するためのものではなく、実験の状態を保存して再現およびトレーニングを続けるためのものです。共有するためのモデルは、weights フォルダの下にある 60MB 以上の pth ファイルです。<br>
-   今後、weights/exp_name.pth と logs/exp_name/added_xxx.index を組み合わせて weights/exp_name.zip にパッケージ化し、インデックスの記入ステップを省略します。その場合、zip ファイルを共有し、pth ファイルは共有しないでください。別のマシンでトレーニングを続ける場合を除きます。<br>
-  logs フォルダの数百 MB の pth ファイルを weights フォルダにコピー/共有して推論に強制的に使用すると、f0、tgt_sr などのさまざまなキーが存在しないというエラーが発生する可能性があります。ckpt タブの一番下で、音高、目標オーディオサンプリングレートを手動または自動（ローカルの logs に関連情報が見つかる場合は自動的に）で選択してから、ckpt の小型モデルを抽出する必要があります（入力パスに G で始まるものを記入）。抽出が完了すると、weights フォルダに 60MB 以上の pth ファイルが表示され、音色をリフレッシュした後に使用できます。<br>
-
-## Q5: Connection Error
-
-コンソール（黒いウィンドウ）を閉じた可能性があります。<br>
-
-## Q6: WebUI が Expecting value: line 1 column 1 (char 0)と表示する
-
-システムのローカルネットワークプロキシ/グローバルプロキシを閉じてください。<br>
-
-これはクライアントのプロキシだけでなく、サーバー側のプロキシも含まれます（例えば autodl で http_proxy と https_proxy を設定して学術的な加速を行っている場合、使用する際には unset でオフにする必要があります）。<br>
-
-## Q7: WebUI を使わずにコマンドでトレーニングや推論を行うには
-
-トレーニングスクリプト：<br>
-まず WebUI を実行し、メッセージウィンドウにデータセット処理とトレーニング用のコマンドラインが表示されます。<br>
-
-推論スクリプト：<br>
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py<br>
-
-例：<br>
-
-runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\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])<br>
-
-## Q8: Cuda error/Cuda out of memory
-
-まれに cuda の設定問題やデバイスがサポートされていない可能性がありますが、大半はメモリ不足（out of memory）が原因です。<br>
-
-トレーニングの場合は batch size を小さくします（1 にしても足りない場合はグラフィックカードを変更するしかありません）。推論の場合は、config.py の末尾にある x_pad、x_query、x_center、x_max を適宜小さくします。4GB 以下のメモリ（例えば 1060（3G）や各種 2GB のグラフィックカード）は諦めることをお勧めしますが、4GB のメモリのグラフィックカードはまだ救いがあります。<br>
-
-## Q9: total_epoch はどのくらいに設定するのが良いですか
-
-トレーニングセットの音質が悪く、ノイズが多い場合は、20〜30 で十分です。高すぎると、ベースモデルの音質が低音質のトレーニングセットを高めることができません。<br>
-トレーニングセットの音質が高く、ノイズが少なく、長い場合は、高く設定できます。200 は問題ありません（トレーニング速度が速いので、高音質のトレーニングセットを準備できる条件がある場合、グラフィックカードも条件が良いはずなので、少しトレーニング時間が長くなることを気にすることはありません）。<br>
-
-## Q10: トレーニングセットはどれくらいの長さが必要ですか
-
-10 分から 50 分を推奨します。
-   音質が良く、バックグラウンドノイズが低い場合、個人的な特徴のある音色であれば、多ければ多いほど良いです。
-   高品質のトレーニングセット（精巧に準備された + 特徴的な音色）であれば、5 分から 10 分でも大丈夫です。リポジトリの作者もよくこの方法で遊びます。
-  1 分から 2 分のデータでトレーニングに成功した人もいますが、その成功体験は他人には再現できないため、あまり参考になりません。トレーニングセットの音色が非常に特徴的である必要があります（例：高い周波数の透明な声や少女の声など）、そして音質が良い必要があります。
-  1 分未満のデータでトレーニングを試みた（成功した）ケースはまだ見たことがありません。このような試みはお勧めしません。
-
-## Q11: index rate は何に使うもので、どのように調整するのか（啓蒙）
-
-もしベースモデルや推論ソースの音質がトレーニングセットよりも高い場合、推論結果の音質を向上させることができますが、音色がベースモデル/推論ソースの音色に近づくことがあります。これを「音色漏れ」と言います。
-  index rate は音色漏れの問題を減少させたり解決するために使用されます。1 に設定すると、理論的には推論ソースの音色漏れの問題は存在しませんが、音質はトレーニングセットに近づきます。トレーニングセットの音質が推論ソースよりも低い場合、index rate を高くすると音質が低下する可能性があります。0 に設定すると、検索ミックスを利用してトレーニングセットの音色を保護する効果はありません。
-   トレーニングセットが高品質で長い場合、total_epoch を高く設定することができ、この場合、モデル自体は推論ソースやベースモデルの音色をあまり参照しないため、「音色漏れ」の問題はほとんど発生しません。この時、index rate は重要ではなく、インデックスファイルを作成したり共有したりする必要もありません。
-
-## Q11: 推論時に GPU をどのように選択するか
-
-config.py ファイルの device cuda:の後にカード番号を選択します。
-カード番号とグラフィックカードのマッピング関係は、トレーニングタブのグラフィックカード情報欄で確認できます。
-
-## Q12: トレーニング中に保存された pth ファイルをどのように推論するか
-
-ckpt タブの一番下で小型モデルを抽出します。
-
-## Q13: トレーニングをどのように中断し、続行するか
-
-現在の段階では、WebUI コンソールを閉じて go-web.bat をダブルクリックしてプログラムを再起動するしかありません。ウェブページのパラメータもリフレッシュして再度入力する必要があります。
-トレーニングを続けるには：同じウェブページのパラメータでトレーニングモデルをクリックすると、前回のチェックポイントからトレーニングを続けます。
-
-## Q14: トレーニング中にファイルページ/メモリエラーが発生した場合の対処法
-
-プロセスが多すぎてメモリがオーバーフローしました。以下の方法で解決できるかもしれません。
-
-1. 「音高抽出とデータ処理に使用する CPU プロセス数」を適宜下げます。
-2. トレーニングセットのオーディオを手動でカットして、あまり長くならないようにします。
-
-## Q15: 途中でデータを追加してトレーニングする方法
-
-1. 全データに新しい実験名を作成します。
-2. 前回の最新の G と D ファイル（あるいはどの中間 ckpt を基にトレーニングしたい場合は、その中間のものをコピーすることもできます）を新しい実験名にコピーします。
-3. 新しい実験名でワンクリックトレーニングを開始すると、前回の最新の進捗からトレーニングを続けます。
-
-## Q16: llvmlite.dll に関するエラー
-
-```bash
-OSError: Could not load shared object file: llvmlite.dll
-
-FileNotFoundError: Could not find module lib\site-packages\llvmlite\binding\llvmlite.dll (or one of its dependencies). Try using the full path with constructor syntax.
-```
-
-Windows プラットフォームではこのエラーが発生しますが、https://aka.ms/vs/17/release/vc_redist.x64.exeをインストールしてWebUIを再起動すれば解決します。
-
-## Q17: RuntimeError: テンソルの拡張サイズ（17280）は、非シングルトン次元 1 での既存サイズ（0）と一致する必要があります。 ターゲットサイズ：[1, 17280]。 テンソルサイズ：[0]
-
-wavs16k フォルダーの下で、他のファイルよりも明らかに小さいいくつかのオーディオファイルを見つけて削除し、トレーニングモデルをクリックすればエラーは発生しませんが、ワンクリックプロセスが中断されたため、モデルのトレーニングが完了したらインデックスのトレーニングをクリックする必要があります。
-
-## Q18: RuntimeError: テンソル a のサイズ（24）は、非シングルトン次元 2 でテンソル b（16）のサイズと一致する必要があります
-
-トレーニング中にサンプリングレートを変更してはいけません。変更する必要がある場合は、実験名を変更して最初からトレーニングする必要があります。もちろん、前回抽出した音高と特徴（0/1/2/2b フォルダ）をコピーしてトレーニングプロセスを加速することもできます。
--- a/docs/kr/README.ko.md
+++ b/docs/kr/README.ko.md
@ -1,258 +0,0 @@
-<div align="center">
-
-<h1>Retrieval-based-Voice-Conversion-WebUI</h1>
-VITS 기반의 간단하고 사용하기 쉬운 음성 변환 프레임워크.<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/badge/LICENSE-MIT-green.svg?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)
-
-[**업데이트 로그**](./Changelog_KO.md) | [**자주 묻는 질문**](./faq_ko.md) | [**AutoDL·5원으로 AI 가수 훈련**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/Autodl%E8%AE%AD%E7%BB%83RVC%C2%B7AI%E6%AD%8C%E6%89%8B%E6%95%99%E7%A8%8B) | [**대조 실험 기록**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/%E5%AF%B9%E7%85%A7%E5%AE%9E%E9%AA%8C%C2%B7%E5%AE%9E%E9%AA%8C%E8%AE%B0%E5%BD%95) | [**온라인 데모**](https://modelscope.cn/studios/FlowerCry/RVCv2demo)
-
-[**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)) | [**Français**](../fr/README.fr.md) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
-
-</div>
-
-> [데모 영상](https://www.bilibili.com/video/BV1pm4y1z7Gm/)을 확인해 보세요!
-
-> RVC를 활용한 실시간 음성변환: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
-
-> 기본 모델은 50시간 가량의 고퀄리티 오픈 소스 VCTK 데이터셋을 사용하였으므로, 저작권상의 염려가 없으니 안심하고 사용하시기 바랍니다.
-
-> 더 큰 매개변수, 더 큰 데이터, 더 나은 효과, 기본적으로 동일한 추론 속도, 더 적은 양의 훈련 데이터가 필요한 RVCv3의 기본 모델을 기대해 주십시오.
-
-<table>
-   <tr>
-		<td align="center">훈련 및 추론 인터페이스</td>
-		<td align="center">실시간 음성 변환 인터페이스</td>
-	</tr>
-  <tr>
-		<td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/092e5c12-0d49-4168-a590-0b0ef6a4f630"></td>
-    <td align="center"><img src="https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/assets/129054828/730b4114-8805-44a1-ab1a-04668f3c30a6"></td>
-	</tr>
-	<tr>
-		<td align="center">go-web.bat</td>
-		<td align="center">go-realtime-gui.bat</td>
-	</tr>
-  <tr>
-    <td align="center">원하는 작업을 자유롭게 선택할 수 있습니다.</td>
-		<td align="center">우리는 이미 끝에서 끝까지 170ms의 지연을 실현했습니다. ASIO 입력 및 출력 장치를 사용하면 끝에서 끝까지 90ms의 지연을 달성할 수 있지만, 이는 하드웨어 드라이버 지원에 매우 의존적입니다.</td>
-	</tr>
-</table>
-
-## 소개
-
-본 Repo는 다음과 같은 특징을 가지고 있습니다:
-
- top1 검색을 이용하여 입력 음색 특징을 훈련 세트 음색 특징으로 대체하여 음색의 누출을 방지
- 상대적으로 낮은 성능의 GPU에서도 빠른 훈련 가능
- 적은 양의 데이터로 훈련해도 좋은 결과를 얻을 수 있음 (최소 10분 이상의 저잡음 음성 데이터를 사용하는 것을 권장)
- 모델 융합을 통한 음색의 변조 가능 (ckpt 처리 탭->ckpt 병합 선택)
- 사용하기 쉬운 WebUI (웹 인터페이스)
- UVR5 모델을 이용하여 목소리와 배경음악의 빠른 분리;
- 최첨단 [음성 피치 추출 알고리즘 InterSpeech2023-RMVPE](#参考项目)을 사용하여 무성음 문제를 해결합니다. 효과는 최고(압도적)이며 crepe_full보다 더 빠르고 리소스 사용이 적음
- A카드와 I카드 가속을 지원
-
-해당 프로젝트의 [데모 비디오](https://www.bilibili.com/video/BV1pm4y1z7Gm/)를 확인해보세요!
-
-## 환경 설정
-
-다음 명령은 Python 버전이 3.8 이상인 환경에서 실행해야 합니다.
-
-### Windows/Linux/MacOS 등 플랫폼 공통 방법
-
-아래 방법 중 하나를 선택하세요.
-
-#### 1. pip를 통한 의존성 설치
-
-1. Pytorch 및 의존성 모듈 설치, 이미 설치되어 있으면 생략. 참조: https://pytorch.org/get-started/locally/
-
-```bash
-pip install torch torchvision torchaudio
-```
-
-2. win 시스템 + Nvidia Ampere 아키텍처(RTX30xx) 사용 시, #21의 사례에 따라 pytorch에 해당하는 cuda 버전을 지정
-
-```bash
-pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
-```
-
-3. 자신의 그래픽 카드에 맞는 의존성 설치
-
- N카드
-
-```bash
-pip install -r requirements.txt
-```
-
- A카드/I카드
-
-```bash
-pip install -r requirements-dml.txt
-```
-
- A카드ROCM(Linux)
-
-```bash
-pip install -r requirements-amd.txt
-```
-
- I카드IPEX(Linux)
-
-```bash
-pip install -r requirements-ipex.txt
-```
-
-#### 2. poetry를 통한 의존성 설치
-
-Poetry 의존성 관리 도구 설치, 이미 설치된 경우 생략. 참조: https://python-poetry.org/docs/#installation
-
-```bash
-curl -sSL https://install.python-poetry.org | python3 -
-```
-
-poetry를 통한 의존성 설치
-
-```bash
-poetry install
-```
-
-### MacOS
-
-`run.sh`를 통해 의존성 설치 가능
-
-```bash
-sh ./run.sh
-```
-
-## 기타 사전 훈련된 모델 준비
-
-RVC는 추론과 훈련을 위해 다른 일부 사전 훈련된 모델이 필요합니다.
-
-이러한 모델은 저희의 [Hugging Face space](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/)에서 다운로드할 수 있습니다.
-
-### 1. assets 다운로드
-
-다음은 RVC에 필요한 모든 사전 훈련된 모델과 기타 파일의 목록입니다. `tools` 폴더에서 이들을 다운로드하는 스크립트를 찾을 수 있습니다.
-
- ./assets/hubert/hubert_base.pt
-
- ./assets/pretrained
-
- ./assets/uvr5_weights
-
-v2 버전 모델을 사용하려면 추가로 다음을 다운로드해야 합니다.
-
- ./assets/pretrained_v2
-
-### 2. ffmpeg 설치
-
-ffmpeg와 ffprobe가 이미 설치되어 있다면 건너뜁니다.
-
-#### Ubuntu/Debian 사용자
-
-```bash
-sudo apt install ffmpeg
-```
-
-#### MacOS 사용자
-
-```bash
-brew install ffmpeg
-```
-
-#### Windows 사용자
-
-다운로드 후 루트 디렉토리에 배치.
-
- [ffmpeg.exe 다운로드](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe)
-
- [ffprobe.exe 다운로드](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe)
-
-### 3. RMVPE 인간 음성 피치 추출 알고리즘에 필요한 파일 다운로드
-
-최신 RMVPE 인간 음성 피치 추출 알고리즘을 사용하려면 음피치 추출 모델 매개변수를 다운로드하고 RVC 루트 디렉토리에 배치해야 합니다.
-
- [rmvpe.pt 다운로드](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt)
-
-#### dml 환경의 RMVPE 다운로드(선택사항, A카드/I카드 사용자)
-
- [rmvpe.onnx 다운로드](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx)
-
-### 4. AMD 그래픽 카드 Rocm(선택사항, Linux만 해당)
-
-Linux 시스템에서 AMD의 Rocm 기술을 기반으로 RVC를 실행하려면 [여기](https://rocm.docs.amd.com/en/latest/deploy/linux/os-native/install.html)에서 필요한 드라이버를 먼저 설치하세요.
-
-Arch Linux를 사용하는 경우 pacman을 사용하여 필요한 드라이버를 설치할 수 있습니다.
-
-```
-pacman -S rocm-hip-sdk rocm-opencl-sdk
-```
-
-일부 모델의 그래픽 카드(예: RX6700XT)의 경우, 다음과 같은 환경 변수를 추가로 설정해야 할 수 있습니다.
-
-```
-export ROCM_PATH=/opt/rocm
-export HSA_OVERRIDE_GFX_VERSION=10.3.0
-```
-
-동시에 현재 사용자가 `render` 및 `video` 사용자 그룹에 속해 있는지 확인하세요.
-
-```
-sudo usermod -aG render $USERNAME
-sudo usermod -aG video $USERNAME
-```
-
-## 시작하기
-
-### 직접 시작
-
-다음 명령어로 WebUI를 시작하세요
-
-```bash
-python infer-web.py
-```
-
-### 통합 패키지 사용
-
-`RVC-beta.7z`를 다운로드하고 압축 해제
-
-#### Windows 사용자
-
-`go-web.bat` 더블 클릭
-
-#### MacOS 사용자
-
-```bash
-sh ./run.sh
-```
-
-### IPEX 기술이 필요한 I카드 사용자를 위한 지침(Linux만 해당)
-
-```bash
-source /opt/intel/oneapi/setvars.sh
-```
-
-## 참조 프로젝트
-
- [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)
-  - 사전 훈련된 모델은 [yxlllc](https://github.com/yxlllc/RMVPE)와 [RVC-Boss](https://github.com/RVC-Boss)에 의해 훈련되고 테스트되었습니다.
-
-## 모든 기여자들의 노력에 감사드립니다
-
-<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>
--- a/docs/kr/faq_ko.md
+++ b/docs/kr/faq_ko.md
@ -1,130 +0,0 @@
-## Q1:ffmpeg 오류/utf8 오류
-
-대부분의 경우 ffmpeg 문제가 아니라 오디오 경로 문제입니다. <br>
-ffmpeg가 공백, () 등의 특수 문자가 포함된 경로를 읽을 때 ffmpeg 오류가 발생할 수 있습니다. 트레이닝 세트 오디오가 중문 경로일 때 filelist.txt에 쓸 때 utf8 오류가 발생할 수 있습니다. <br>
-
-## Q2:일괄 트레이닝이 끝나고 인덱스가 없음
-
-"Training is done. The program is closed."라고 표시되면 모델 트레이닝이 성공한 것이며, 이어지는 오류는 가짜입니다. <br>
-
-일괄 트레이닝이 끝나고 'added'로 시작하는 인덱스 파일이 없으면 트레이닝 세트가 너무 커서 인덱스 추가 단계에서 멈췄을 수 있습니다. 메모리에 대한 인덱스 추가 요구 사항이 너무 큰 문제를 배치 처리 add 인덱스로 해결했습니다. 임시로 "트레이닝 인덱스" 버튼을 다시 클릭해 보세요. <br>
-
-## Q3:트레이닝이 끝나고 트레이닝 세트의 음색을 추론에서 보지 못함
-
-'음색 새로고침'을 클릭해 보세요. 여전히 없다면 트레이닝에 오류가 있는지, 콘솔 및 webui의 스크린샷, logs/실험명 아래의 로그를 개발자에게 보내 확인해 보세요. <br>
-
-## Q4:모델 공유 방법
-
-rvc_root/logs/실험명 아래에 저장된 pth는 추론에 사용하기 위한 것이 아니라 실험 상태를 저장하고 복원하며, 트레이닝을 계속하기 위한 것입니다. 공유에 사용되는 모델은 weights 폴더 아래 60MB 이상인 pth 파일입니다. <br>
-<br/>
-향후에는 weights/exp_name.pth와 logs/exp_name/added_xxx.index를 결합하여 weights/exp_name.zip으로 만들어 index 입력 단계를 생략할 예정입니다. 그러면 zip 파일을 공유하고 pth 파일은 공유하지 마세요. 단지 다른 기계에서 트레이닝을 계속하려는 경우에만 공유하세요. <br>
-<br/>
-logs 폴더 아래 수백 MB의 pth 파일을 weights 폴더에 복사/공유하여 강제로 추론에 사용하면 f0, tgt_sr 등의 키가 없다는 오류가 발생할 수 있습니다. ckpt 탭 아래에서 수동 또는 자동(로컬 logs에서 관련 정보를 찾을 수 있는 경우 자동)으로 음성, 대상 오디오 샘플링률 옵션을 선택한 후 ckpt 소형 모델을 추출해야 합니다(입력 경로에 G로 시작하는 경로를 입력). 추출 후 weights 폴더에 60MB 이상의 pth 파일이 생성되며, 음색 새로고침 후 사용할 수 있습니다. <br>
-
-## Q5:연결 오류
-
-아마도 컨트롤 콘솔(검은 창)을 닫았을 것입니다. <br>
-
-## Q6:WebUI에서 "Expecting value: line 1 column 1 (char 0)" 오류가 발생함
-
-시스템 로컬 네트워크 프록시/글로벌 프록시를 닫으세요. <br>
-
-이는 클라이언트의 프록시뿐만 아니라 서버 측의 프록시도 포함합니다(예: autodl로 http_proxy 및 https_proxy를 설정한 경우 사용 시 unset으로 끄세요). <br>
-
-## Q7:WebUI 없이 명령으로 트레이닝 및 추론하는 방법
-
-트레이닝 스크립트: <br>
-먼저 WebUI를 실행하여 데이터 세트 처리 및 트레이닝에 사용되는 명령줄을 메시지 창에서 확인할 수 있습니다. <br>
-
-추론 스크립트: <br>
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py <br>
-
-예제: <br>
-
-runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\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 또는 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]) <br>
-
-## Q8:Cuda 오류/Cuda 메모리 부족
-
-아마도 cuda 설정 문제이거나 장치가 지원되지 않을 수 있습니다. 대부분의 경우 메모리가 부족합니다(out of memory). <br>
-
-트레이닝의 경우 batch size를 줄이세요(1로 줄여도 부족하다면 다른 그래픽 카드로 트레이닝을 해야 합니다). 추론의 경우 config.py 파일 끝에 있는 x_pad, x_query, x_center, x_max를 적절히 줄이세요. 4GB 미만의 메모리(예: 1060(3GB) 및 여러 2GB 그래픽 카드)를 가진 경우는 포기하세요. 4GB 메모리 그래픽 카드는 아직 구할 수 있습니다. <br>
-
-## Q9:total_epoch를 몇으로 설정하는 것이 좋을까요
-
-트레이닝 세트의 오디오 품질이 낮고 배경 소음이 많으면 20~30이면 충분합니다. 너무 높게 설정하면 바닥 모델의 오디오 품질이 낮은 트레이닝 세트를 높일 수 없습니다. <br>
-트레이닝 세트의 오디오 품질이 높고 배경 소음이 적고 길이가 길 경우 높게 설정할 수 있습니다. 200도 괜찮습니다(트레이닝 속도가 빠르므로, 고품질 트레이닝 세트를 준비할 수 있는 조건이 있다면, 그래픽 카드도 좋을 것이므로, 조금 더 긴 트레이닝 시간에 대해 걱정하지 않을 것입니다). <br>
-
-## Q10: 트레이닝 세트는 얼마나 길어야 하나요
-
-10분에서 50분을 추천합니다.
-<br/>
-음질이 좋고 백그라운드 노이즈가 낮은 상태에서, 개인적인 특색 있는 음색이라면 더 많으면 더 좋습니다.
-<br/>
-고품질의 트레이닝 세트(정교하게 준비된 + 특색 있는 음색)라면, 5분에서 10분도 괜찮습니다. 저장소의 저자도 종종 이렇게 합니다.
-<br/>
-1분에서 2분의 데이터로 트레이닝에 성공한 사람도 있지만, 그러한 성공 사례는 다른 사람이 재현하기 어려우며 참고 가치가 크지 않습니다. 이는 트레이닝 세트의 음색이 매우 뚜렷해야 하며(예: 높은 주파수의 명확한 목소리나 소녀음) 음질이 좋아야 합니다.
-<br/>
-1분 미만의 데이터로 트레이닝을 시도(성공)한 사례는 아직 보지 못했습니다. 이런 시도는 권장하지 않습니다.
-
-## Q11: index rate는 무엇이며, 어떻게 조정하나요? (과학적 설명)
-
-만약 베이스 모델과 추론 소스의 음질이 트레이닝 세트보다 높다면, 그들은 추론 결과의 음질을 높일 수 있지만, 음색이 베이스 모델/추론 소스의 음색으로 기울어질 수 있습니다. 이 현상을 "음색 유출"이라고 합니다.
-<br/>
-index rate는 음색 유출 문제를 줄이거나 해결하는 데 사용됩니다. 1로 조정하면 이론적으로 추론 소스의 음색 유출 문제가 없지만, 음질은 트레이닝 세트에 더 가깝게 됩니다. 만약 트레이닝 세트의 음질이 추론 소스보다 낮다면, index rate를 높이면 음질이 낮아질 수 있습니다. 0으로 조정하면 검색 혼합을 이용하여 트레이닝 세트의 음색을 보호하는 효과가 없습니다.
-<br/>
-트레이닝 세트가 고품질이고 길이가 길 경우, total_epoch를 높일 수 있으며, 이 경우 모델 자체가 추론 소스와 베이스 모델의 음색을 거의 참조하지 않아 "음색 유출" 문제가 거의 발생하지 않습니다. 이때 index rate는 중요하지 않으며, 심지어 index 색인 파일을 생성하거나 공유하지 않아도 됩니다.
-
-## Q11: 추론시 GPU를 어떻게 선택하나요?
-
-config.py 파일에서 device cuda: 다음에 카드 번호를 선택합니다.
-카드 번호와 그래픽 카드의 매핑 관계는 트레이닝 탭의 그래픽 카드 정보란에서 볼 수 있습니다.
-
-## Q12: 트레이닝 중간에 저장된 pth를 어떻게 추론하나요?
-
-ckpt 탭 하단에서 소형 모델을 추출합니다.
-
-## Q13: 트레이닝을 어떻게 중단하고 계속할 수 있나요?
-
-현재 단계에서는 WebUI 콘솔을 닫고 go-web.bat을 더블 클릭하여 프로그램을 다시 시작해야 합니다. 웹 페이지 매개변수도 새로 고쳐서 다시 입력해야 합니다.
-트레이닝을 계속하려면: 같은 웹 페이지 매개변수로 트레이닝 모델을 클릭하면 이전 체크포인트에서 트레이닝을 계속합니다.
-
-## Q14: 트레이닝 중 파일 페이지/메모리 오류가 발생하면 어떻게 해야 하나요?
-
-프로세스가 너무 많이 열려 메모리가 폭발했습니다. 다음과 같은 방법으로 해결할 수 있습니다.
-
-1. "음높이 추출 및 데이터 처리에 사용되는 CPU 프로세스 수"를 적당히 낮춥니다.
-2. 트레이닝 세트 오디오를 수동으로 잘라 너무 길지 않게 합니다.
-
-## Q15: 트레이닝 도중 데이터를 어떻게 추가하나요?
-
-1. 모든 데이터에 새로운 실험 이름을 만듭니다.
-2. 이전에 가장 최신의 G와 D 파일(또는 어떤 중간 ckpt를 기반으로 트레이닝하고 싶다면 중간 것을 복사할 수도 있음)을 새 실험 이름으로 복사합니다.
-3. 새 실험 이름으로 원클릭 트레이닝을 시작하면 이전의 최신 진행 상황에서 계속 트레이닝합니다.
-
-## Q16: llvmlite.dll에 관한 오류
-
-```bash
-OSError: Could not load shared object file: llvmlite.dll
-
-FileNotFoundError: Could not find module lib\site-packages\llvmlite\binding\llvmlite.dll (or one of its dependencies). Try using the full path with constructor syntax.
-```
-
-Windows 플랫폼에서 이 오류가 발생하면 https://aka.ms/vs/17/release/vc_redist.x64.exe를 설치하고 WebUI를 다시 시작하면 해결됩니다.
-
-## Q17: RuntimeError: 텐서의 확장된 크기(17280)는 비 단일 항목 차원 1에서 기존 크기(0)와 일치해야 합니다. 대상 크기: [1, 17280]. 텐서 크기: [0]
-
-wavs16k 폴더 아래에서 다른 파일들보다 크기가 현저히 작은 일부 오디오 파일을 찾아 삭제하고, 트레이닝 모델을 클릭하면 오류가 발생하지 않습니다. 하지만 원클릭 프로세스가 중단되었기 때문에 모델 트레이닝이 완료된 후에는 인덱스 트레이닝을 클릭해야 합니다.
-
-## Q18: RuntimeError: 텐서 a의 크기(24)가 비 단일 항목 차원 2에서 텐서 b(16)의 크기와 일치해야 합니다.
-
-트레이닝 도중에 샘플링 레이트를 변경해서는 안 됩니다. 변경해야 한다면 실험 이름을 변경하고 처음부터 트레이닝해야 합니다. 물론, 이전에 추출한 음높이와 특징(0/1/2/2b 폴더)을 복사하여 트레이닝 프로세스를 가속화할 수도 있습니다.
--- a/docs/pt/Changelog_pt.md
+++ b/docs/pt/Changelog_pt.md
@ -1,105 +0,0 @@
-### 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
--- a/docs/pt/README.pt.md
+++ b/docs/pt/README.pt.md
@ -1,193 +0,0 @@
-<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) | [**Português**](../pt/README.pt.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>
-
--- a/docs/pt/faiss_tips_pt.md
+++ b/docs/pt/faiss_tips_pt.md
@ -1,102 +0,0 @@
-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.
--- a/docs/pt/faq_pt.md
+++ b/docs/pt/faq_pt.md
@ -1,224 +0,0 @@
-# <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.
-
--- a/docs/pt/training_tips_pt.md
+++ b/docs/pt/training_tips_pt.md
@ -1,65 +0,0 @@
-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.
--- a/docs/tr/Changelog_TR.md
+++ b/docs/tr/Changelog_TR.md
@ -1,97 +0,0 @@
-
-### 2023-08-13
-1- Düzenli hata düzeltmeleri
- Minimum toplam epoch sayısını 1 olarak değiştirin ve minimum toplam epoch sayısını 2 olarak değiştirin
- Ön eğitim modellerini kullanmama nedeniyle oluşan eğitim hatalarını düzeltin
- Eşlik eden vokallerin ayrılmasından sonra grafik belleğini temizleyin
- Faiss kaydetme yolu mutlak yoldan göreli yola değiştirilmiştir
- Boşluk içeren yolu destekleyin (hem eğitim kümesi yolu hem de deney adı desteklenir ve artık hata rapor edilmez)
- Filelist, zorunlu utf8 kodlamasını iptal eder
- Gerçek zamanlı ses değişikliği sırasında faiss aramasından kaynaklanan CPU tüketim sorununu çözün
-
-2- Temel güncellemeler
- Geçerli en güçlü açık kaynak vokal ton çıkarma modeli RMVPE'yi eğitin ve RVC eğitimi, çevrimdışı/gerçek zamanlı çıkarım için kullanın, PyTorch/Onnx/DirectML destekler
- Pytorch_DML aracılığıyla AMD ve Intel grafik kartları için destek ekleyin
-
-(1) Gerçek zamanlı ses değişimi (2) Çıkarım (3) Vokal eşlik ayrımı (4) Şu anda desteklenmeyen eğitim, CPU eğitimine geçiş yapacaktır; Onnx_Dml ile gpu için RMVPE çıkarımını destekler
-
-
-### 2023-06-18
- Yeni ön eğitilmiş v2 modeller: 32k ve 48k
- F0 modeli çıkarım hatalarını düzeltme
- Eğitim kümesi 1 saati aşarsa, özelliği şekil açısından küçültmek için otomatik minibatch-kmeans yapın, böylece indeks eğitimi, eklemesi ve araması çok daha hızlı olur.
- Bir oyunca vokal2guitar huggingface alanı sağlama
- Aykırı kısa kesim eğitim kümesi seslerini otomatik olarak silme
- Onnx dışa aktarma sekmesi
-
-Başarısız deneyler:
- ~~Özellik çıkarımı: zamansal özellik çıkarımı ekleme: etkili değil~~
- ~~Özellik çıkarımı: PCAR boyut azaltma ekleme: arama daha yavaş~~
- ~~Eğitim sırasında rastgele veri artırma: etkili değil~~
-
-Yapılacaklar listesi:
- ~~Vocos-RVC (küçük vokoder): etkili değil~~
- ~~Eğitim için Crepe desteği: RMVPE ile değiştirildi~~
- ~~Yarı hassas Crepe çıkarımı: RMVPE ile değiştirildi. Ve zor gerçekleştirilebilir.~~
- F0 düzenleyici desteği
-
-### 2023-05-28
- v2 jupyter notebook, korece değişiklik günlüğü, bazı çevre gereksinimlerini düzeltme
- Sesli olmayan ünsüz ve nefes koruma modu ekleme
- Crepe-full ton algılama desteği ekleme
- UVR5 vokal ayrımı: yankı kaldırma modelleri ve yankı kaldırma modelleri destekleme
- İndeks adında deney adı ve sürüm ekleme
- Toplu ses dönüşüm işleme ve UVR5 vokal ayrımı sırasında çıkış seslerinin ihracat formatını kullanıcıların manuel olarak seçmelerine olanak tanıma
- v1 32k model eğitimi artık desteklenmiyor
-
-### 2023-05-13
- Tek tıklamayla paketin eski sürümündeki çalışma zamanındaki gereksiz kodları temizleme: lib.infer_pack ve uvr5_pack
- Eğitim seti ön işleme içindeki sahte çoklu işlem hatasını düzeltme
- Harvest ton tanıma algoritması için ortanca filtre yarıçap ayarı ekleme
- Çıkış sesi için örnek alma örneği için yeniden örnekleme desteği ekleme
- Eğitim için "n_cpu" çoklu işlem ayarı, "f0 çıkarma" yerine "veri ön işleme ve f0 çıkarma" için değiştirildi
- Günlükler klasörü altındaki indeks yollarını otomatik olarak tespit etme ve bir açılır liste işlevi sağlama
- Sekme sayfasına "Sıkça Sorulan Sorular ve Cevaplar"ı ekleme (ayrıca github RVC wiki'ye de bakabilirsiniz)
- Çıkarım sırasında aynı giriş sesi yolunu kullanırken harvest tonunu önbelleğe alma (amaç: harvest ton çıkarımı kullanırken, tüm işlem hattı uzun ve tekrarlayan bir ton çıkarım işlemi geçirecektir. Önbellekleme kullanılmazsa, farklı timbre, indeks ve ton ortanca filtreleme yarıçapı ayarlarıyla deney yapan kullanıcılar, ilk çıkarım sonrası çok acı verici bir bekleme süreci yaşayacaktır)
-
-### 2023-05-14
- Girişin hacim zarfını çıktının hacim zarfıyla karıştırmak veya değiştirmek için girişin hacim zarfını kullanma (problemi "giriş sessizleştirme ve çıktı küçük
-
- amplitüdlü gürültü" sorununu hafifletebilir. Giriş sesi arka plan gürültüsü yüksekse, açık olması önerilmez ve varsayılan olarak açık değildir (1 varsayılan olarak kapalı olarak kabul edilir)
- Belirli bir frekansta filtreleme uygulama eğitim ve çıkarım için 50Hz'nin altındaki frekans bantları için
- Pyworld'un varsayılan 80'den 50'ye minimum ton çıkarma sınırlamasını eğitim ve çıkarım için düşürme, 50-80Hz arasındaki erkek alçak seslerin sessizleştirilmemesine izin verme
- WebUI, sistem yereli diline göre dil değiştirme (şu anda en_US, ja_JP, zh_CN, zh_HK, zh_SG, zh_TW'yi destekliyor; desteklenmeyen durumda varsayılan olarak en_US'ye geçer)
- Belirli bir giriş sesi yolunu kullanırken harvest tonunu önbelleğe alma (amaç: harvest ton çıkarma kullanırken, tüm işlem hattı uzun ve tekrarlayan bir ton çıkarma süreci geçirecektir. Önbellekleme kullanılmazsa, farklı timbre, indeks ve ton ortanca filtreleme yarıçapı ayarlarıyla deney yapan kullanıcılar, ilk çıkarım sonrası çok acı verici bir bekleme süreci yaşayacaktır)
-
-### 2023-04-09 Güncellemesi
- GPU kullanım oranını artırmak için eğitim parametrelerini düzeltme: A100, %25'ten yaklaşık %90'a, V100: %50'den yaklaşık %90'a, 2060S: %60'tan yaklaşık %85'e, P40: %25'ten yaklaşık %95'e; eğitim hızını önemli ölçüde artırma
- Parametre değişti: toplam_batch_size artık GPU başına batch_size
- Toplam_epoch değişti: maksimum sınırı 1000'e yükseltildi; varsayılan 10'dan 20'ye yükseltildi
- ckpt çıkarımı ile çalma tanıma hatasını düzeltme, anormal çıkarım oluşturan
- Dağıtılmış eğitimde her sıra için ckpt kaydetme sorununu düzeltme
- Özellik çıkarımı için NaN özellik filtrelemesi uygulama
- Sessiz giriş/çıkışın rastgele ünsüzler veya gürültü üretme sorununu düzeltme (eski modeller yeni bir veri kümesiyle tekrar eğitilmelidir)
-
-### 2023-04-16 Güncellemesi
- Yerel gerçek zamanlı ses değiştirme mini-GUI'si ekleme, çift tıklayarak go-realtime-gui.bat ile başlayın
- Eğitim ve çıkarım sırasında 50Hz'nin altındaki frekans bantlarını filtreleme uygulama
- Pyworld'deki varsayılan 80'den 50'ye minimum ton çıkarma sınırlamasını eğitim ve çıkarım için düşürme, 50-80Hz arasındaki erkek alçak seslerin sessizleştirilmemesine izin verme
- WebUI, sistem yereli diline göre dil değiştirme (şu anda en_US, ja_JP, zh_CN, zh_HK, zh_SG, zh_TW'yi destekliyor; desteklenmeyen durumda varsayılan olarak en_US'ye geçer)
- Bazı GPU'ların tanınmasını düzeltme (örneğin, V100-16G tanınmama sorunu, P4 tanınmama sorunu)
-
-### 2023-04-28 Güncellemesi
- Daha hızlı hız ve daha yüksek kalite için faiss indeks ayarlarını yükseltme
- Toplam_npy bağımlılığını kaldırma; gelecekteki model paylaşımları için total_npy girdisi gerekmeyecek
- 16-serisi GPU'lar için kısıtlamaları açma, 4GB VRAM GPU'lar için 4GB çıkarım ayarları sağlama
- Belirli ses biçimlerine yönelik UVR5 vokal eşlik ayrımındaki hata düzeltme
- Gerçek zamanlı ses değiştirme mini-GUI şimdi 40k dışı ve tembel ton modellerini destekler
-
-### Gelecekteki Planlar:
-Özellikler:
- Her epoch kaydetmek için küçük modeller çıkar seçeneğini ekleme
- Çıkarım sırasında çıkış seslerini belirtilen yolda ekstra mp3 olarak kaydetme seçeneğini ekleme
- Birden fazla kişinin eğitim sekmesini destekleme (en fazla 4 kişiye kadar)
-  
-Temel model:
- Bozuk nefes seslerinin sorununu düzeltmek için nefes alma wav dosyalarını eğitim veri kümesine eklemek
- Şu anda genişletilmiş bir şarkı veri kümesiyle temel model eğitimi yapıyoruz ve gelecekte yayınlanacak
--- a/docs/tr/README.tr.md
+++ b/docs/tr/README.tr.md
@ -1,154 +0,0 @@
-
-<div align="center">
-
-<h1>Çekme Temelli Ses Dönüşümü Web Arayüzü</h1>
-VITS'e dayalı kullanımı kolay bir Ses Dönüşümü çerçevesi.<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)
-[![Lisans](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%20Geliştiricileri-Discord-7289DA?style=for-the-badge&logo=discord&logoColor=white)](https://discord.gg/HcsmBBGyVk)
-
-</div>
-
------
-[**Değişiklik Geçmişi**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/blob/main/docs/Changelog_TR.md) | [**SSS (Sıkça Sorulan Sorular)**](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/wiki/SSS-(Sıkça-Sorulan-Sorular)) 
-
-[**İngilizce**](../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)) | [**Français**](../fr/README.fr.md) | [**Türkçe**](../tr/README.tr.md) | [**Português**](../pt/README.pt.md)
-
-Burada [Demo Video'muzu](https://www.bilibili.com/video/BV1pm4y1z7Gm/) izleyebilirsiniz!
-
-RVC Kullanarak Gerçek Zamanlı Ses Dönüşüm Yazılımı: [w-okada/voice-changer](https://github.com/w-okada/voice-changer)
-
-> Ön eğitim modeli için veri kümesi neredeyse 50 saatlik yüksek kaliteli VCTK açık kaynak veri kümesini kullanır.
-
-> Yüksek kaliteli lisanslı şarkı veri setleri telif hakkı ihlali olmadan kullanımınız için eklenecektir.
-
-> Lütfen daha büyük parametrelere, daha fazla eğitim verisine sahip RVCv3'ün ön eğitimli temel modeline göz atın; daha iyi sonuçlar, değişmeyen çıkarsama hızı ve daha az eğitim verisi gerektirir.
-
-## Özet
-Bu depo aşağıdaki özelliklere sahiptir:
-+ Ton sızıntısını en aza indirmek için kaynak özelliğini en iyi çıkarımı kullanarak eğitim kümesi özelliği ile değiştirme;
-+ Kolay ve hızlı eğitim, hatta nispeten zayıf grafik kartlarında bile;
-+ Az miktarda veriyle bile nispeten iyi sonuçlar alın (>=10 dakika düşük gürültülü konuşma önerilir);
-+ Timbraları değiştirmek için model birleştirmeyi destekleme (ckpt işleme sekmesi-> ckpt birleştir);
-+ Kullanımı kolay Web arayüzü;
-+ UVR5 modelini kullanarak hızla vokalleri ve enstrümanları ayırma.
-+ En güçlü Yüksek tiz Ses Çıkarma Algoritması [InterSpeech2023-RMVPE](#Krediler) sessiz ses sorununu önlemek için kullanılır. En iyi sonuçları (önemli ölçüde) sağlar ve Crepe_full'den daha hızlı çalışır, hatta daha düşük kaynak tüketimi sağlar.
-+ AMD/Intel grafik kartları hızlandırması desteklenir.
-+ Intel ARC grafik kartları hızlandırması IPEX ile desteklenir.
-
-## Ortamın Hazırlanması
-Aşağıdaki komutlar, Python sürümü 3.8 veya daha yüksek olan bir ortamda çalıştırılmalıdır.
-
-(Windows/Linux)
-İlk olarak ana bağımlılıkları pip aracılığıyla kurun:
-```bash
-# PyTorch ile ilgili temel bağımlılıkları kurun, zaten kuruluysa atlayın
-# Referans: https://pytorch.org/get-started/locally/
-pip install torch torchvision torchaudio
-
-# Windows + Nvidia Ampere Mimarisi(RTX30xx) için, https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/issues/21 deneyime göre pytorch'a karşılık gelen cuda sürümünü belirtmeniz gerekebilir
-#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
-```
-
-Sonra poetry kullanarak diğer bağımlılıkları kurabilirsiniz:
-```bash
-# Poetry bağımlılık yönetim aracını kurun, zaten kuruluysa atlayın
-# Referans: https://python-poetry.org/docs/#installation
-curl -sSL https://install.python-poetry.org | python3 -
-
-# Projeyi bağımlılıkları kurun
-poetry install
-```
-
-Ayrıca bunları pip kullanarak da kurabilirsiniz:
-```bash
-
-Nvidia grafik kartları için
-  pip install -r requirements.txt
-
-AMD/Intel grafik kartları için：
-  pip install -r requirements-dml.txt
-
-Intel ARC grafik kartları için Linux / WSL ile Python 3.10 kullanarak: 
-  pip install -r requirements-ipex.txt
-
-```
-
------
-Mac kullanıcıları `run.sh` aracılığıyla bağımlılıkları kurabilir:
-```bash
-sh ./run.sh
-```
-
-## Diğer Ön Modellerin Hazırlanması
-RVC'nin çıkarım ve eğitim yapması için diğer ön modellere ihtiyacı vardır.
-
-Bu ön modelleri [Huggingface alanımızdan](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/) indirmeniz gerekecektir.
-
-İşte RVC'nin ihtiyaç duyduğu diğer ön modellerin ve dosyaların bir listesi:
-```bash
-./assets/hubert/hubert_base.pt
-
-./assets/pretrained 
-
-./assets/uvr5_weights
-
-V2 sürümü modelini test etmek isterseniz, ek özellikler indirmeniz gerekecektir.
-
-./assets/pretrained_v2
-
-V2 sürüm modelini test etmek isterseniz (v2 sürüm modeli, 9 katmanlı Hubert+final_proj'ün 256 boyutlu özelliğini 12 katmanlı Hubert'ün 768 boyutlu özelliğiyle değiştirmiştir ve 3 periyot ayırıcı eklemiştir), ek özellikleri indirmeniz gerekecektir.
-
-./assets/pretrained_v2
-
-Eğer Windows kullanıyorsanız, FFmpeg ve FFprobe kurulu değilse bu iki dosyayı da indirmeniz gerekebilir.
-ffmpeg.exe
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe
-
-ffprobe.exe
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe
-
-En son SOTA RMVPE vokal ton çıkarma algoritmasını kullanmak istiyorsanız, RMVPE ağırlıklarını indirip RVC kök dizinine koymalısınız.
-
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt
-
-    AMD/Intel grafik kartları kullanıcıları için indirmeniz gereken:
-
-    https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.onnx
-
-```
-
-Intel ARC grafik kartları kullanıcıları Webui'yi başlatmadan önce `source /opt/intel/oneapi/setvars.sh` komutunu çalıştırmalı.
-
-Daha sonra bu komutu kullanarak Webui'yi başlatabilirsiniz:
-```bash
-python infer-web.py
-```
-Windows veya macOS kullanıyorsanız, `RVC-beta.7z` dosyasını indirip çıkararak `go-web.bat`i kullanarak veya macOS'ta `sh ./run.sh` kullanarak doğrudan RVC'yi kullanabilirsiniz.
-
-## Krediler
-+ [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)
-+ [Vokal ton çıkarma:RMVPE](https://github.com/Dream-High/RMVPE)
-  + Ön eğitimli model [yxlllc](https://github.com/yxlllc/RMVPE) ve [RVC-Boss](https://github.com/RVC-Boss) tarafından eğitilip test edilmiştir.
-  
-## Katkıda Bulunan Herkese Teşekkürler
-<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>
-```
--- a/docs/tr/faiss_tips_tr.md
+++ b/docs/tr/faiss_tips_tr.md
@ -1,104 +0,0 @@
-
-# faiss Ayar İpuçları
-==================
-
-# faiss Hakkında
-faiss, yoğun vektörler için komşuluk aramalarının bir kütüphanesidir ve birçok yaklaşık komşuluk arama yöntemini verimli bir şekilde uygular. Facebook araştırma tarafından geliştirilen faiss, benzer vektörleri hızlı bir şekilde bulurken bazı doğruluğu feda eder.
-
-## RVC'de faiss Kullanımı
-RVC'de, HuBERT tarafından dönüştürülen özelliklerin gömülmesi için eğitim verisinden oluşturulan gömme ile benzer gömlemeleri ararız ve bunları karıştırarak orijinal konuşmaya daha yakın bir dönüşüm elde ederiz. Ancak bu arama basitçe yapıldığında zaman alır, bu nedenle yaklaşık komşuluk araması kullanarak yüksek hızlı dönüşüm sağlanır.
-
-# Uygulama Genel Bakış
-Modelin bulunduğu '/logs/your-experiment/3_feature256' dizininde, her ses verisinden HuBERT tarafından çıkarılan özellikler bulunur.
-Buradan, dosya adına göre sıralanmış npy dosyalarını okuyarak vektörleri birleştirip büyük_npy'yi oluştururuz. (Bu vektörün şekli [N, 256] şeklindedir.)
-Büyük_npy'yi /logs/your-experiment/total_fea.npy olarak kaydettikten sonra, onu faiss ile eğitiriz.
-
-Bu makalede, bu parametrelerin anlamını açıklayacağım.
-
-# Yöntemin Açıklaması
-## İndeks Fabrikası
-Bir indeks fabrikası, birden fazla yaklaşık komşuluk arama yöntemini bir dizi olarak bağlayan benzersiz bir faiss gösterimidir. Bu, indeks fabrikası dizesini değiştirerek basitçe çeşitli yaklaşık komşuluk arama yöntemlerini denemenizi sağlar.
-RVC'de bunu şu şekilde kullanırız:
-
-```python
-index = faiss.index_factory(256, "IVF%s,Flat" % n_ivf)
-```
-index_factory'nin argümanları arasında ilk vektör boyutu, ikinci indeks fabrikası dizesi ve üçüncü kullanılacak mesafe yer alır.
-
-Daha ayrıntılı gösterim için
-https://github.com/facebookresearch/faiss/wiki/The-index-factory
-
-## Mesafe İçin İndeks
-Aşağıdaki gibi gömme benzerliği olarak kullanılan iki tipik indeks bulunur.
-
- Öklidyen mesafe (METRIC_L2)
- iç çarpım (METRIC_INNER_PRODUCT)
-
-Öklidyen mesafe, her boyutta karesel farkı alır, tüm boyutlardaki farkları toplar ve ardından karekök alır. Bu, günlük hayatta kullandığımız 2D ve 3D'deki mesafeye benzer.
-İç çarpım, çoğunlukla L2 norm ile normalize edildikten sonra iç çarpımı alan ve genellikle kosinüs benzerliği olarak kullanılan bir benzerlik göstergesi olarak kullanılır.
-
-Hangisinin daha iyi olduğu duruma bağlıdır, ancak kosinüs benzerliği genellikle word2vec tarafından elde edilen gömme ve ArcFace tarafından öğrenilen benzer görüntü alım modellerinde kullanılır. Vektör X'i numpy ile l2 normalize yapmak isterseniz, 0 bölme hatasından kaçınmak için yeterince küçük bir eps ile şu kodu kullanabilirsiniz:
-
-```python
-X_normed = X / np.maximum(eps, np.linalg.norm(X, ord=2, axis=-1, keepdims=True))
-```
-
-Ayrıca, indeks fabrikası için üçüncü argüman olarak geçirilecek değeri seçerek hesaplamada kullanılan mesafe indeksini değiştirebilirsiniz.
-
-```python
-index = faiss.index_factory(dimention, text, faiss.METRIC_INNER_PRODUCT)
-```
-
-## IVF
-IVF (Ters dosya indeksleri), tam metin aramasındaki ters indeksle benzer bir algoritmadır.
-Öğrenme sırasında, arama hedefi kmeans ile kümelendirilir ve küme merkezi kullanılarak Voronoi bölütleme gerçekleştirilir. Her veri noktasına bir küme atanır, bu nedenle veri noktalarını kümeden arayan bir sözlük oluştururuz.
-
-Örneğin, kümelere aşağıdaki gibi atanmışsa
-|index|Cluster|
-|-----|-------|
-|1|A|
-|2|B|
-|3|A|
-|4|C|
-|5|B|
-
-Elde edilen ters indeks şu şekildedir:
-
-|cluster|index|
-|-------|-----|
-|A|1, 3|
-|B|2, 5|
-|C|4|
-
-Arama yaparken, önce kümeden n_probe küme ararız ve ardından her küme için ait veri noktalarının mesafelerini hesaplarız.
-
-# Tavsiye Edilen Parametreler
-Resmi olarak nasıl bir indeks seçileceği konusunda rehberler bulunmaktadır, bu nedenle buna uygun olarak açıklayacağım.
-https://github.com/facebookresearch/faiss/wiki/Guidelines-to-choose-an-index
-
-1M'den düşük veri kümeleri için, N sayısı için 4bit-PQ, Nisan 2023 itibariyle faiss'de mevcut en verimli yöntemdir.
-Bunu IVF ile birleştirerek adayları 4bit-PQ ile daraltmak ve nihayet doğru bir indeksle mesafeyi yeniden hesaplamak, aşağıdaki indeks fabrikas
-
-ını kullanarak açıklanabilir.
-
-```python
-index = faiss.index_factory(256, "IVF1024,PQ128x4fs,RFlat")
-```
-
-## IVF İçin Tavsiye Edilen Parametreler
-Çok sayıda IVF durumunu düşünün. Örneğin, veri sayısı için IVF tarafından kabaca nicelleme yapılırsa, bu basit bir tükenmez arama ile aynıdır ve verimsizdir.
-1M veya daha az için IVF değerleri, N veri noktaları için 4*sqrt(N) ~ 16*sqrt(N) arasında tavsiye edilir.
-
-Hesaplama süresi n_probes sayısına orantılı olarak arttığından, doğrulukla danışmanlık yapın ve uygun şekilde seçin. Kişisel olarak, RVC'nin bu kadar doğruluk gerektirmediğini düşünüyorum, bu nedenle n_probe = 1 uygundur.
-
-## FastScan
-FastScan, bunları kaydedicilerde gerçekleştirerek onları Kartez ürünü nicelleme ile hızlı yaklaşık mesafe sağlayan bir yöntemdir.
-Kartez ürünü nicelleme öğrenme sırasında her d boyut için (genellikle d = 2) kümeleme yapar, küme merkezlerini önceden hesaplar ve küme merkezleri arasındaki mesafeyi hesaplar ve bir arama tablosu oluşturur. Tahmin yaparken, her boyutun mesafesi arama tablosuna bakarak O(1) hesaplanabilir.
-PQ sonrası belirttiğiniz sayı genellikle vektörün yarısı olan boyutu belirtir.
-
-FastScan hakkında daha ayrıntılı açıklama için lütfen resmi belgelere başvurun.
-https://github.com/facebookresearch/faiss/wiki/Fast-accumulation-of-PQ-and-AQ-codes-(FastScan)
-
-## RFlat
-RFlat, FastScan ile hesaplanan kesirli mesafeyi indeks fabrikasının üçüncü argümanı tarafından belirtilen doğru mesafe ile yeniden hesaplamak için bir talimattır.
-k komşuları alırken, k*k_factor nokta yeniden hesaplanır.
--- a/docs/tr/faq_tr.md
+++ b/docs/tr/faq_tr.md
@ -1,103 +0,0 @@
-## Q1: FFmpeg Hatası/UTF8 Hatası
-Büyük olasılıkla bu bir FFmpeg sorunu değil, daha çok ses dosyası yolunda bir sorun;
-
-FFmpeg, boşluklar ve () gibi özel karakterler içeren yolları okurken bir hata ile karşılaşabilir; ve eğitim setinin ses dosyaları Çin karakterleri içeriyorsa, bunlar filelist.txt'ye yazıldığında utf8 hatasına neden olabilir.<br>
-
-## Q2: "Tek Tıklamayla Eğitim" Sonrası İndeks Dosyası Bulunamıyor
-Eğer "Eğitim tamamlandı. Program kapatıldı." mesajını görüyorsa, model başarıyla eğitilmiş demektir ve sonraki hatalar sahte;
-
-"Added" dizini oluşturulduğu halde "Tek Tıklamayla Eğitim" sonrası indeks dosyası bulunamıyorsa, bu genellikle eğitim setinin çok büyük olmasından kaynaklanabilir ve indeksin eklenmesi sıkışabilir. Bu sorun indeks eklerken bellek yükünü azaltmak için toplu işlem yaparak çözülmüştür. Geçici bir çözüm olarak, "Eğitim İndeksini Eğit" düğmesine tekrar tıklamayı deneyin.<br>
-
-## Q3: Eğitim Sonrası "Tonlama İnceleniyor" Bölümünde Model Bulunamıyor
-"Lanetleme İstemi Listesini Yenile" düğmesine tıklayarak tekrar kontrol edin; hala görünmüyorsa, eğitim sırasında herhangi bir hata olup olmadığını kontrol edin ve geliştiricilere daha fazla analiz için konsol, web arayüzü ve logs/experiment_name/*.log ekran görüntülerini gönderin.<br>
-
-## Q4: Bir Model Nasıl Paylaşılır/Başkalarının Modelleri Nasıl Kullanılır?
-rvc_root/logs/experiment_name dizininde saklanan pth dosyaları paylaşım veya çıkarım için değildir, bunlar deney checkpoint'larıdır ve çoğaltılabilirlik ve daha fazla eğitim için saklanır. Paylaşılacak olan model, weights klasöründeki 60+MB'lık pth dosyası olmalıdır;
-
-Gelecekte, weights/exp_name.pth ve logs/exp_name/added_xxx.index birleştirilerek tek bir weights/exp_name.zip dosyasına dönüştürülecek ve manuel indeks girişi gereksinimini ortadan kaldıracaktır; bu nedenle pth dosyasını değil, farklı bir makinede eğitime devam etmek istemezseniz zip dosyasını paylaşın;
-
-Çıkarılmış modelleri zorlama çıkarım için logs klasöründen weights klasörüne birkaç yüz MB'lık pth dosyalarını kopyalamak/paylaşmak, eksik f0, tgt_sr veya diğer anahtarlar gibi hatalara neden olabilir. Smaller modeli manuel veya otomatik olarak çıkarmak için alttaki ckpt sekmesini kullanmanız gerekmektedir (eğer bilgi logs/exp_name içinde bulunuyorsa), pitch bilgisini ve hedef ses örnekleme oranı seçeneklerini seçmeli ve ardından daha küçük modele çıkarmalısınız. Çıkardıktan sonra weights klasöründe 60+ MB'lık bir pth dosyası olacaktır ve sesleri yeniden güncelleyebilirsiniz.<br>
-
-## Q5: Bağlantı Hatası
-Büyük ihtimalle konsolu (siyah komut satırı penceresi) kapatmış olabilirsiniz.<br>
-
-## Q6: Web Arayüzünde 'Beklenen Değer: Satır 1 Sütun 1 (Karakter 0)' Hatası
-Lütfen sistem LAN proxy/global proxy'sini devre dışı bırakın ve ardından sayfayı yenileyin.<br>
-
-## Q7: WebUI Olmadan Nasıl Eğitim Yapılır ve Tahmin Yapılır?
-Eğitim komut dosyası:<br>
-Önce WebUI'de eğitimi çalıştırabilirsiniz, ardından veri seti önişleme ve eğitiminin komut satırı sürümleri mesaj penceresinde görüntülenecektir.<br>
-
-Tahmin komut dosyası:<br>
-https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py<br>
-
-
-örn:<br>
-
-runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\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])<br>
-
-## Q8: Cuda Hatası/Cuda Bellek Yetersizliği
-Küçük bir ihtimalle CUDA konfigürasyonunda bir problem olabilir veya cihaz desteklenmiyor olabilir; daha muhtemel olarak yetersiz bellek olabilir (bellek yetersizliği).<br>
-
-Eğitim için toplu işlem boyutunu azaltın (1'e indirgemek yeterli değilse, grafik kartını değiştirmeniz gerekebilir); çıkarım için ise config.py dosyasındaki x_pad, x_query, x_center ve x_max ayarlarını ihtiyaca göre düzenleyin. 4GB veya daha düşük bellekli kartlar (örneğin 1060(3G) ve çeşit
-
-li 2GB kartlar) terk edilebilir, 4GB bellekli kartlar hala bir şansı vardır.<br>
-
-## Q9: Optimal Olarak Kaç total_epoch Gerekli?
-Eğitim veri setinin ses kalitesi düşük ve gürültü seviyesi yüksekse, 20-30 dönem yeterlidir. Fazla yüksek bir değer belirlemek, düşük kaliteli eğitim setinizin ses kalitesini artırmaz.<br>
-
-Eğitim setinin ses kalitesi yüksek, gürültü seviyesi düşük ve yeterli süre varsa, bu değeri artırabilirsiniz. 200 kabul edilebilir bir değerdir (çünkü eğitim hızlıdır ve yüksek kaliteli bir eğitim seti hazırlayabiliyorsanız, GPU'nuz muhtemelen uzun bir eğitim süresini sorunsuz bir şekilde yönetebilir).<br>
-
-## Q10: Kaç Dakika Eğitim Verisi Süresi Gerekli?
-
-10 ila 50 dakika arası bir veri seti önerilir.<br>
-
-Garantili yüksek ses kalitesi ve düşük arka plan gürültüsü varsa, veri setinin tonlaması homojen ise daha fazlası eklenebilir.<br>
-
-Yüksek seviyede bir eğitim seti (zarif ve belirgin tonlama), 5 ila 10 dakika arası uygundur.<br>
-
-1 ila 2 dakika veri ile başarılı bir şekilde eğitim yapan bazı insanlar olsa da, başarı diğerleri tarafından tekrarlanabilir değil ve çok bilgilendirici değil. Bu, eğitim setinin çok belirgin bir tonlamaya sahip olmasını (örneğin yüksek frekansta havadar bir anime kız sesi gibi) ve ses kalitesinin yüksek olmasını gerektirir; 1 dakikadan daha kısa süreli veri denenmemiştir ve önerilmez.<br>
-
-
-## Q11: İndeks Oranı Nedir ve Nasıl Ayarlanır?
-Eğer önceden eğitilmiş model ve tahmin kaynağının ton kalitesi, eğitim setinden daha yüksekse, tahmin sonucunun ton kalitesini yükseltebilirler, ancak altta yatan modelin/tahmin kaynağının tonu yerine eğitim setinin tonuna yönelik olası bir ton önyargısıyla sonuçlanır, bu genellikle "ton sızıntısı" olarak adlandırılır.<br>
-
-İndeks oranı, ton sızıntı sorununu azaltmak/çözmek için kullanılır. İndeks oranı 1 olarak ayarlandığında, teorik olarak tahmin kaynağından ton sızıntısı olmaz ve ton kalitesi daha çok eğitim setine yönelik olur. Eğer eğitim seti, tahmin kaynağından daha düşük ses kalitesine sahipse, daha yüksek bir indeks oranı ses kalitesini azaltabilir. Oranı 0'a düşürmek, eğitim seti tonlarını korumak için getirme karıştırmasını kullanmanın etkisine sahip değildir.<br>
-
-Eğer eğitim seti iyi ses kalitesine ve uzun süreye sahipse, total_epoch'u artırın. Model, tahmin kaynağına ve önceden eğitilmiş alt modeline daha az başvurduğunda ve "ton sızıntısı" daha az olduğunda, indeks oranı önemli değil ve hatta indeks dosyası oluşturmak/paylaşmak gerekli değildir.<br>
-
-## Q12: Tahmin Yaparken Hangi GPU'yu Seçmeli?
-config.py dosyasında "device cuda:" ardından kart numarasını seçin.<br>
-
-Kart numarası ile grafik kartı arasındaki eşleme, eğitim sekmesinin grafik kartı bilgileri bölümünde görülebilir.<br>
-
-## Q13: Eğitimin Ortasında Kaydedilen Model Nasıl Kullanılır?
-Kaydetme işlemini ckpt işleme sekmesinin altında yer alan model çıkarımı ile yapabilirsiniz.
-
-## Q14: Dosya/Bellek Hatası (Eğitim Sırasında)?
-Çok fazla işlem ve yetersiz bellek olabilir. Bu sorunu düzeltebilirsiniz:
-
-1. "CPU İş Parçacıkları" alanındaki girişi azaltarak.
-
-2. Eğitim verisini daha kısa ses dosyalarına önceden keserek.
-
-## Q15: Daha Fazla Veri Kullanarak Eğitime Nasıl Devam Edilir?
-
-Adım 1: Tüm wav verilerini path2 dizinine yerleştirin.
-
-Adım 2: exp_name2+path2 -> veri setini önişleme ve özellik çıkarma.
-
-Adım 3: exp_name1 (önceki deneyinizin) en son G ve D dosyalarını exp_name2 klasörüne kopyalayın.
-
-Adım 4: "modeli eğit" düğmesine tıklayın ve önceki deneyinizin model döneminden başlayarak eğitime devam edecektir.
--- a/docs/tr/training_tips_tr.md
+++ b/docs/tr/training_tips_tr.md
@ -1,67 +0,0 @@
-## RVC Eğitimi için Talimatlar ve İpuçları
-======================================
-Bu TALİMAT, veri eğitiminin nasıl yapıldığını açıklamaktadır.
-
-# Eğitim Akışı
-Eğitim sekmesindeki adımları takip ederek açıklayacağım.
-
-## Adım 1
-Deney adını burada belirleyin.
-
-Ayrıca burada modelin pitch'i dikkate alıp almayacağını da belirleyebilirsiniz.
-Eğer model pitch'i dikkate almazsa, model daha hafif olacak, ancak şarkı söyleme için uygun olmayacaktır.
-
-Her deney için veriler `/logs/your-experiment-name/` dizinine yerleştirilir.
-
-## Adım 2a
-Ses yüklenir ve ön işleme yapılır.
-
-### Ses Yükleme
-Ses içeren bir klasör belirtirseniz, bu klasördeki ses dosyaları otomatik olarak okunur.
-Örneğin, `C:Users\hoge\voices` belirtirseniz, `C:Users\hoge\voices\voice.mp3` yüklenecek, ancak `C:Users\hoge\voices\dir\voice.mp3` yüklenmeyecektir.
-
-Ses okumak için dahili olarak ffmpeg kullanıldığından, uzantı ffmpeg tarafından destekleniyorsa otomatik olarak okunacaktır.
-ffmpeg ile int16'ya dönüştürüldükten sonra float32'ye dönüştürülüp -1 ile 1 arasında normalize edilir.
-
-### Gürültü Temizleme
-Ses scipy'nin filtfilt işlevi ile yumuşatılır.
-
-### Ses Ayırma
-İlk olarak, giriş sesi belirli bir süreden (max_sil_kept=5 saniye?) daha uzun süren sessiz kısımları tespit ederek böler. Sessizlik üzerinde ses bölündükten sonra sesi 4 saniyede bir 0.3 saniyelik bir örtüşme ile böler. 4 saniye içinde ayrılan sesler için ses normalleştirildikten sonra wav dosyası olarak `/logs/your-experiment-name/0_gt_wavs`'a, ardından 16 kHz örnekleme hızına dönüştürülerek `/logs/your-experiment-name/1_16k_wavs` olarak kaydedilir.
-
-## Adım 2b
-### Pitch Çıkarımı
-Wav dosyalarından pitch bilgisi çıkarılır. ParSelMouth veya PyWorld'e dahili olarak yerleştirilmiş yöntemi kullanarak pitch bilgisi (=f0) çıkarılır ve `/logs/your-experiment-name/2a_f0` dizinine kaydedilir. Ardından pitch bilgisi logaritmik olarak 1 ile 255 arasında bir tamsayıya dönüştürülüp `/logs/your-experiment-name/2b-f0nsf` dizinine kaydedilir.
-
-### Özellik Çıkarımı
-HuBERT'i kullanarak önceden gömme olarak wav dosyasını çıkarır. `/logs/your-experiment-name/1_16k_wavs`'a kaydedilen wav dosyasını okuyarak, wav dosyasını 256 boyutlu HuBERT özelliklerine dönüştürür ve npy formatında `/logs/your-experiment-name/3_feature256` dizinine kaydeder.
-
-## Adım 3
-Modeli eğit.
-### Başlangıç Seviyesi Sözlüğü
-Derin öğrenmede, veri kümesi bölmeye ve öğrenmeye adım adım devam eder. Bir model güncellemesinde (adım), batch_size veri alınır ve tahminler ve hata düzeltmeleri yapılır. Bunun bir defa bir veri kümesi için yapılması bir dönem olarak sayılır.
-
-Bu nedenle, öğrenme zamanı adım başına öğrenme zamanı x (veri kümesindeki veri sayısı / batch boyutu) x dönem sayısıdır. Genel olarak, batch boyutu ne kadar büyükse, öğrenme daha istikrarlı hale gelir (adım başına öğrenme süresi ÷ batch boyutu) küçülür, ancak daha fazla GPU belleği kullanır. GPU RAM'ı nvidia-smi komutu ile kontrol edilebilir. Çalışma ortamının makinesine göre batch boyutunu mümkün olduğunca artırarak öğrenme süresini kısa sürede yapabilirsiniz.
-
-### Önceden Eğitilmiş Modeli Belirtme
-RVC, modeli 0'dan değil önceden eğitilmiş ağırlıklardan başlatarak eğitir, bu nedenle küçük bir veri kümesi ile eğitilebilir.
-
-Varsayılan olarak
-
- Eğer pitch'i dikkate alıyorsanız, `rvc-location/pretrained/f0G40k.pth` ve `rvc-location/pretrained/f0D40k.pth` yüklenir.
- Eğer pitch'i dikkate almıyorsanız, yine `rvc-location/pretrained/f0G40k.pth` ve `rvc-location/pretrained/f0D40k.pth` yüklenir.
-
-Öğrenirken model parametreleri her save_every_epoch için `logs/your-experiment-name/G_{}.pth` ve `logs/your-experiment-name/D_{}.pth` olarak kaydedilir, ancak bu yolu belirterek öğrenmeye başlayabilirsiniz. Farklı bir deneyde öğrenilen model ağırlıklarından öğrenmeye yeniden başlayabilir veya eğitimi başlatabilirsiniz.
-
-### Öğrenme İndeksi
-RVC, eğitim sırasında kullanılan HuBERT özellik değerlerini kaydeder ve çıkarım sırasında, öğrenme sırasında kullanılan özellik değerlerine benzer özellik değerlerini arayarak çıkarım yapar. Bu aramayı yüksek hızda gerçekleştirebilmek için indeks öğrenilir.
-İndeks öğrenimi için yaklaş
-
-ık komşuluk arama kütüphanesi faiss kullanılır. `/logs/your-experiment-name/3_feature256`'daki özellik değerini okur ve indeksi öğrenmek için kullanır, `logs/your-experiment-name/add_XXX.index` olarak kaydedilir.
-
-(20230428 güncelleme sürümünden itibaren indeks okunur ve kaydetmek/belirtmek artık gerekli değildir.)
-
-### Düğme Açıklaması
- Modeli Eğit: Adım 2b'yi çalıştırdıktan sonra, modeli eğitmek için bu düğmeye basın.
- Özellik İndeksini Eğit: Modeli eğittikten sonra, indeks öğrenme işlemi yapın.
- Tek Tıklamayla Eğitim: Adım 2b, model eğitimi ve özellik indeks eğitimini bir arada yapar.
--- a/docs/en/training_tips_en.md
+++ b/docs/en/training_tips_en.md
--- a/docs/jp/training_tips_ja.md
+++ b/docs/jp/training_tips_ja.md
--- a/docs/kr/training_tips_ko.md
+++ b/docs/kr/training_tips_ko.md
--- a/docs/training_tips_tr.md
+++ b/docs/training_tips_tr.md
@ -0,0 +1,68 @@
+RVC Eğitimi için Talimatlar ve İpuçları
+===========================================
+
+Bu TIPS, veri eğitiminin nasıl yapıldığını açıklar.
+
+# Eğitim Süreci
+Eğitim sekmesinde adımları takip ederek açıklayacağım.
+
+## Adım 1
+Burada deney adını ayarlayın.
+
+Ayrıca burada modelin pitch'i dikkate alıp almayacağını da belirtebilirsiniz.
+Eğer model pitch'i dikkate almazsa, model daha hafif olacak ancak şarkı söyleme için uygun olmayacaktır.
+
+Her deney için veriler `/logs/deney-adınız/` klasörüne yerleştirilir.
+
+## Adım 2a
+Ses yüklenir ve ön işlem yapılır.
+
+### Ses yükleme
+Ses içeren bir klasörü belirtirseniz, o klasördeki ses dosyaları otomatik olarak okunacaktır.
+Örneğin, `C:Kullanıcılar\hoge\sese` gibi bir klasör belirtirseniz, `C:Kullanıcılar\hoge\sese\voice.mp3` yüklenecek, ancak `C:Kullanıcılar\hoge\sese\klasör\voice.mp3` yüklenecektir.
+
+Ses okumak için dahili olarak ffmpeg kullanıldığından, uzantı ffmpeg tarafından destekleniyorsa otomatik olarak okunacaktır.
+ffmpeg ile int16'ya dönüştürüldükten sonra, float32'ye çevrilir ve -1 ile 1 arasında normalize edilir.
+
+### Gürültü Temizleme
+Ses, scipy'nin filtfilt fonksiyonu ile düzeltilir.
+
+### Ses Ayırma
+Önceki işlemlerin ardından giriş sesi, belirli bir süreden (max_sil_kept=5 saniye?) daha uzun süren sessiz bölümleri algılayarak bölünür. Ses sessizlik üzerinde bölündükten sonra, sesi her 4 saniyede bir 0.3 saniyelik bir örtüşme ile bölünür. 4 saniye içinde ayrılan ses için, sesin ses düzeyi normalize edildikten sonra wav dosyasına çevrilir ve `/logs/deney-adınız/0_gt_wavs` klasörüne kaydedilir ve ardından 16k örnekleme hızında `/logs/deney-adınız/1_16k_wavs` klasörüne kaydedilir.
+
+## Adım 2b
+### Pitch (Ton Yüksekliği) Çıkarma
+Wav dosyalarından pitch bilgisi çıkarılır. Parselmouth veya pyworld tarafından sağlanan yöntem kullanılarak pitch bilgisi (=f0) çıkarılır ve `/logs/deney-adınız/2a_f0` klasöründe kaydedilir. Daha sonra pitch bilgisi logaritmik olarak 1 ile 255 arasında bir tamsayıya dönüştürülür ve `/logs/deney-adınız/2b-f0nsf` klasöründe kaydedilir.
+
+### Özelliklerin Çıkartılması
+Wav dosyası, HuBERT kullanılarak önceden gömme olarak çıkartılır. `/logs/deney-adınız/1_16k_wavs` klasöründe kaydedilen wav dosyası okunur, 256 boyutlu özelliklere HuBERT kullanılarak dönüştürülür ve `/logs/deney-adınız/3_feature256` klasöründe npy formatında kaydedilir.
+
+## Adım 3
+Modeli eğitin.
+### Yeni Başlayanlar İçin Terimler
+Derin öğrenmede, veri kümesi bölmeye ve öğrenmeye azar azar devam eder. Bir model güncellemesinde (adım), batch_size veri alınır ve tahminler ve hata düzeltmeleri yapılır. Bunun bir veri kümesi için bir kez yapılması bir epoch olarak sayılır.
+
+Bu nedenle, öğrenme süresi adım başına öğrenme süresi x (veri kümesindeki veri sayısı / batch boyutu) x epoch sayısıdır. Genel olarak, batch boyutu ne kadar büyükse, öğrenme daha istikrarlı olur (adım başına öğrenme süresi ÷ batch boyutu) daha küçük olur, ancak daha fazla GPU belleği kullanır. GPU RAM, nvidia-smi komutu ile kontrol edilebilir. Makineye göre mümkün olduğunca batch boyutunu artırarak kısa sürede öğrenme yapılabilir.
+
+### Önceden Eğitilmiş Modeli Belirtme
+RVC, modeli 0'dan değil önceden eğitilmiş ağırlıklardan başlayarak eğitmeye başlar, bu nedenle küçük bir veri kümesiyle eğitilebilir.
+
+Varsayılan olarak
+
+- Eğer pitch'i dikkate alıyorsanız, `rvc-konumu/pretrained/f0G40k.pth` ve `rvc-konumu/pretrained/f0D40k.pth` yüklenir.
+- Eğer pitch'i dikkate almıyorsanız, `rvc-konumu/pretrained/f0G40k.pth` ve `rvc-konumu/pretrained/f0D40k.pth` yüklenir.
+
+Eğitim sırasında, model parametreleri `logs/deney-adınız/G_{}.pth` ve `logs/deney-adınız/D_{}.pth` olarak her save_every_epoch için kaydedilir, ancak bu yolu belirterek eğitimi başlatabilirsiniz. Farklı bir deneyde öğrenilen model ağırlıklarından eğitime yeniden başlatabilir veya yeni başlatabilirsiniz.
+
+### Öğrenme İndeksi
+RVC, eğitim sırasında kullanılan HuBERT özellik değerlerini kaydeder ve çıkarım sırasında eğitim sırasında kullanılan özellik değerlerine ben
+
+zer özellik değerlerini aramak için çıkarım yapar. Bu aramayı yüksek hızda gerçekleştirmek için indeksi önceden öğrenir.
+İndeks öğrenimi için, yaklaşık komşuluk arama kütüphanesi faiss kullanılır. `/logs/deney-adınız/3_feature256` klasöründe kaydedilen özellik değerini okuyarak indeks öğrenimi yapılır ve `logs/deney-adınız/add_XXX.index` olarak kaydedilir.
+
+(20230428 güncelleme sürümünden itibaren, indeks okunur ve kaydetme / belirtme artık gerekli değildir.)
+
+### Buton açıklamaları
+- Modeli Eğit: Adım 2b'yi tamamladıktan sonra, modeli eğitmek için bu düğmeye basın.
+- Özellik İndeksini Eğit: Model eğitimini tamamladıktan sonra, indeks öğrenimini yapmak için bu düğmeye basın.
+- Tek Tıkla Eğitim: Adım 2b, model eğitimi ve özellik indeksi eğitimi hepsi bir arada.
--- a/infer/modules/train/extract/extract_f0_print.py
+++ b/infer/modules/train/extract/extract_f0_print.py
@ -1,17 +1,10 @@
-import os
-import sys
-import traceback
-
-import parselmouth
+import os, traceback, sys, parselmouth

 now_dir = os.getcwd()
 sys.path.append(now_dir)
-import logging
-
-import numpy as np
+from lib.audio import load_audio
 import pyworld
-
-from infer.lib.audio import load_audio
+import numpy as np, logging

 logging.getLogger("numba").setLevel(logging.WARNING)
 from multiprocessing import Process
@ -83,12 +76,10 @@ class FeatureInput(object):
            f0 = pyworld.stonemask(x.astype(np.double), f0, t, self.fs)
        elif f0_method == "rmvpe":
            if hasattr(self, "model_rmvpe") == False:
-                from infer.lib.rmvpe import RMVPE
+                from lib.rmvpe import RMVPE

-                print("Loading rmvpe model")
-                self.model_rmvpe = RMVPE(
-                    "assets/rmvpe/rmvpe.pt", is_half=False, device="cpu"
-                )
+                print("loading rmvpe model")
+                self.model_rmvpe = RMVPE("rmvpe.pt", is_half=False, device="cpu")
            f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
        return f0

@ -143,7 +134,7 @@ if __name__ == "__main__":
    # exp_dir=r"E:\codes\py39\dataset\mi-test"
    # n_p=16
    # f = open("%s/log_extract_f0.log"%exp_dir, "w")
-    printt(" ".join(sys.argv))
+    printt(sys.argv)
    featureInput = FeatureInput()
    paths = []
    inp_root = "%s/1_16k_wavs" % (exp_dir)
--- a/infer/modules/train/extract/extract_f0_rmvpe.py
+++ b/infer/modules/train/extract/extract_f0_rmvpe.py
@ -1,17 +1,10 @@
-import os
-import sys
-import traceback
-
-import parselmouth
+import os, traceback, sys, parselmouth

 now_dir = os.getcwd()
 sys.path.append(now_dir)
-import logging
-
-import numpy as np
+from lib.audio import load_audio
 import pyworld
-
-from infer.lib.audio import load_audio
+import numpy as np, logging

 logging.getLogger("numba").setLevel(logging.WARNING)

@ -46,12 +39,10 @@ class FeatureInput(object):
        # p_len = x.shape[0] // self.hop
        if f0_method == "rmvpe":
            if hasattr(self, "model_rmvpe") == False:
-                from infer.lib.rmvpe import RMVPE
+                from lib.rmvpe import RMVPE

-                print("Loading rmvpe model")
-                self.model_rmvpe = RMVPE(
-                    "assets/rmvpe/rmvpe.pt", is_half=is_half, device="cuda"
-                )
+                print("loading rmvpe model")
+                self.model_rmvpe = RMVPE("rmvpe.pt", is_half=is_half, device="cuda")
            f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
        return f0

@ -106,7 +97,7 @@ if __name__ == "__main__":
    # exp_dir=r"E:\codes\py39\dataset\mi-test"
    # n_p=16
    # f = open("%s/log_extract_f0.log"%exp_dir, "w")
-    printt(" ".join(sys.argv))
+    printt(sys.argv)
    featureInput = FeatureInput()
    paths = []
    inp_root = "%s/1_16k_wavs" % (exp_dir)
--- a/infer/modules/train/extract/extract_f0_rmvpe_dml.py
+++ b/infer/modules/train/extract/extract_f0_rmvpe_dml.py
@ -1,17 +1,10 @@
-import os
-import sys
-import traceback
-
-import parselmouth
+import os, traceback, sys, parselmouth

 now_dir = os.getcwd()
 sys.path.append(now_dir)
-import logging
-
-import numpy as np
+from lib.audio import load_audio
 import pyworld
-
-from infer.lib.audio import load_audio
+import numpy as np, logging

 logging.getLogger("numba").setLevel(logging.WARNING)

@ -44,12 +37,10 @@ class FeatureInput(object):
        # p_len = x.shape[0] // self.hop
        if f0_method == "rmvpe":
            if hasattr(self, "model_rmvpe") == False:
-                from infer.lib.rmvpe import RMVPE
+                from lib.rmvpe import RMVPE

-                print("Loading rmvpe model")
-                self.model_rmvpe = RMVPE(
-                    "assets/rmvpe/rmvpe.pt", is_half=False, device=device
-                )
+                print("loading rmvpe model")
+                self.model_rmvpe = RMVPE("rmvpe.pt", is_half=False, device=device)
            f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
        return f0

@ -104,7 +95,7 @@ if __name__ == "__main__":
    # exp_dir=r"E:\codes\py39\dataset\mi-test"
    # n_p=16
    # f = open("%s/log_extract_f0.log"%exp_dir, "w")
-    printt(" ".join(sys.argv))
+    printt(sys.argv)
    featureInput = FeatureInput()
    paths = []
    inp_root = "%s/1_16k_wavs" % (exp_dir)
--- a/infer/modules/train/extract_feature_print.py
+++ b/infer/modules/train/extract_feature_print.py
@ -1,6 +1,4 @@
-import os
-import sys
-import traceback
+import os, sys, traceback

 os.environ["PYTORCH_ENABLE_MPS_FALLBACK"] = "1"
 os.environ["PYTORCH_MPS_HIGH_WATERMARK_RATIO"] = "0.0"
@ -8,21 +6,19 @@ os.environ["PYTORCH_MPS_HIGH_WATERMARK_RATIO"] = "0.0"
 device = sys.argv[1]
 n_part = int(sys.argv[2])
 i_part = int(sys.argv[3])
-if len(sys.argv) == 7:
+if len(sys.argv) == 6:
    exp_dir = sys.argv[4]
    version = sys.argv[5]
-    is_half = sys.argv[6].lower() == "true"
 else:
    i_gpu = sys.argv[4]
    exp_dir = sys.argv[5]
    os.environ["CUDA_VISIBLE_DEVICES"] = str(i_gpu)
    version = sys.argv[6]
-    is_half = sys.argv[7].lower() == "true"
-import fairseq
-import numpy as np
-import soundfile as sf
 import torch
 import torch.nn.functional as F
+import soundfile as sf
+import numpy as np
+import fairseq

 if "privateuseone" not in device:
    device = "cpu"
@ -51,10 +47,10 @@ def printt(strr):
    f.flush()


-printt(" ".join(sys.argv))
-model_path = "assets/hubert/hubert_base.pt"
+printt(sys.argv)
+model_path = "hubert_base.pt"

-printt("exp_dir: " + exp_dir)
+printt(exp_dir)
 wavPath = "%s/1_16k_wavs" % exp_dir
 outPath = (
    "%s/3_feature256" % exp_dir if version == "v1" else "%s/3_feature768" % exp_dir
@ -93,9 +89,8 @@ models, saved_cfg, task = fairseq.checkpoint_utils.load_model_ensemble_and_task(
 model = models[0]
 model = model.to(device)
 printt("move model to %s" % device)
-if is_half:
-    if device not in ["mps", "cpu"]:
-        model = model.half()
+if device not in ["mps", "cpu"]:
+    model = model.half()
 model.eval()

 todo = sorted(list(os.listdir(wavPath)))[i_part::n_part]
@ -116,11 +111,9 @@ else:
                feats = readwave(wav_path, normalize=saved_cfg.task.normalize)
                padding_mask = torch.BoolTensor(feats.shape).fill_(False)
                inputs = {
-                    "source": (
-                        feats.half().to(device)
-                        if is_half and device not in ["mps", "cpu"]
-                        else feats.to(device)
-                    ),
+                    "source": feats.half().to(device)
+                    if device not in ["mps", "cpu"]
+                    else feats.to(device),
                    "padding_mask": padding_mask.to(device),
                    "output_layer": 9 if version == "v1" else 12,  # layer 9
                }
--- a/extract_locale.py
+++ b/extract_locale.py
@ -0,0 +1,34 @@
+import json
+import re
+
+# Define regular expression patterns
+pattern = r"""i18n\([\s\n\t]*(["'][^"']+["'])[\s\n\t]*\)"""
+
+# Initialize the dictionary to store key-value pairs
+data = {}
+
+
+def process(fn: str):
+    global data
+    with open(fn, "r", encoding="utf-8") as f:
+        contents = f.read()
+        matches = re.findall(pattern, contents)
+        for key in matches:
+            key = eval(key)
+            print("extract:", key)
+            data[key] = key
+
+
+print("processing infer-web.py")
+process("infer-web.py")
+
+print("processing gui_v0.py")
+process("gui_v0.py")
+
+print("processing gui_v1.py")
+process("gui_v1.py")
+
+# Save as a JSON file
+with open("./lib/i18n/zh_CN.json", "w", encoding="utf-8") as f:
+    json.dump(data, f, ensure_ascii=False, indent=4)
+    f.write("\n")
--- a/go-realtime-gui-dml.bat
+++ b/go-realtime-gui-dml.bat
@ -1,2 +0,0 @@
-runtime\python.exe gui_v1.py --pycmd runtime\python.exe --dml
-pause
--- a/go-web-dml.bat
+++ b/go-web-dml.bat
@ -1,2 +0,0 @@
-runtime\python.exe infer-web.py --pycmd runtime\python.exe --port 7897 --dml
-pause
--- a/gui_v1.py
+++ b/gui_v1.py
--- a/i18n/i18n.py
+++ b/i18n/i18n.py
@ -1,10 +1,10 @@
-import json
 import locale
+import json
 import os


 def load_language_list(language):
-    with open(f"./i18n/locale/{language}.json", "r", encoding="utf-8") as f:
+    with open(f"./lib/i18n/{language}.json", "r", encoding="utf-8") as f:
        language_list = json.load(f)
    return language_list

@ -15,13 +15,14 @@ class I18nAuto:
            language = locale.getdefaultlocale()[
                0
            ]  # getlocale can't identify the system's language ((None, None))
-        if not os.path.exists(f"./i18n/locale/{language}.json"):
+        if not os.path.exists(f"./lib/i18n/{language}.json"):
            language = "en_US"
        self.language = language
+        # print("Use Language:", language)
        self.language_map = load_language_list(language)

    def __call__(self, key):
        return self.language_map.get(key, key)

-    def __repr__(self):
-        return "Use Language: " + self.language
+    def print(self):
+        print("Use Language:", self.language)
--- a/i18n/locale/fr_FR.json
+++ b/i18n/locale/fr_FR.json
@ -1,137 +0,0 @@
-{
-    ">=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": "Si >=3 : appliquer un filtrage médian aux résultats de la reconnaissance de la hauteur de récolte. La valeur représente le rayon du filtre et peut réduire la respiration.",
-    "A模型权重": "Poids (w) pour le modèle A :",
-    "A模型路径": "Chemin d'accès au modèle A :",
-    "B模型路径": "Chemin d'accès au modèle B :",
-    "E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
-    "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Fichier de courbe F0 (facultatif). Une hauteur par ligne. Remplace la fréquence fondamentale par défaut et la modulation de la hauteur :",
-    "Index Rate": "Taux d'indexation",
-    "Onnx导出": "Exporter en ONNX",
-    "Onnx输出路径": "Chemin d'exportation ONNX :",
-    "RVC模型路径": "Chemin du modèle RVC :",
-    "ckpt处理": "Traitement des fichiers .ckpt",
-    "harvest进程数": "Nombre de processus CPU utilisés pour l'algorithme de reconnaissance de la hauteur (pitch) dans le cadre de la récolte (harvest).",
-    "index文件路径不可包含中文": "Le chemin du fichier d'index ne doit pas contenir de caractères chinois.",
-    "pth文件路径不可包含中文": "Le chemin du fichier .pth ne doit pas contenir de caractères chinois.",
-    "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": "Configuration des numéros de carte RMVPE : séparez les index GPU par des tirets \"-\", par exemple, 0-0-1 pour utiliser 2 processus sur GPU0 et 1 processus sur GPU1.",
-    "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. ": "Étape 1 : Remplissez la configuration expérimentale. Les données expérimentales sont stockées dans le dossier 'logs', avec chaque expérience ayant un dossier distinct. Entrez manuellement le chemin du nom de l'expérience, qui contient la configuration expérimentale, les journaux et les fichiers de modèle entraînés.",
-    "step1:正在处理数据": "Étape 1 : Traitement des données en cours.",
-    "step2:正在提取音高&正在提取特征": "Étape 2 : Extraction de la hauteur et extraction des caractéristiques en cours.",
-    "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. ": "Étape 2a : Parcours automatique de tous les fichiers du dossier d'entraînement qui peuvent être décodés en fichiers audio et réalisation d'une normalisation par tranches. Génère 2 dossiers wav dans le répertoire de l'expérience. Actuellement, seule la formation avec un seul chanteur/locuteur est prise en charge.",
-    "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)": "Étape 2b : Utilisez le CPU pour extraire la hauteur (si le modèle le permet), utilisez le GPU pour extraire les caractéristiques (sélectionnez l'index du GPU) :",
-    "step3: 填写训练设置, 开始训练模型和索引": "Étape 3 : Remplissez les paramètres d'entraînement et démarrez l'entraînement du modèle ainsi que l'indexation.",
-    "step3a:正在训练模型": "Étape 3a : L'entraînement du modèle a commencé.",
-    "一键训练": "Entraînement en un clic",
-    "也可批量输入音频文件, 二选一, 优先读文件夹": "Il est également possible d'importer plusieurs fichiers audio. Si un chemin de dossier existe, cette entrée est ignorée.",
-    "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。": "Traitement en lot pour la séparation de la voix et de l'accompagnement vocal à l'aide du modèle UVR5.<br>Exemple d'un format de chemin de dossier valide : D:\\chemin\\vers\\dossier\\d'entrée (copiez-le depuis la barre d'adresse du gestionnaire de fichiers).<br>Le modèle est divisé en trois catégories :<br>1. Préserver la voix : Choisissez cette option pour l'audio sans harmonies. Elle préserve la voix mieux que HP5. Il comprend deux modèles intégrés : HP2 et HP3. HP3 peut légèrement laisser passer l'accompagnement mais préserve légèrement mieux la voix que HP2.<br>2. Préserver uniquement la voix principale : Choisissez cette option pour l'audio avec harmonies. Cela peut affaiblir la voix principale. Il comprend un modèle intégré : HP5.<br>3. Modèles de suppression de la réverbération et du délai (par FoxJoy) :<br>  (1) MDX-Net : Le meilleur choix pour la suppression de la réverbération stéréo, mais ne peut pas supprimer la réverbération mono.<br>  (234) DeEcho : Supprime les effets de délai. Le mode Aggressive supprime plus efficacement que le mode Normal. DeReverb supprime également la réverbération et peut supprimer la réverbération mono, mais pas très efficacement pour les contenus à haute fréquence fortement réverbérés.<br>Notes sur la suppression de la réverbération et du délai :<br>1. Le temps de traitement pour le modèle DeEcho-DeReverb est environ deux fois plus long que pour les autres deux modèles DeEcho.<br>2. Le modèle MDX-Net-Dereverb est assez lent.<br>3. La configuration la plus propre recommandée est d'appliquer d'abord MDX-Net, puis DeEcho-Aggressive.",
-    "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": "Entrez le(s) index GPU séparé(s) par '-', par exemple, 0-1-2 pour utiliser les GPU 0, 1 et 2 :",
-    "伴奏人声分离&去混响&去回声": "Séparation des voix/accompagnement et suppression de la réverbération",
-    "使用模型采样率": "使用模型采样率",
-    "使用设备采样率": "使用设备采样率",
-    "保存名": "Nom de sauvegarde :",
-    "保存的文件名, 默认空为和源文件同名": "Nom du fichier de sauvegarde (par défaut : identique au nom du fichier source) :",
-    "保存的模型名不带后缀": "Nom du modèle enregistré (sans extension) :",
-    "保存频率save_every_epoch": "Fréquence de sauvegarde (save_every_epoch) :",
-    "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": "Protéger les consonnes sourdes et les bruits de respiration pour éviter les artefacts tels que le déchirement dans la musique électronique. Réglez à 0,5 pour désactiver. Diminuez la valeur pour renforcer la protection, mais cela peut réduire la précision de l'indexation :",
-    "修改": "Modifier",
-    "修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modifier les informations du modèle (uniquement pris en charge pour les petits fichiers de modèle extraits du dossier 'weights')",
-    "停止音频转换": "Arrêter la conversion audio",
-    "全流程结束！": "Toutes les étapes ont été terminées !",
-    "刷新音色列表和索引路径": "Actualiser la liste des voix et le vers l'index.",
-    "加载模型": "Charger le modèle.",
-    "加载预训练底模D路径": "Charger le chemin du modèle de base pré-entraîné D :",
-    "加载预训练底模G路径": "Charger le chemin du modèle de base pré-entraîné G :",
-    "单次推理": "单次推理",
-    "卸载音色省显存": "Décharger la voix pour économiser la mémoire GPU.",
-    "变调(整数, 半音数量, 升八度12降八度-12)": "Transposer (entier, nombre de demi-tons, monter d'une octave : 12, descendre d'une octave : -12) :",
-    "后处理重采样至最终采样率，0为不进行重采样": "Rééchantillonner l'audio de sortie en post-traitement à la fréquence d'échantillonnage finale. Réglez sur 0 pour ne pas effectuer de rééchantillonnage :",
-    "否": "Non",
-    "启用相位声码器": "启用相位声码器",
-    "响应阈值": "Seuil de réponse",
-    "响度因子": "Facteur de volume sonore",
-    "处理数据": "Traitement des données",
-    "导出Onnx模型": "Exporter le modèle au format ONNX.",
-    "导出文件格式": "Format de fichier d'exportation",
-    "常见问题解答": "FAQ (Foire Aux Questions)",
-    "常规设置": "Paramètres généraux",
-    "开始音频转换": "Démarrer la conversion audio.",
-    "很遗憾您这没有能用的显卡来支持您训练": "Malheureusement, il n'y a pas de GPU compatible disponible pour prendre en charge votre entrainement.",
-    "性能设置": "Paramètres de performance",
-    "总训练轮数total_epoch": "Nombre total d'époques d'entraînement (total_epoch) :",
-    "批量推理": "批量推理",
-    "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. ": "Conversion en lot. Entrez le dossier contenant les fichiers audio à convertir ou téléchargez plusieurs fichiers audio. Les fichiers audio convertis seront enregistrés dans le dossier spécifié (par défaut : 'opt').",
-    "指定输出主人声文件夹": "Spécifiez le dossier de sortie pour les fichiers de voix :",
-    "指定输出文件夹": "Spécifiez le dossier de sortie :",
-    "指定输出非主人声文件夹": "Spécifiez le dossier de sortie pour l'accompagnement :",
-    "推理时间(ms):": "Temps d'inférence (ms) :",
-    "推理音色": "Voix pour l'inférence",
-    "提取": "Extraire",
-    "提取音高和处理数据使用的CPU进程数": "Nombre de processus CPU utilisés pour l'extraction de la hauteur et le traitement des données :",
-    "是": "Oui",
-    "是否仅保存最新的ckpt文件以节省硬盘空间": "Enregistrer uniquement le dernier fichier '.ckpt' pour économiser de l'espace disque :",
-    "是否在每次保存时间点将最终小模型保存至weights文件夹": "Enregistrer un petit modèle final dans le dossier 'weights' à chaque point de sauvegarde :",
-    "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": "Mettre en cache tous les ensembles d'entrainement dans la mémoire GPU. Mettre en cache de petits ensembles de données (moins de 10 minutes) peut accélérer l'entrainement, mais mettre en cache de grands ensembles de données consommera beaucoup de mémoire GPU et peut ne pas apporter beaucoup d'amélioration de vitesse :",
-    "显卡信息": "Informations sur la carte graphique (GPU)",
-    "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>.": "Ce logiciel est open source sous la licence MIT. L'auteur n'a aucun contrôle sur le logiciel. Les utilisateurs qui utilisent le logiciel et distribuent les sons exportés par le logiciel en sont entièrement responsables. <br>Si vous n'acceptez pas cette clause, vous ne pouvez pas utiliser ou faire référence à aucun code ni fichier contenu dans le package logiciel. Consultez le fichier <b>Agreement-LICENSE.txt</b> dans le répertoire racine pour plus de détails.",
-    "查看": "Voir",
-    "查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Afficher les informations sur le modèle (uniquement pour les petits fichiers de modèle extraits du dossier \"weights\")",
-    "检索特征占比": "Rapport de recherche de caractéristiques (contrôle l'intensité de l'accent, un rapport trop élevé provoque des artefacts) :",
-    "模型": "Modèle",
-    "模型推理": "Inférence du modèle",
-    "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": "Extraction du modèle (saisissez le chemin d'accès au modèle du grand fichier dans le dossier \"logs\"). Cette fonction est utile si vous souhaitez arrêter l'entrainement à mi-chemin et extraire et enregistrer manuellement un petit fichier de modèle, ou si vous souhaitez tester un modèle intermédiaire :",
-    "模型是否带音高指导": "Indique si le modèle dispose d'un guidage en hauteur :",
-    "模型是否带音高指导(唱歌一定要, 语音可以不要)": "Indique si le modèle dispose d'un système de guidage de la hauteur (obligatoire pour le chant, facultatif pour la parole) :",
-    "模型是否带音高指导,1是0否": "Le modèle dispose-t-il d'un guide de hauteur (1 : oui, 0 : non) ?",
-    "模型版本型号": "Version de l'architecture du modèle :",
-    "模型融合, 可用于测试音色融合": "Fusion de modèles, peut être utilisée pour tester la fusion de timbres",
-    "模型路径": "Le chemin vers le modèle :",
-    "每张显卡的batch_size": "Taille du batch par GPU :",
-    "淡入淡出长度": "Longueur de la transition",
-    "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):",
-    "自动检测index路径,下拉式选择(dropdown)": "Détecter automatiquement le chemin d'accès à l'index et le sélectionner dans la liste déroulante :",
-    "融合": "Fusion",
-    "要改的模型信息": "Informations sur le modèle à modifier :",
-    "要置入的模型信息": "Informations sur le modèle à placer :",
-    "训练": "Entraîner",
-    "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",
-    "请选择说话人id": "Sélectionner l'ID de l'orateur ou du chanteur :",
-    "转换": "Convertir",
-    "输入实验名": "Saisissez le nom de l'expérience :",
-    "输入待处理音频文件夹路径": "Entrez le chemin du dossier audio à traiter :",
-    "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)": "Entrez le chemin du dossier audio à traiter (copiez-le depuis la barre d'adresse du gestionnaire de fichiers) :",
-    "输入待处理音频文件路径(默认是正确格式示例)": "Entrez le chemin d'accès du fichier audio à traiter (par défaut, l'exemple de format correct) :",
-    "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": "Ajustez l'échelle de l'enveloppe de volume. Plus il est proche de 0, plus il imite le volume des voix originales. Cela peut aider à masquer les bruits et à rendre le volume plus naturel lorsqu'il est réglé relativement bas. Plus le volume est proche de 1, plus le volume sera fort et constant :",
-    "输入监听": "Moniteur vocal d'entrée",
-    "输入训练文件夹路径": "Indiquez le chemin d'accès au dossier d'entraînement :",
-    "输入设备": "Dispositif d'entrée",
-    "输入降噪": "Réduction du bruit d'entrée",
-    "输出信息": "Informations sur la sortie",
-    "输出变声": "Sortie voix convertie",
-    "输出设备": "Dispositif de sortie",
-    "输出降噪": "Réduction du bruit de sortie",
-    "输出音频(右下角三个点,点了可以下载)": "Exporter l'audio (cliquer sur les trois points dans le coin inférieur droit pour télécharger)",
-    "选择.index文件": "Sélectionner le fichier .index",
-    "选择.pth文件": "Sélectionner le fichier .pth",
-    "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": "Sélection de l'algorithme d'extraction de la hauteur, les voix d'entrée peuvent être accélérées avec pm, harvest a de bonnes basses mais est très lent, crepe est bon mais consomme beaucoup de ressources GPU.",
-    "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": "Sélectionnez l'algorithme d'extraction de la hauteur de ton (\"pm\" : extraction plus rapide mais parole de moindre qualité ; \"harvest\" : meilleure basse mais extrêmement lente ; \"crepe\" : meilleure qualité mais utilisation intensive du GPU), \"rmvpe\" : meilleure qualité et peu d'utilisation du 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,rmvpe效果最好且微吃CPU/GPU": "Sélection de l'algorithme d'extraction de la hauteur : la chanson d'entrée peut être traitée plus rapidement par pm, avec une voix de haute qualité mais un CPU médiocre, par dio, harvest est meilleur mais plus lent, rmvpe est le meilleur, mais consomme légèrement le CPU/GPU.",
-    "采样率:": "采样率:",
-    "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": "Périphérique audio",
-    "音高算法": "algorithme de détection de la hauteur",
-    "额外推理时长": "Temps d'inférence supplémentaire"
-}
--- a/i18n/locale/ko_KR.json
+++ b/i18n/locale/ko_KR.json
@ -1,137 +0,0 @@
-{
-    ">=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": ">=3인 경우 harvest 피치 인식 결과에 중간값 필터 적용, 필터 반경은 값으로 지정, 사용 시 무성음 감소 가능",
-    "A模型权重": "A 모델 가중치",
-    "A模型路径": "A 모델 경로",
-    "B模型路径": "B 모델 경로",
-    "E:\\语音音频+标注\\米津玄师\\src": "E:\\음성 오디오+표시\\米津玄师\\src",
-    "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 곡선 파일, 선택적, 한 줄에 하나의 피치, 기본 F0 및 음높이 조절 대체",
-    "Index Rate": "인덱스 비율",
-    "Onnx导出": "Onnx 내보내기",
-    "Onnx输出路径": "Onnx 출력 경로",
-    "RVC模型路径": "RVC 모델 경로",
-    "ckpt处理": "ckpt 처리",
-    "harvest进程数": "harvest 프로세스 수",
-    "index文件路径不可包含中文": "index 파일 경로는 중국어를 포함할 수 없음",
-    "pth文件路径不可包含中文": "pth 파일 경로는 중국어를 포함할 수 없음",
-    "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": "rmvpe 카드 번호 설정: -로 구분된 입력 사용 카드 번호, 예: 0-0-1은 카드 0에서 2개 프로세스, 카드 1에서 1개 프로세스 실행",
-    "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. ": "step1: 실험 구성 작성. 실험 데이터는 logs에 저장, 각 실험은 하나의 폴더, 수동으로 실험 이름 경로 입력 필요, 실험 구성, 로그, 훈련된 모델 파일 포함.",
-    "step1:正在处理数据": "step1: 데이터 처리 중",
-    "step2:正在提取音高&正在提取特征": "step2: 음높이 추출 & 특징 추출 중",
-    "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. ": "step2a: 훈련 폴더 아래 모든 오디오로 디코딩 가능한 파일을 자동 순회하며 슬라이스 정규화 진행, 실험 디렉토리 아래 2개의 wav 폴더 생성; 현재 단일 사용자 훈련만 지원.",
-    "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)": "step2b: CPU를 사용하여 음높이 추출(모델이 음높이 포함 시), GPU를 사용하여 특징 추출(카드 번호 선택)",
-    "step3: 填写训练设置, 开始训练模型和索引": "step3: 훈련 설정 작성, 모델 및 인덱스 훈련 시작",
-    "step3a:正在训练模型": "step3a: 모델 훈련 중",
-    "一键训练": "원클릭 훈련",
-    "也可批量输入音频文件, 二选一, 优先读文件夹": "여러 오디오 파일을 일괄 입력할 수도 있음, 둘 중 하나 선택, 폴더 우선 읽기",
-    "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。": "인간 목소리와 반주 분리 배치 처리, UVR5 모델 사용. <br>적절한 폴더 경로 예시: E:\\codes\\py39\\vits_vc_gpu\\白鹭霜华测试样例(파일 관리자 주소 표시줄에서 복사하면 됨). <br>모델은 세 가지 유형으로 나뉨: <br>1. 인간 목소리 보존: 화음이 없는 오디오에 이것을 선택, HP5보다 주된 인간 목소리 보존에 더 좋음. 내장된 HP2와 HP3 두 모델, HP3는 약간의 반주 누락 가능성이 있지만 HP2보다 주된 인간 목소리 보존이 약간 더 좋음; <br>2. 주된 인간 목소리만 보존: 화음이 있는 오디오에 이것을 선택, 주된 인간 목소리에 약간의 약화 가능성 있음. 내장된 HP5 모델 하나; <br>3. 혼효음 제거, 지연 제거 모델(by FoxJoy):<br>  (1)MDX-Net(onnx_dereverb): 이중 채널 혼효음에는 최선의 선택, 단일 채널 혼효음은 제거할 수 없음;<br>&emsp;(234)DeEcho: 지연 제거 효과. Aggressive는 Normal보다 더 철저하게 제거, DeReverb는 추가로 혼효음을 제거, 단일 채널 혼효음은 제거 가능하지만 고주파 중심의 판 혼효음은 완전히 제거하기 어려움.<br>혼효음/지연 제거, 부록: <br>1. DeEcho-DeReverb 모델의 처리 시간은 다른 두 개의 DeEcho 모델의 거의 2배임;<br>2. MDX-Net-Dereverb 모델은 상당히 느림;<br>3. 개인적으로 추천하는 가장 깨끗한 구성은 MDX-Net 다음에 DeEcho-Aggressive 사용.",
-    "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": "-로 구분하여 입력하는 카드 번호, 예: 0-1-2는 카드 0, 카드 1, 카드 2 사용",
-    "伴奏人声分离&去混响&去回声": "반주 인간 목소리 분리 & 혼효음 제거 & 에코 제거",
-    "使用模型采样率": "모델 샘플링 레이트 사용",
-    "使用设备采样率": "장치 샘플링 레이트 사용",
-    "保存名": "저장 이름",
-    "保存的文件名, 默认空为和源文件同名": "저장될 파일명, 기본적으로 빈 공간은 원본 파일과 동일한 이름으로",
-    "保存的模型名不带后缀": "저장된 모델명은 접미사 없음",
-    "保存频率save_every_epoch": "저장 빈도 save_every_epoch",
-    "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": "청자음과 호흡 소리를 보호, 전자음 찢김 등의 아티팩트 방지, 0.5까지 올려서 비활성화, 낮추면 보호 강도 증가하지만 인덱스 효과 감소 가능성 있음",
-    "修改": "수정",
-    "修改模型信息(仅支持weights文件夹下提取的小模型文件)": "모델 정보 수정(오직 weights 폴더 아래에서 추출된 작은 모델 파일만 지원)",
-    "停止音频转换": "오디오 변환 중지",
-    "全流程结束！": "전체 과정 완료!",
-    "刷新音色列表和索引路径": "음색 목록 및 인덱스 경로 새로고침",
-    "加载模型": "모델 로드",
-    "加载预训练底模D路径": "미리 훈련된 베이스 모델 D 경로 로드",
-    "加载预训练底模G路径": "미리 훈련된 베이스 모델 G 경로 로드",
-    "单次推理": "단일 추론",
-    "卸载音色省显存": "음색 언로드로 디스플레이 메모리 절약",
-    "变调(整数, 半音数量, 升八度12降八度-12)": "키 변경(정수, 반음 수, 옥타브 상승 12, 옥타브 하강 -12)",
-    "后处理重采样至最终采样率，0为不进行重采样": "후처리 재샘플링을 최종 샘플링 레이트로, 0은 재샘플링하지 않음",
-    "否": "아니오",
-    "启用相位声码器": "위상 보코더 활성화",
-    "响应阈值": "응답 임계값",
-    "响度因子": "음량 인자",
-    "处理数据": "데이터 처리",
-    "导出Onnx模型": "Onnx 모델 내보내기",
-    "导出文件格式": "내보낼 파일 형식",
-    "常见问题解答": "자주 묻는 질문",
-    "常规设置": "일반 설정",
-    "开始音频转换": "오디오 변환 시작",
-    "很遗憾您这没有能用的显卡来支持您训练": "사용 가능한 그래픽 카드가 없어 훈련을 지원할 수 없습니다",
-    "性能设置": "성능 설정",
-    "总训练轮数total_epoch": "총 훈련 라운드 수 total_epoch",
-    "批量推理": "일괄 추론",
-    "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. ": "일괄 변환, 변환할 오디오 파일 폴더 입력 또는 여러 오디오 파일 업로드, 지정된 폴더(기본값 opt)에 변환된 오디오 출력.",
-    "指定输出主人声文件夹": "주된 목소리 출력 폴더 지정",
-    "指定输出文件夹": "출력 파일 폴더 지정",
-    "指定输出非主人声文件夹": "주된 목소리가 아닌 출력 폴더 지정",
-    "推理时间(ms):": "추론 시간(ms):",
-    "推理音色": "추론 음색",
-    "提取": "추출",
-    "提取音高和处理数据使用的CPU进程数": "음높이 추출 및 데이터 처리에 사용되는 CPU 프로세스 수",
-    "是": "예",
-    "是否仅保存最新的ckpt文件以节省硬盘空间": "디스크 공간을 절약하기 위해 최신 ckpt 파일만 저장할지 여부",
-    "是否在每次保存时间点将最终小模型保存至weights文件夹": "저장 시마다 최종 소형 모델을 weights 폴더에 저장할지 여부",
-    "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": "모든 훈련 세트를 VRAM에 캐시할지 여부. 10분 미만의 소량 데이터는 캐시하여 훈련 속도를 높일 수 있지만, 대량 데이터 캐시는 VRAM을 과부하시키고 속도를 크게 향상시키지 못함",
-    "显卡信息": "그래픽 카드 정보",
-    "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>.": "이 소프트웨어는 MIT 라이선스로 공개되며, 저자는 소프트웨어에 대해 어떠한 통제권도 가지지 않습니다. 모든 귀책사유는 소프트웨어 사용자 및 소프트웨어에서 생성된 결과물을 사용하는 당사자에게 있습니다. <br>해당 조항을 인정하지 않는 경우, 소프트웨어 패키지의 어떠한 코드나 파일도 사용하거나 인용할 수 없습니다. 자세한 내용은 루트 디렉토리의 <b>LICENSE</b>를 참조하세요.",
-    "查看": "보기",
-    "查看模型信息(仅支持weights文件夹下提取的小模型文件)": "모델 정보 보기(오직 weights 폴더에서 추출된 소형 모델 파일만 지원)",
-    "检索特征占比": "검색 특징 비율",
-    "模型": "모델",
-    "模型推理": "모델 추론",
-    "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": "모델 추출(logs 폴더 아래의 큰 파일 모델 경로 입력), 훈련 중간에 중단한 모델의 자동 추출 및 소형 파일 모델 저장이 안 되거나 중간 모델을 테스트하고 싶은 경우에 적합",
-    "模型是否带音高指导": "모델이 음높이 지도를 포함하는지 여부",
-    "模型是否带音高指导(唱歌一定要, 语音可以不要)": "모델이 음높이 지도를 포함하는지 여부(노래에는 반드시 필요, 음성에는 필요 없음)",
-    "模型是否带音高指导,1是0否": "모델이 음높이 지도를 포함하는지 여부, 1은 예, 0은 아니오",
-    "模型版本型号": "모델 버전 및 모델",
-    "模型融合, 可用于测试音色融合": "모델 융합, 음색 융합 테스트에 사용 가능",
-    "模型路径": "모델 경로",
-    "每张显卡的batch_size": "각 그래픽 카드의 batch_size",
-    "淡入淡出长度": "페이드 인/아웃 길이",
-    "版本": "버전",
-    "特征提取": "특징 추출",
-    "特征检索库文件路径,为空则使用下拉的选择结果": "특징 검색 라이브러리 파일 경로, 비어 있으면 드롭다운 선택 결과 사용",
-    "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. ": "남성에서 여성으로 변경 시 +12 키 권장, 여성에서 남성으로 변경 시 -12 키 권장, 음역대 폭발로 음색이 왜곡되면 적절한 음역대로 조정 가능.",
-    "目标采样率": "목표 샘플링률",
-    "算法延迟(ms):": "알고리즘 지연(ms):",
-    "自动检测index路径,下拉式选择(dropdown)": "자동으로 index 경로 감지, 드롭다운 선택(dropdown)",
-    "融合": "융합",
-    "要改的模型信息": "변경할 모델 정보",
-    "要置入的模型信息": "삽입할 모델 정보",
-    "训练": "훈련",
-    "训练模型": "모델 훈련",
-    "训练特征索引": "특징 인덱스 훈련",
-    "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": "훈련 완료, 콘솔 훈련 로그 또는 실험 폴더 내의 train.log 확인 가능",
-    "设备类型": "设备类型",
-    "请指定说话人id": "화자 ID 지정 필요",
-    "请选择index文件": "index 파일 선택",
-    "请选择pth文件": "pth 파일 선택",
-    "请选择说话人id": "화자 ID 선택",
-    "转换": "변환",
-    "输入实验名": "실험명 입력",
-    "输入待处理音频文件夹路径": "처리할 오디오 파일 폴더 경로 입력",
-    "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)": "처리할 오디오 파일 폴더 경로 입력(파일 탐색기 주소 표시줄에서 복사)",
-    "输入待处理音频文件路径(默认是正确格式示例)": "처리할 오디오 파일 경로 입력(기본적으로 올바른 형식 예시)",
-    "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": "입력 소스 볼륨 엔벨로프와 출력 볼륨 엔벨로프의 결합 비율 입력, 1에 가까울수록 출력 엔벨로프 사용",
-    "输入监听": "입력 모니터링",
-    "输入训练文件夹路径": "훈련 파일 폴더 경로 입력",
-    "输入设备": "입력 장치",
-    "输入降噪": "입력 노이즈 감소",
-    "输出信息": "출력 정보",
-    "输出变声": "출력 음성 변조",
-    "输出设备": "출력 장치",
-    "输出降噪": "출력 노이즈 감소",
-    "输出音频(右下角三个点,点了可以下载)": "출력 오디오(오른쪽 하단 세 개의 점, 클릭하면 다운로드 가능)",
-    "选择.index文件": ".index 파일 선택",
-    "选择.pth文件": ".pth 파일 선택",
-    "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": "음높이 추출 알고리즘 선택, 노래 입력 시 pm으로 속도 향상, harvest는 저음이 좋지만 매우 느림, crepe는 효과가 좋지만 GPU 사용",
-    "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": "음높이 추출 알고리즘 선택, 노래 입력 시 pm으로 속도 향상, harvest는 저음이 좋지만 매우 느림, crepe는 효과가 좋지만 GPU 사용, rmvpe는 효과가 가장 좋으며 GPU를 적게 사용",
-    "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": "음높이 추출 알고리즘 선택: 노래 입력 시 pm으로 속도 향상, 고품질 음성에는 CPU가 부족할 때 dio 사용, harvest는 품질이 더 좋지만 느림, rmvpe는 효과가 가장 좋으며 CPU/GPU를 적게 사용",
-    "采样率:": "샘플링률:",
-    "采样长度": "샘플링 길이",
-    "重载设备列表": "장치 목록 재로드",
-    "音调设置": "음조 설정",
-    "音频设备": "音频设备",
-    "音高算法": "음높이 알고리즘",
-    "额外推理时长": "추가 추론 시간"
-}
--- a/i18n/locale/pt_BR.json
+++ b/i18n/locale/pt_BR.json
@ -1,137 +0,0 @@
-{
-    ">=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.",
-    "A模型权重": "Peso (w) para o modelo A:",
-    "A模型路径": "Caminho para o Modelo A:",
-    "B模型路径": "Caminho para o Modelo B:",
-    "E:\\语音音频+标注\\米津玄师\\src": "E:\\meu-dataset",
-    "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:",
-    "Index Rate": "Taxa do Index",
-    "Onnx导出": "Exportar Onnx",
-    "Onnx输出路径": "Caminho de exportação ONNX:",
-    "RVC模型路径": "Caminho do Modelo RVC:",
-    "ckpt处理": "processamento ckpt",
-    "harvest进程数": "Número de processos harvest",
-    "index文件路径不可包含中文": "O caminho do arquivo de Index não pode conter caracteres chineses",
-    "pth文件路径不可包含中文": "o caminho do arquivo pth não pode conter caracteres chineses",
-    "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.",
-    "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.",
-    "step1:正在处理数据": "Etapa 1: Processamento de dados",
-    "step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
-    "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.",
-    "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):",
-    "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",
-    "step3a:正在训练模型": "Etapa 3a: Treinamento do modelo iniciado",
-    "一键训练": "Treinamento com um clique",
-    "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.",
-    "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.",
-    "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:",
-    "伴奏人声分离&去混响&去回声": "UVR5",
-    "使用模型采样率": "使用模型采样率",
-    "使用设备采样率": "使用设备采样率",
-    "保存名": "Salvar nome",
-    "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):",
-    "保存的模型名不带后缀": "Nome do modelo salvo (sem extensão):",
-    "保存频率save_every_epoch": "Faça backup a cada # de Epoch:",
-    "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:",
-    "修改": "Editar",
-    "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')",
-    "停止音频转换": "Conversão de áudio",
-    "全流程结束！": "Todos os processos foram concluídos!",
-    "刷新音色列表和索引路径": "Atualizar lista de voz e caminho do Index",
-    "加载模型": "Modelo",
-    "加载预训练底模D路径": "Carregue o caminho D do modelo base pré-treinado:",
-    "加载预训练底模G路径": "Carregue o caminho G do modelo base pré-treinado:",
-    "单次推理": "Único",
-    "卸载音色省显存": "Descarregue a voz para liberar a memória da GPU:",
-    "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).",
-    "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:",
-    "否": "Não",
-    "启用相位声码器": "启用相位声码器",
-    "响应阈值": "Limiar de resposta",
-    "响度因子": "Fator de volume",
-    "处理数据": "Processar o Conjunto de Dados",
-    "导出Onnx模型": "Exportar Modelo Onnx",
-    "导出文件格式": "Qual formato de arquivo você prefere?",
-    "常见问题解答": "FAQ (Perguntas frequentes)",
-    "常规设置": "Configurações gerais",
-    "开始音频转换": "Iniciar conversão de áudio",
-    "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.",
-    "性能设置": "Configurações de desempenho.",
-    "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):",
-    "批量推理": "Conversão em Lote",
-    "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.",
-    "指定输出主人声文件夹": "Especifique a pasta de saída para vocais:",
-    "指定输出文件夹": "Especifique a pasta de saída:",
-    "指定输出非主人声文件夹": "Informar a pasta de saída para acompanhamento:",
-    "推理时间(ms):": "Tempo de inferência (ms):",
-    "推理音色": "Escolha o seu Modelo:",
-    "提取": "Extrato",
-    "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:",
-    "是": "Sim",
-    "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:",
-    "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:",
-    "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:",
-    "显卡信息": "Informações da GPU",
-    "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>",
-    "查看": "Visualizar",
-    "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')",
-    "检索特征占比": "Taxa de recurso de recuperação:",
-    "模型": "Modelo",
-    "模型推理": "Inference",
-    "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:",
-    "模型是否带音高指导": "Se o modelo tem orientação de tom:",
-    "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):",
-    "模型是否带音高指导,1是0否": "Se o modelo tem orientação de passo (1: sim, 0: não):",
-    "模型版本型号": "Versão:",
-    "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",
-    "模型路径": "Caminho para o Modelo:",
-    "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!):",
-    "淡入淡出长度": "Comprimento de desvanecimento",
-    "版本": "Versão",
-    "特征提取": "Extrair Tom",
-    "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:",
-    "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. ": "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.",
-    "目标采样率": "Taxa de amostragem:",
-    "算法延迟(ms):": "Atrasos algorítmicos (ms):",
-    "自动检测index路径,下拉式选择(dropdown)": "Detecte automaticamente o caminho do Index e selecione no menu suspenso:",
-    "融合": "Fusão",
-    "要改的模型信息": "Informações do modelo a ser modificado:",
-    "要置入的模型信息": "Informações do modelo a ser colocado:",
-    "训练": "Treinar",
-    "训练模型": "Treinar Modelo",
-    "训练特征索引": "Treinar 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": "Após o término do treinamento, você pode verificar o log de treinamento do console ou train.log na pasta de experimentos",
-    "设备类型": "设备类型",
-    "请指定说话人id": "Especifique o ID do locutor/cantor:",
-    "请选择index文件": "Selecione o arquivo de Index",
-    "请选择pth文件": "Selecione o arquivo pth",
-    "请选择说话人id": "Selecione Palestrantes/Cantores ID:",
-    "转换": "Converter",
-    "输入实验名": "Nome da voz:",
-    "输入待处理音频文件夹路径": "Caminho da pasta de áudio a ser processada:",
-    "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):",
-    "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):",
-    "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:",
-    "输入监听": "Monitoramento de entrada",
-    "输入训练文件夹路径": "Caminho da pasta de treinamento:",
-    "输入设备": "Dispositivo de entrada",
-    "输入降噪": "Redução de ruído de entrada",
-    "输出信息": "Informação de saída",
-    "输出变声": "Mudança de voz de saída",
-    "输出设备": "Dispositivo de saída",
-    "输出降噪": "Redução de ruído 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)",
-    "选择.index文件": "Selecione o Index",
-    "选择.pth文件": "Selecione o Arquivo",
-    "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": "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",
-    "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;",
-    "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.",
-    "采样率:": "采样率:",
-    "采样长度": "Comprimento da Amostra",
-    "重载设备列表": "Recarregar lista de dispositivos",
-    "音调设置": "Configurações de tom",
-    "音频设备": "音频设备",
-    "音高算法": "Algoritmo de detecção de pitch",
-    "额外推理时长": "Tempo extra de inferência"
-}
--- a/i18n/locale/ru_RU.json
+++ b/i18n/locale/ru_RU.json
@ -1,137 +0,0 @@
-{
-    ">=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": "Если значение больше 3: применить медианную фильтрацию к вытащенным тональностям. Значение контролирует радиус фильтра и может уменьшить излишнее дыхание.",
-    "A模型权重": "Весы (w) модели А:",
-    "A模型路径": "Путь к модели А:",
-    "B模型路径": "Путь к модели Б:",
-    "E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
-    "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Файл дуги F0 (не обязательно). Одна тональность на каждую строчку. Заменяет обычный F0 и модуляцию тональности:",
-    "Index Rate": "Темп индекса",
-    "Onnx导出": "Экспорт ONNX",
-    "Onnx输出路径": "Путь для сохранения модели в формате ONNX:",
-    "RVC模型路径": "Путь к модели RVC:",
-    "ckpt处理": "Обработка ckpt",
-    "harvest进程数": "Количество процессор harvest",
-    "index文件路径不可包含中文": "Путь к файлу индекса",
-    "pth文件路径不可包含中文": "Путь к файлу pth",
-    "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": "Введите номера графических процессоров, разделенные символом «-», например, 0-0-1, чтобы запустить два процесса на GPU 0 и один процесс на GPU 1:",
-    "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. ": "Шаг 1. Конфигурирование модели. Данные обучения модели сохраняются в папку 'logs', и для каждой модели создаётся отдельная папка. Введите вручную путь к настройкам для модели, в которой находятся логи и тренировочные файлы.",
-    "step1:正在处理数据": "Шаг 1. Переработка данных",
-    "step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
-    "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. ": "Шаг 2А. Автоматическая обработка исходных аудиозаписей для обучения и выполнение нормализации среза. Создаст 2 папки wav в папке модели. В данный момент поддерживается обучение только на одноголосных записях.",
-    "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)": "Шаг 2Б. Оценка и извлечение тональности в аудиофайлах с помощью процессора (если включена поддержка изменения высоты звука), извлечение черт с помощью GPU (выберите номер GPU):",
-    "step3: 填写训练设置, 开始训练模型和索引": "Шаг 3. Заполнение дополнительных настроек обучения и запуск обучения модели и индекса",
-    "step3a:正在训练模型": "Шаг 3. Запуск обучения модели",
-    "一键训练": "Обучение в одно нажатие",
-    "也可批量输入音频文件, 二选一, 优先读文件夹": "Можно также импортировать несколько аудиофайлов. Если путь к папке существует, то этот ввод игнорируется.",
-    "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。": "Пакетная обработка для разделения вокального сопровождения с использованием модели UVR5.<br>Пример допустимого формата пути к папке: D:\\path\\to\\input\\folder<br> Модель разделена на три категории:<br>1. Сохранить вокал: выберите этот вариант для звука без гармоний. Он сохраняет вокал лучше, чем HP5. Он включает в себя две встроенные модели: HP2 и HP3. HP3 может немного пропускать инструментал, но сохраняет вокал немного лучше, чем HP2.<br>2. Сохранить только основной вокал: выберите этот вариант для звука с гармониями. Это может ослабить основной вокал. Он включает одну встроенную модель: HP5.<br>3. Модели удаления реверберации и задержки (от FoxJoy):<br>  (1) MDX-Net: лучший выбор для удаления стереореверберации, но он не может удалить монореверберацию;<br>&emsp;(234) DeEcho: удаляет эффекты задержки. Агрессивный режим удаляет более тщательно, чем Нормальный режим. DeReverb дополнительно удаляет реверберацию и может удалять монореверберацию, но не очень эффективно для сильно реверберированного высокочастотного контента.<br>Примечания по удалению реверберации/задержки:<br>1. Время обработки для модели DeEcho-DeReverb примерно в два раза больше, чем для двух других моделей DeEcho.<br>2. Модель MDX-Net-Dereverb довольно медленная.<br>3. Рекомендуемая самая чистая конфигурация — сначала применить MDX-Net, а затем DeEcho-Aggressive.",
-    "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": "Введите, какие(-ую) GPU(-у) хотите использовать через '-', например 0-1-2, чтобы использовать GPU с номерами 0, 1 и 2:",
-    "伴奏人声分离&去混响&去回声": "Разделение вокала/аккомпанемента и удаление эхо",
-    "使用模型采样率": "使用模型采样率",
-    "使用设备采样率": "使用设备采样率",
-    "保存名": "Имя файла для сохранения:",
-    "保存的文件名, 默认空为和源文件同名": "Название сохранённого файла (по умолчанию: такое же, как и у входного):",
-    "保存的模型名不带后缀": "Имя файла модели для сохранения (без расширения):",
-    "保存频率save_every_epoch": "Частота сохранения (save_every_epoch):",
-    "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": "Защитить глухие согласные и звуки дыхания для предотвращения артефактов, например, разрывания в электронной музыке. Поставьте на 0.5, чтобы выключить. Уменьшите значение для повышения защиты, но учтите, что при этом может ухудшиться точность индексирования:",
-    "修改": "Изменить",
-    "修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Изменить информацию о модели (работает только с маленькими моделями, взятыми из папки 'weights')",
-    "停止音频转换": "Закончить конвертацию аудио",
-    "全流程结束！": "Все процессы завершены!",
-    "刷新音色列表和索引路径": "Обновить список голосов и индексов",
-    "加载模型": "Загрузить модель",
-    "加载预训练底模D路径": "Путь к предварительно обученной базовой модели D:",
-    "加载预训练底模G路径": "Путь к предварительно обученной базовой модели G:",
-    "单次推理": "单次推理",
-    "卸载音色省显存": "Выгрузить модель из памяти GPU для освобождения ресурсов",
-    "变调(整数, 半音数量, 升八度12降八度-12)": "Изменить высоту голоса (укажите количество полутонов; чтобы поднять голос на октаву, выберите 12, понизить на октаву — -12):",
-    "后处理重采样至最终采样率，0为不进行重采样": "Изменить частоту дискретизации в выходном файле на финальную. Поставьте 0, чтобы ничего не изменялось:",
-    "否": "Нет",
-    "启用相位声码器": "启用相位声码器",
-    "响应阈值": "Порог ответа",
-    "响度因子": "коэффициент громкости",
-    "处理数据": "Обработать данные",
-    "导出Onnx模型": "Экспортировать модель",
-    "导出文件格式": "Формат выходных файлов",
-    "常见问题解答": "ЧаВо (часто задаваемые вопросы)",
-    "常规设置": "Основные настройки",
-    "开始音频转换": "Начать конвертацию аудио",
-    "很遗憾您这没有能用的显卡来支持您训练": "К сожалению, у вас нету графического процессора, который поддерживает обучение моделей.",
-    "性能设置": "Настройки быстроты",
-    "总训练轮数total_epoch": "Полное количество эпох (total_epoch):",
-    "批量推理": "批量推理",
-    "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. ": "Массовое преобразование. Введите путь к папке, в которой находятся файлы для преобразования голоса или выгрузите несколько аудиофайлов. Сконвертированные файлы будут сохранены в указанной папке (по умолчанию: 'opt').",
-    "指定输出主人声文件夹": "Путь к папке для сохранения вокала:",
-    "指定输出文件夹": "Папка для результатов:",
-    "指定输出非主人声文件夹": "Путь к папке для сохранения аккомпанемента:",
-    "推理时间(ms):": "Время переработки (мс):",
-    "推理音色": "Желаемый голос:",
-    "提取": "Создать модель",
-    "提取音高和处理数据使用的CPU进程数": "Число процессов ЦП, используемое для оценки высоты голоса и обработки данных:",
-    "是": "Да",
-    "是否仅保存最新的ckpt文件以节省硬盘空间": "Сохранять только последний файл '.ckpt', чтобы сохранить место на диске:",
-    "是否在每次保存时间点将最终小模型保存至weights文件夹": "Сохранять маленькую финальную модель в папку 'weights' на каждой точке сохранения:",
-    "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": "Кэшировать все тренировочные сеты в видеопамять. Кэширование маленький датасетов (меньше 10 минут) может ускорить тренировку, но кэширование больших, наоборот, займёт много видеопамяти и не сильно ускорит тренировку:",
-    "显卡信息": "Информация о графических процессорах (GPUs):",
-    "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>.": "Это программное обеспечение с открытым исходным кодом распространяется по лицензии MIT. Автор никак не контролирует это программное обеспечение. Пользователи, которые используют эту программу и распространяют аудиозаписи, полученные с помощью этой программы, несут полную ответственность за это. Если вы не согласны с этим, вы не можете использовать какие-либо коды и файлы в рамках этой программы или ссылаться на них. Подробнее в файле <b>Agreement-LICENSE.txt</b> в корневом каталоге программы.",
-    "查看": "Просмотреть информацию",
-    "查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Просмотреть информацию о модели (работает только с маленькими моделями, взятыми из папки 'weights')",
-    "检索特征占比": "Соотношение поиска черт:",
-    "模型": "Модели",
-    "模型推理": "Изменение голоса",
-    "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": "Создание модели из данных, полученных в процессе обучения (введите путь к большому файлу модели в папке 'logs'). Может пригодиться, если вам нужно завершить обучение и получить маленький файл готовой модели, или если вам нужно проверить недообученную модель:",
-    "模型是否带音高指导": "Поддерживает ли модель изменение высоты голоса (1: да, 0: нет):",
-    "模型是否带音高指导(唱歌一定要, 语音可以不要)": "Поддержка изменения высоты звука (обязательно для пения, необязательно для речи):",
-    "模型是否带音高指导,1是0否": "Поддерживает ли модель изменение высоты голоса (1: да, 0: нет):",
-    "模型版本型号": "Версия архитектуры модели:",
-    "模型融合, 可用于测试音色融合": "Слияние моделей, может быть использовано для проверки слияния тембра",
-    "模型路径": "Путь к папке:",
-    "每张显卡的batch_size": "Размер пачки для GPU:",
-    "淡入淡出长度": "Длина затухания",
-    "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):",
-    "自动检测index路径,下拉式选择(dropdown)": "Автоматически найденные файлы индексов черт (выберите вариант из списка):",
-    "融合": "Запустить слияние",
-    "要改的模型信息": "Информация, которая будет изменена:",
-    "要置入的模型信息": "Информация о модели:",
-    "训练": "Обучение модели",
-    "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",
-    "请选择说话人id": "Номер говорящего:",
-    "转换": "Преобразовать",
-    "输入实验名": "Название модели:",
-    "输入待处理音频文件夹路径": "Путь к папке с аудиофайлами для обработки:",
-    "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)": "Путь к папке с аудиофайлами для переработки (можно скопировать путь из адресной строки файлового менеджера):",
-    "输入待处理音频文件路径(默认是正确格式示例)": "Путь к аудиофайлу, который хотите обработать (ниже указан пример пути к файлу):",
-    "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": "Использовать громкость входного файла для замены или перемешивания с громкостью выходного файла. Чем ближе соотношение к 1, тем больше используется звука из выходного файла:",
-    "输入监听": "输入监听",
-    "输入训练文件夹路径": "Путь к папке с аудиозаписями, на которых будет обучаться модель:",
-    "输入设备": "Входное устройство",
-    "输入降噪": "Уменьшение входного шума",
-    "输出信息": "Статистика",
-    "输出变声": "输出变声",
-    "输出设备": "Выходное устройство",
-    "输出降噪": "Уменьшение выходного шума",
-    "输出音频(右下角三个点,点了可以下载)": "Аудиофайл (чтобы скачать, нажмите на три точки справа в плеере)",
-    "选择.index文件": "Выбрать файл .index",
-    "选择.pth文件": "Выбрать файл .pth",
-    "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": "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",
-    "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": "Выберите алгоритм оценки высоты голоса ('pm': работает быстро, но даёт низкое качество речи; 'harvest': басы лучше, но работает очень медленно; 'crepe': лучшее качество, но сильно нагружает GPU; 'rmvpe': лучшее качество и минимальная нагрузка на 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,rmvpe效果最好且微吃CPU/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,rmvpe效果最好且微吃CPU/GPU",
-    "采样率:": "采样率:",
-    "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": "Аудиоустройство",
-    "音高算法": "Алгоритм оценки высоты звука",
-    "额外推理时长": "Доп. время переработки"
-}
--- a/i18n/scan_i18n.py
+++ b/i18n/scan_i18n.py
@ -1,75 +0,0 @@
-import ast
-import glob
-import json
-from collections import OrderedDict
-
-
-def extract_i18n_strings(node):
-    i18n_strings = []
-
-    if (
-        isinstance(node, ast.Call)
-        and isinstance(node.func, ast.Name)
-        and node.func.id == "i18n"
-    ):
-        for arg in node.args:
-            if isinstance(arg, ast.Str):
-                i18n_strings.append(arg.s)
-
-    for child_node in ast.iter_child_nodes(node):
-        i18n_strings.extend(extract_i18n_strings(child_node))
-
-    return i18n_strings
-
-
-# scan the directory for all .py files (recursively)
-# for each file, parse the code into an AST
-# for each AST, extract the i18n strings
-
-strings = []
-for filename in glob.iglob("**/*.py", recursive=True):
-    with open(filename, "r") as f:
-        code = f.read()
-        if "I18nAuto" in code:
-            tree = ast.parse(code)
-            i18n_strings = extract_i18n_strings(tree)
-            print(filename, len(i18n_strings))
-            strings.extend(i18n_strings)
-code_keys = set(strings)
-"""
-n_i18n.py
-gui_v1.py 26
-app.py 16
-infer-web.py 147
-scan_i18n.py 0
-i18n.py 0
-lib/train/process_ckpt.py 1
-"""
-print()
-print("Total unique:", len(code_keys))
-
-
-standard_file = "i18n/locale/zh_CN.json"
-with open(standard_file, "r", encoding="utf-8") as f:
-    standard_data = json.load(f, object_pairs_hook=OrderedDict)
-standard_keys = set(standard_data.keys())
-
-# Define the standard file name
-unused_keys = standard_keys - code_keys
-print("Unused keys:", len(unused_keys))
-for unused_key in unused_keys:
-    print("\t", unused_key)
-
-missing_keys = code_keys - standard_keys
-print("Missing keys:", len(missing_keys))
-for missing_key in missing_keys:
-    print("\t", missing_key)
-
-code_keys_dict = OrderedDict()
-for s in strings:
-    code_keys_dict[s] = s
-
-# write back
-with open(standard_file, "w", encoding="utf-8") as f:
-    json.dump(code_keys_dict, f, ensure_ascii=False, indent=4, sort_keys=True)
-    f.write("\n")
--- a/infer-web.py
+++ b/infer-web.py
--- a/infer/lib/audio.py
+++ b/infer/lib/audio.py
@ -1,60 +0,0 @@
-import platform, os
-import ffmpeg
-import numpy as np
-import av
-from io import BytesIO
-import traceback
-import re
-
-
-def wav2(i, o, format):
-    inp = av.open(i, "rb")
-    if format == "m4a":
-        format = "mp4"
-    out = av.open(o, "wb", format=format)
-    if format == "ogg":
-        format = "libvorbis"
-    if format == "mp4":
-        format = "aac"
-
-    ostream = out.add_stream(format)
-
-    for frame in inp.decode(audio=0):
-        for p in ostream.encode(frame):
-            out.mux(p)
-
-    for p in ostream.encode(None):
-        out.mux(p)
-
-    out.close()
-    inp.close()
-
-
-def load_audio(file, sr):
-    try:
-        # https://github.com/openai/whisper/blob/main/whisper/audio.py#L26
-        # This launches a subprocess to decode audio while down-mixing and resampling as necessary.
-        # Requires the ffmpeg CLI and `ffmpeg-python` package to be installed.
-        file = clean_path(file)  # 防止小白拷路径头尾带了空格和"和回车
-        if os.path.exists(file) == False:
-            raise RuntimeError(
-                "You input a wrong audio path that does not exists, please fix it!"
-            )
-        out, _ = (
-            ffmpeg.input(file, threads=0)
-            .output("-", format="f32le", acodec="pcm_f32le", ac=1, ar=sr)
-            .run(cmd=["ffmpeg", "-nostdin"], capture_stdout=True, capture_stderr=True)
-        )
-    except Exception as e:
-        traceback.print_exc()
-        raise RuntimeError(f"Failed to load audio: {e}")
-
-    return np.frombuffer(out, np.float32).flatten()
-
-
-
-def clean_path(path_str):
-    if platform.system() == "Windows":
-        path_str = path_str.replace("/", "\\")
-    path_str = re.sub(r'[\u202a\u202b\u202c\u202d\u202e]', '', path_str)  # 移除 Unicode 控制字符
-    return path_str.strip(" ").strip('"').strip("\n").strip('"').strip(" ")
--- a/infer/lib/infer_pack/attentions_onnx.py
+++ b/infer/lib/infer_pack/attentions_onnx.py
@ -1,459 +0,0 @@
-############################## Warning! ##############################
-#                                                                    #
-#           Onnx Export Not Support All Of Non-Torch Types           #
-#           Include Python Built-in Types!!!!!!!!!!!!!!!!!           #
-#                   If You Want TO Change This File                  #
-#                  Do Not Use All Of Non-Torch Types!                #
-#                                                                    #
-############################## Warning! ##############################
-import copy
-import math
-from typing import Optional
-
-import numpy as np
-import torch
-from torch import nn
-from torch.nn import functional as F
-
-from infer.lib.infer_pack import commons, modules
-from infer.lib.infer_pack.modules import LayerNorm
-
-
-class Encoder(nn.Module):
-    def __init__(
-        self,
-        hidden_channels,
-        filter_channels,
-        n_heads,
-        n_layers,
-        kernel_size=1,
-        p_dropout=0.0,
-        window_size=10,
-        **kwargs
-    ):
-        super(Encoder, self).__init__()
-        self.hidden_channels = hidden_channels
-        self.filter_channels = filter_channels
-        self.n_heads = n_heads
-        self.n_layers = int(n_layers)
-        self.kernel_size = kernel_size
-        self.p_dropout = p_dropout
-        self.window_size = window_size
-
-        self.drop = nn.Dropout(p_dropout)
-        self.attn_layers = nn.ModuleList()
-        self.norm_layers_1 = nn.ModuleList()
-        self.ffn_layers = nn.ModuleList()
-        self.norm_layers_2 = nn.ModuleList()
-        for i in range(self.n_layers):
-            self.attn_layers.append(
-                MultiHeadAttention(
-                    hidden_channels,
-                    hidden_channels,
-                    n_heads,
-                    p_dropout=p_dropout,
-                    window_size=window_size,
-                )
-            )
-            self.norm_layers_1.append(LayerNorm(hidden_channels))
-            self.ffn_layers.append(
-                FFN(
-                    hidden_channels,
-                    hidden_channels,
-                    filter_channels,
-                    kernel_size,
-                    p_dropout=p_dropout,
-                )
-            )
-            self.norm_layers_2.append(LayerNorm(hidden_channels))
-
-    def forward(self, x, x_mask):
-        attn_mask = x_mask.unsqueeze(2) * x_mask.unsqueeze(-1)
-        x = x * x_mask
-        zippep = zip(
-            self.attn_layers, self.norm_layers_1, self.ffn_layers, self.norm_layers_2
-        )
-        for attn_layers, norm_layers_1, ffn_layers, norm_layers_2 in zippep:
-            y = attn_layers(x, x, attn_mask)
-            y = self.drop(y)
-            x = norm_layers_1(x + y)
-
-            y = ffn_layers(x, x_mask)
-            y = self.drop(y)
-            x = norm_layers_2(x + y)
-        x = x * x_mask
-        return x
-
-
-class Decoder(nn.Module):
-    def __init__(
-        self,
-        hidden_channels,
-        filter_channels,
-        n_heads,
-        n_layers,
-        kernel_size=1,
-        p_dropout=0.0,
-        proximal_bias=False,
-        proximal_init=True,
-        **kwargs
-    ):
-        super(Decoder, self).__init__()
-        self.hidden_channels = hidden_channels
-        self.filter_channels = filter_channels
-        self.n_heads = n_heads
-        self.n_layers = n_layers
-        self.kernel_size = kernel_size
-        self.p_dropout = p_dropout
-        self.proximal_bias = proximal_bias
-        self.proximal_init = proximal_init
-
-        self.drop = nn.Dropout(p_dropout)
-        self.self_attn_layers = nn.ModuleList()
-        self.norm_layers_0 = nn.ModuleList()
-        self.encdec_attn_layers = nn.ModuleList()
-        self.norm_layers_1 = nn.ModuleList()
-        self.ffn_layers = nn.ModuleList()
-        self.norm_layers_2 = nn.ModuleList()
-        for i in range(self.n_layers):
-            self.self_attn_layers.append(
-                MultiHeadAttention(
-                    hidden_channels,
-                    hidden_channels,
-                    n_heads,
-                    p_dropout=p_dropout,
-                    proximal_bias=proximal_bias,
-                    proximal_init=proximal_init,
-                )
-            )
-            self.norm_layers_0.append(LayerNorm(hidden_channels))
-            self.encdec_attn_layers.append(
-                MultiHeadAttention(
-                    hidden_channels, hidden_channels, n_heads, p_dropout=p_dropout
-                )
-            )
-            self.norm_layers_1.append(LayerNorm(hidden_channels))
-            self.ffn_layers.append(
-                FFN(
-                    hidden_channels,
-                    hidden_channels,
-                    filter_channels,
-                    kernel_size,
-                    p_dropout=p_dropout,
-                    causal=True,
-                )
-            )
-            self.norm_layers_2.append(LayerNorm(hidden_channels))
-
-    def forward(self, x, x_mask, h, h_mask):
-        """
-        x: decoder input
-        h: encoder output
-        """
-        self_attn_mask = commons.subsequent_mask(x_mask.size(2)).to(
-            device=x.device, dtype=x.dtype
-        )
-        encdec_attn_mask = h_mask.unsqueeze(2) * x_mask.unsqueeze(-1)
-        x = x * x_mask
-        for i in range(self.n_layers):
-            y = self.self_attn_layers[i](x, x, self_attn_mask)
-            y = self.drop(y)
-            x = self.norm_layers_0[i](x + y)
-
-            y = self.encdec_attn_layers[i](x, h, encdec_attn_mask)
-            y = self.drop(y)
-            x = self.norm_layers_1[i](x + y)
-
-            y = self.ffn_layers[i](x, x_mask)
-            y = self.drop(y)
-            x = self.norm_layers_2[i](x + y)
-        x = x * x_mask
-        return x
-
-
-class MultiHeadAttention(nn.Module):
-    def __init__(
-        self,
-        channels,
-        out_channels,
-        n_heads,
-        p_dropout=0.0,
-        window_size=None,
-        heads_share=True,
-        block_length=None,
-        proximal_bias=False,
-        proximal_init=False,
-    ):
-        super(MultiHeadAttention, self).__init__()
-        assert channels % n_heads == 0
-
-        self.channels = channels
-        self.out_channels = out_channels
-        self.n_heads = n_heads
-        self.p_dropout = p_dropout
-        self.window_size = window_size
-        self.heads_share = heads_share
-        self.block_length = block_length
-        self.proximal_bias = proximal_bias
-        self.proximal_init = proximal_init
-        self.attn = None
-
-        self.k_channels = channels // n_heads
-        self.conv_q = nn.Conv1d(channels, channels, 1)
-        self.conv_k = nn.Conv1d(channels, channels, 1)
-        self.conv_v = nn.Conv1d(channels, channels, 1)
-        self.conv_o = nn.Conv1d(channels, out_channels, 1)
-        self.drop = nn.Dropout(p_dropout)
-
-        if window_size is not None:
-            n_heads_rel = 1 if heads_share else n_heads
-            rel_stddev = self.k_channels**-0.5
-            self.emb_rel_k = nn.Parameter(
-                torch.randn(n_heads_rel, window_size * 2 + 1, self.k_channels)
-                * rel_stddev
-            )
-            self.emb_rel_v = nn.Parameter(
-                torch.randn(n_heads_rel, window_size * 2 + 1, self.k_channels)
-                * rel_stddev
-            )
-
-        nn.init.xavier_uniform_(self.conv_q.weight)
-        nn.init.xavier_uniform_(self.conv_k.weight)
-        nn.init.xavier_uniform_(self.conv_v.weight)
-        if proximal_init:
-            with torch.no_grad():
-                self.conv_k.weight.copy_(self.conv_q.weight)
-                self.conv_k.bias.copy_(self.conv_q.bias)
-
-    def forward(
-        self, x: torch.Tensor, c: torch.Tensor, attn_mask: Optional[torch.Tensor] = None
-    ):
-        q = self.conv_q(x)
-        k = self.conv_k(c)
-        v = self.conv_v(c)
-
-        x, _ = self.attention(q, k, v, mask=attn_mask)
-
-        x = self.conv_o(x)
-        return x
-
-    def attention(
-        self,
-        query: torch.Tensor,
-        key: torch.Tensor,
-        value: torch.Tensor,
-        mask: Optional[torch.Tensor] = None,
-    ):
-        # reshape [b, d, t] -> [b, n_h, t, d_k]
-        b, d, t_s = key.size()
-        t_t = query.size(2)
-        query = query.view(b, self.n_heads, self.k_channels, t_t).transpose(2, 3)
-        key = key.view(b, self.n_heads, self.k_channels, t_s).transpose(2, 3)
-        value = value.view(b, self.n_heads, self.k_channels, t_s).transpose(2, 3)
-
-        scores = torch.matmul(query / math.sqrt(self.k_channels), key.transpose(-2, -1))
-        if self.window_size is not None:
-            key_relative_embeddings = self._get_relative_embeddings(self.emb_rel_k, t_s)
-            rel_logits = self._matmul_with_relative_keys(
-                query / math.sqrt(self.k_channels), key_relative_embeddings
-            )
-            scores_local = self._relative_position_to_absolute_position(rel_logits)
-            scores = scores + scores_local
-        if self.proximal_bias:
-            assert t_s == t_t, "Proximal bias is only available for self-attention."
-            scores = scores + self._attention_bias_proximal(t_s).to(
-                device=scores.device, dtype=scores.dtype
-            )
-        if mask is not None:
-            scores = scores.masked_fill(mask == 0, -1e4)
-            if self.block_length is not None:
-                assert (
-                    t_s == t_t
-                ), "Local attention is only available for self-attention."
-                block_mask = (
-                    torch.ones_like(scores)
-                    .triu(-self.block_length)
-                    .tril(self.block_length)
-                )
-                scores = scores.masked_fill(block_mask == 0, -1e4)
-        p_attn = F.softmax(scores, dim=-1)  # [b, n_h, t_t, t_s]
-        p_attn = self.drop(p_attn)
-        output = torch.matmul(p_attn, value)
-        if self.window_size is not None:
-            relative_weights = self._absolute_position_to_relative_position(p_attn)
-            value_relative_embeddings = self._get_relative_embeddings(
-                self.emb_rel_v, t_s
-            )
-            output = output + self._matmul_with_relative_values(
-                relative_weights, value_relative_embeddings
-            )
-        output = (
-            output.transpose(2, 3).contiguous().view(b, d, t_t)
-        )  # [b, n_h, t_t, d_k] -> [b, d, t_t]
-        return output, p_attn
-
-    def _matmul_with_relative_values(self, x, y):
-        """
-        x: [b, h, l, m]
-        y: [h or 1, m, d]
-        ret: [b, h, l, d]
-        """
-        ret = torch.matmul(x, y.unsqueeze(0))
-        return ret
-
-    def _matmul_with_relative_keys(self, x, y):
-        """
-        x: [b, h, l, d]
-        y: [h or 1, m, d]
-        ret: [b, h, l, m]
-        """
-        ret = torch.matmul(x, y.unsqueeze(0).transpose(-2, -1))
-        return ret
-
-    def _get_relative_embeddings(self, relative_embeddings, length):
-        max_relative_position = 2 * self.window_size + 1
-        # Pad first before slice to avoid using cond ops.
-
-        pad_length = torch.clamp(length - (self.window_size + 1), min=0)
-        slice_start_position = torch.clamp((self.window_size + 1) - length, min=0)
-        slice_end_position = slice_start_position + 2 * length - 1
-        padded_relative_embeddings = F.pad(
-            relative_embeddings,
-            # commons.convert_pad_shape([[0, 0], [pad_length, pad_length], [0, 0]]),
-            [0, 0, pad_length, pad_length, 0, 0],
-        )
-        used_relative_embeddings = padded_relative_embeddings[
-            :, slice_start_position:slice_end_position
-        ]
-        return used_relative_embeddings
-
-    def _relative_position_to_absolute_position(self, x):
-        """
-        x: [b, h, l, 2*l-1]
-        ret: [b, h, l, l]
-        """
-        batch, heads, length, _ = x.size()
-        # Concat columns of pad to shift from relative to absolute indexing.
-        x = F.pad(
-            x,
-            #   commons.convert_pad_shape([[0, 0], [0, 0], [0, 0], [0, 1]])
-            [0, 1, 0, 0, 0, 0, 0, 0],
-        )
-
-        # Concat extra elements so to add up to shape (len+1, 2*len-1).
-        x_flat = x.view([batch, heads, length * 2 * length])
-        x_flat = F.pad(
-            x_flat,
-            [0, length - 1, 0, 0, 0, 0],
-        )
-
-        # Reshape and slice out the padded elements.
-        x_final = x_flat.view([batch, heads, length + 1, 2 * length - 1])[
-            :, :, :length, length - 1 :
-        ]
-        return x_final
-
-    def _absolute_position_to_relative_position(self, x):
-        """
-        x: [b, h, l, l]
-        ret: [b, h, l, 2*l-1]
-        """
-        batch, heads, length, _ = x.size()
-        # padd along column
-        x = F.pad(
-            x,
-            [0, length - 1, 0, 0, 0, 0, 0, 0],
-        )
-        x_flat = x.view([batch, heads, length*length + length * (length - 1)])
-        # add 0's in the beginning that will skew the elements after reshape
-        x_flat = F.pad(
-            x_flat,
-            [length, 0, 0, 0, 0, 0],
-        )
-        x_final = x_flat.view([batch, heads, length, 2 * length])[:, :, :, 1:]
-        return x_final
-
-    def _attention_bias_proximal(self, length):
-        """Bias for self-attention to encourage attention to close positions.
-        Args:
-          length: an integer scalar.
-        Returns:
-          a Tensor with shape [1, 1, length, length]
-        """
-        r = torch.arange(length, dtype=torch.float32)
-        diff = torch.unsqueeze(r, 0) - torch.unsqueeze(r, 1)
-        return torch.unsqueeze(torch.unsqueeze(-torch.log1p(torch.abs(diff)), 0), 0)
-
-
-class FFN(nn.Module):
-    def __init__(
-        self,
-        in_channels,
-        out_channels,
-        filter_channels,
-        kernel_size,
-        p_dropout=0.0,
-        activation: str = None,
-        causal=False,
-    ):
-        super(FFN, self).__init__()
-        self.in_channels = in_channels
-        self.out_channels = out_channels
-        self.filter_channels = filter_channels
-        self.kernel_size = kernel_size
-        self.p_dropout = p_dropout
-        self.activation = activation
-        self.causal = causal
-        self.is_activation = True if activation == "gelu" else False
-        # if causal:
-        #     self.padding = self._causal_padding
-        # else:
-        #     self.padding = self._same_padding
-
-        self.conv_1 = nn.Conv1d(in_channels, filter_channels, kernel_size)
-        self.conv_2 = nn.Conv1d(filter_channels, out_channels, kernel_size)
-        self.drop = nn.Dropout(p_dropout)
-
-    def padding(self, x: torch.Tensor, x_mask: torch.Tensor) -> torch.Tensor:
-        if self.causal:
-            padding = self._causal_padding(x * x_mask)
-        else:
-            padding = self._same_padding(x * x_mask)
-        return padding
-
-    def forward(self, x: torch.Tensor, x_mask: torch.Tensor):
-        x = self.conv_1(self.padding(x, x_mask))
-        if self.is_activation:
-            x = x * torch.sigmoid(1.702 * x)
-        else:
-            x = torch.relu(x)
-        x = self.drop(x)
-
-        x = self.conv_2(self.padding(x, x_mask))
-        return x * x_mask
-
-    def _causal_padding(self, x):
-        if self.kernel_size == 1:
-            return x
-        pad_l = self.kernel_size - 1
-        pad_r = 0
-        # padding = [[0, 0], [0, 0], [pad_l, pad_r]]
-        x = F.pad(
-            x,
-            #   commons.convert_pad_shape(padding)
-            [pad_l, pad_r, 0, 0, 0, 0],
-        )
-        return x
-
-    def _same_padding(self, x):
-        if self.kernel_size == 1:
-            return x
-        pad_l = (self.kernel_size - 1) // 2
-        pad_r = self.kernel_size // 2
-        # padding = [[0, 0], [0, 0], [pad_l, pad_r]]
-        x = F.pad(
-            x,
-            #   commons.convert_pad_shape(padding)
-            [pad_l, pad_r, 0, 0, 0, 0],
-        )
-        return x
--- a/infer/lib/jit/init.py
+++ b/infer/lib/jit/init.py
@ -1,163 +0,0 @@
-from io import BytesIO
-import pickle
-import time
-import torch
-from tqdm import tqdm
-from collections import OrderedDict
-
-
-def load_inputs(path, device, is_half=False):
-    parm = torch.load(path, map_location=torch.device("cpu"))
-    for key in parm.keys():
-        parm[key] = parm[key].to(device)
-        if is_half and parm[key].dtype == torch.float32:
-            parm[key] = parm[key].half()
-        elif not is_half and parm[key].dtype == torch.float16:
-            parm[key] = parm[key].float()
-    return parm
-
-
-def benchmark(
-    model, inputs_path, device=torch.device("cpu"), epoch=1000, is_half=False
-):
-    parm = load_inputs(inputs_path, device, is_half)
-    total_ts = 0.0
-    bar = tqdm(range(epoch))
-    for i in bar:
-        start_time = time.perf_counter()
-        o = model(**parm)
-        total_ts += time.perf_counter() - start_time
-    print(f"num_epoch: {epoch} | avg time(ms): {(total_ts*1000)/epoch}")
-
-
-def jit_warm_up(model, inputs_path, device=torch.device("cpu"), epoch=5, is_half=False):
-    benchmark(model, inputs_path, device, epoch=epoch, is_half=is_half)
-
-
-def to_jit_model(
-    model_path,
-    model_type: str,
-    mode: str = "trace",
-    inputs_path: str = None,
-    device=torch.device("cpu"),
-    is_half=False,
-):
-    model = None
-    if model_type.lower() == "synthesizer":
-        from .get_synthesizer import get_synthesizer
-
-        model, _ = get_synthesizer(model_path, device)
-        model.forward = model.infer
-    elif model_type.lower() == "rmvpe":
-        from .get_rmvpe import get_rmvpe
-
-        model = get_rmvpe(model_path, device)
-    elif model_type.lower() == "hubert":
-        from .get_hubert import get_hubert_model
-
-        model = get_hubert_model(model_path, device)
-        model.forward = model.infer
-    else:
-        raise ValueError(f"No model type named {model_type}")
-    model = model.eval()
-    model = model.half() if is_half else model.float()
-    if mode == "trace":
-        assert not inputs_path
-        inputs = load_inputs(inputs_path, device, is_half)
-        model_jit = torch.jit.trace(model, example_kwarg_inputs=inputs)
-    elif mode == "script":
-        model_jit = torch.jit.script(model)
-    model_jit.to(device)
-    model_jit = model_jit.half() if is_half else model_jit.float()
-    # model = model.half() if is_half else model.float()
-    return (model, model_jit)
-
-
-def export(
-    model: torch.nn.Module,
-    mode: str = "trace",
-    inputs: dict = None,
-    device=torch.device("cpu"),
-    is_half: bool = False,
-) -> dict:
-    model = model.half() if is_half else model.float()
-    model.eval()
-    if mode == "trace":
-        assert inputs is not None
-        model_jit = torch.jit.trace(model, example_kwarg_inputs=inputs)
-    elif mode == "script":
-        model_jit = torch.jit.script(model)
-    model_jit.to(device)
-    model_jit = model_jit.half() if is_half else model_jit.float()
-    buffer = BytesIO()
-    # model_jit=model_jit.cpu()
-    torch.jit.save(model_jit, buffer)
-    del model_jit
-    cpt = OrderedDict()
-    cpt["model"] = buffer.getvalue()
-    cpt["is_half"] = is_half
-    return cpt
-
-
-def load(path: str):
-    with open(path, "rb") as f:
-        return pickle.load(f)
-
-
-def save(ckpt: dict, save_path: str):
-    with open(save_path, "wb") as f:
-        pickle.dump(ckpt, f)
-
-
-def rmvpe_jit_export(
-    model_path: str,
-    mode: str = "script",
-    inputs_path: str = None,
-    save_path: str = None,
-    device=torch.device("cpu"),
-    is_half=False,
-):
-    if not save_path:
-        save_path = model_path.rstrip(".pth")
-        save_path += ".half.jit" if is_half else ".jit"
-    if "cuda" in str(device) and ":" not in str(device):
-        device = torch.device("cuda:0")
-    from .get_rmvpe import get_rmvpe
-
-    model = get_rmvpe(model_path, device)
-    inputs = None
-    if mode == "trace":
-        inputs = load_inputs(inputs_path, device, is_half)
-    ckpt = export(model, mode, inputs, device, is_half)
-    ckpt["device"] = str(device)
-    save(ckpt, save_path)
-    return ckpt
-
-
-def synthesizer_jit_export(
-    model_path: str,
-    mode: str = "script",
-    inputs_path: str = None,
-    save_path: str = None,
-    device=torch.device("cpu"),
-    is_half=False,
-):
-    if not save_path:
-        save_path = model_path.rstrip(".pth")
-        save_path += ".half.jit" if is_half else ".jit"
-    if "cuda" in str(device) and ":" not in str(device):
-        device = torch.device("cuda:0")
-    from .get_synthesizer import get_synthesizer
-
-    model, cpt = get_synthesizer(model_path, device)
-    assert isinstance(cpt, dict)
-    model.forward = model.infer
-    inputs = None
-    if mode == "trace":
-        inputs = load_inputs(inputs_path, device, is_half)
-    ckpt = export(model, mode, inputs, device, is_half)
-    cpt.pop("weight")
-    cpt["model"] = ckpt["model"]
-    cpt["device"] = device
-    save(cpt, save_path)
-    return cpt
--- a/infer/lib/jit/get_hubert.py
+++ b/infer/lib/jit/get_hubert.py
@ -1,342 +0,0 @@
-import math
-import random
-from typing import Optional, Tuple
-from fairseq.checkpoint_utils import load_model_ensemble_and_task
-import numpy as np
-import torch
-import torch.nn.functional as F
-
-# from fairseq.data.data_utils import compute_mask_indices
-from fairseq.utils import index_put
-
-
-# @torch.jit.script
-def pad_to_multiple(x, multiple, dim=-1, value=0):
-    # Inspired from https://github.com/lucidrains/local-attention/blob/master/local_attention/local_attention.py#L41
-    if x is None:
-        return None, 0
-    tsz = x.size(dim)
-    m = tsz / multiple
-    remainder = math.ceil(m) * multiple - tsz
-    if int(tsz % multiple) == 0:
-        return x, 0
-    pad_offset = (0,) * (-1 - dim) * 2
-
-    return F.pad(x, (*pad_offset, 0, remainder), value=value), remainder
-
-
-def extract_features(
-    self,
-    x,
-    padding_mask=None,
-    tgt_layer=None,
-    min_layer=0,
-):
-    if padding_mask is not None:
-        x = index_put(x, padding_mask, 0)
-
-    x_conv = self.pos_conv(x.transpose(1, 2))
-    x_conv = x_conv.transpose(1, 2)
-    x = x + x_conv
-
-    if not self.layer_norm_first:
-        x = self.layer_norm(x)
-
-    # pad to the sequence length dimension
-    x, pad_length = pad_to_multiple(x, self.required_seq_len_multiple, dim=-2, value=0)
-    if pad_length > 0 and padding_mask is None:
-        padding_mask = x.new_zeros((x.size(0), x.size(1)), dtype=torch.bool)
-        padding_mask[:, -pad_length:] = True
-    else:
-        padding_mask, _ = pad_to_multiple(
-            padding_mask, self.required_seq_len_multiple, dim=-1, value=True
-        )
-    x = F.dropout(x, p=self.dropout, training=self.training)
-
-    # B x T x C -> T x B x C
-    x = x.transpose(0, 1)
-
-    layer_results = []
-    r = None
-    for i, layer in enumerate(self.layers):
-        dropout_probability = np.random.random() if self.layerdrop > 0 else 1
-        if not self.training or (dropout_probability > self.layerdrop):
-            x, (z, lr) = layer(
-                x, self_attn_padding_mask=padding_mask, need_weights=False
-            )
-            if i >= min_layer:
-                layer_results.append((x, z, lr))
-        if i == tgt_layer:
-            r = x
-            break
-
-    if r is not None:
-        x = r
-
-    # T x B x C -> B x T x C
-    x = x.transpose(0, 1)
-
-    # undo paddding
-    if pad_length > 0:
-        x = x[:, :-pad_length]
-
-        def undo_pad(a, b, c):
-            return (
-                a[:-pad_length],
-                b[:-pad_length] if b is not None else b,
-                c[:-pad_length],
-            )
-
-        layer_results = [undo_pad(*u) for u in layer_results]
-
-    return x, layer_results
-
-
-def compute_mask_indices(
-    shape: Tuple[int, int],
-    padding_mask: Optional[torch.Tensor],
-    mask_prob: float,
-    mask_length: int,
-    mask_type: str = "static",
-    mask_other: float = 0.0,
-    min_masks: int = 0,
-    no_overlap: bool = False,
-    min_space: int = 0,
-    require_same_masks: bool = True,
-    mask_dropout: float = 0.0,
-) -> torch.Tensor:
-    """
-    Computes random mask spans for a given shape
-
-    Args:
-        shape: the the shape for which to compute masks.
-            should be of size 2 where first element is batch size and 2nd is timesteps
-        padding_mask: optional padding mask of the same size as shape, which will prevent masking padded elements
-        mask_prob: probability for each token to be chosen as start of the span to be masked. this will be multiplied by
-            number of timesteps divided by length of mask span to mask approximately this percentage of all elements.
-            however due to overlaps, the actual number will be smaller (unless no_overlap is True)
-        mask_type: how to compute mask lengths
-            static = fixed size
-            uniform = sample from uniform distribution [mask_other, mask_length*2]
-            normal = sample from normal distribution with mean mask_length and stdev mask_other. mask is min 1 element
-            poisson = sample from possion distribution with lambda = mask length
-        min_masks: minimum number of masked spans
-        no_overlap: if false, will switch to an alternative recursive algorithm that prevents spans from overlapping
-        min_space: only used if no_overlap is True, this is how many elements to keep unmasked between spans
-        require_same_masks: if true, will randomly drop out masks until same amount of masks remains in each sample
-        mask_dropout: randomly dropout this percentage of masks in each example
-    """
-
-    bsz, all_sz = shape
-    mask = torch.full((bsz, all_sz), False)
-
-    all_num_mask = int(
-        # add a random number for probabilistic rounding
-        mask_prob * all_sz / float(mask_length)
-        + torch.rand([1]).item()
-    )
-
-    all_num_mask = max(min_masks, all_num_mask)
-
-    mask_idcs = []
-    for i in range(bsz):
-        if padding_mask is not None:
-            sz = all_sz - padding_mask[i].long().sum().item()
-            num_mask = int(mask_prob * sz / float(mask_length) + np.random.rand())
-            num_mask = max(min_masks, num_mask)
-        else:
-            sz = all_sz
-            num_mask = all_num_mask
-
-        if mask_type == "static":
-            lengths = torch.full([num_mask], mask_length)
-        elif mask_type == "uniform":
-            lengths = torch.randint(mask_other, mask_length * 2 + 1, size=[num_mask])
-        elif mask_type == "normal":
-            lengths = torch.normal(mask_length, mask_other, size=[num_mask])
-            lengths = [max(1, int(round(x))) for x in lengths]
-        else:
-            raise Exception("unknown mask selection " + mask_type)
-
-        if sum(lengths) == 0:
-            lengths[0] = min(mask_length, sz - 1)
-
-        if no_overlap:
-            mask_idc = []
-
-            def arrange(s, e, length, keep_length):
-                span_start = torch.randint(low=s, high=e - length, size=[1]).item()
-                mask_idc.extend(span_start + i for i in range(length))
-
-                new_parts = []
-                if span_start - s - min_space >= keep_length:
-                    new_parts.append((s, span_start - min_space + 1))
-                if e - span_start - length - min_space > keep_length:
-                    new_parts.append((span_start + length + min_space, e))
-                return new_parts
-
-            parts = [(0, sz)]
-            min_length = min(lengths)
-            for length in sorted(lengths, reverse=True):
-                t = [e - s if e - s >= length + min_space else 0 for s, e in parts]
-                lens = torch.asarray(t, dtype=torch.int)
-                l_sum = torch.sum(lens)
-                if l_sum == 0:
-                    break
-                probs = lens / torch.sum(lens)
-                c = torch.multinomial(probs.float(), len(parts)).item()
-                s, e = parts.pop(c)
-                parts.extend(arrange(s, e, length, min_length))
-            mask_idc = torch.asarray(mask_idc)
-        else:
-            min_len = min(lengths)
-            if sz - min_len <= num_mask:
-                min_len = sz - num_mask - 1
-            mask_idc = torch.asarray(
-                random.sample([i for i in range(sz - min_len)], num_mask)
-            )
-            mask_idc = torch.asarray(
-                [
-                    mask_idc[j] + offset
-                    for j in range(len(mask_idc))
-                    for offset in range(lengths[j])
-                ]
-            )
-
-        mask_idcs.append(torch.unique(mask_idc[mask_idc < sz]))
-
-    min_len = min([len(m) for m in mask_idcs])
-    for i, mask_idc in enumerate(mask_idcs):
-        if isinstance(mask_idc, torch.Tensor):
-            mask_idc = torch.asarray(mask_idc, dtype=torch.float)
-        if len(mask_idc) > min_len and require_same_masks:
-            mask_idc = torch.asarray(
-                random.sample([i for i in range(mask_idc)], min_len)
-            )
-        if mask_dropout > 0:
-            num_holes = int(round(len(mask_idc) * mask_dropout))
-            mask_idc = torch.asarray(
-                random.sample([i for i in range(mask_idc)], len(mask_idc) - num_holes)
-            )
-
-        mask[i, mask_idc.int()] = True
-
-    return mask
-
-
-def apply_mask(self, x, padding_mask, target_list):
-    B, T, C = x.shape
-    torch.zeros_like(x)
-    if self.mask_prob > 0:
-        mask_indices = compute_mask_indices(
-            (B, T),
-            padding_mask,
-            self.mask_prob,
-            self.mask_length,
-            self.mask_selection,
-            self.mask_other,
-            min_masks=2,
-            no_overlap=self.no_mask_overlap,
-            min_space=self.mask_min_space,
-        )
-        mask_indices = mask_indices.to(x.device)
-        x[mask_indices] = self.mask_emb
-    else:
-        mask_indices = None
-
-    if self.mask_channel_prob > 0:
-        mask_channel_indices = compute_mask_indices(
-            (B, C),
-            None,
-            self.mask_channel_prob,
-            self.mask_channel_length,
-            self.mask_channel_selection,
-            self.mask_channel_other,
-            no_overlap=self.no_mask_channel_overlap,
-            min_space=self.mask_channel_min_space,
-        )
-        mask_channel_indices = (
-            mask_channel_indices.to(x.device).unsqueeze(1).expand(-1, T, -1)
-        )
-        x[mask_channel_indices] = 0
-
-    return x, mask_indices
-
-
-def get_hubert_model(
-    model_path="assets/hubert/hubert_base.pt", device=torch.device("cpu")
-):
-    models, _, _ = load_model_ensemble_and_task(
-        [model_path],
-        suffix="",
-    )
-    hubert_model = models[0]
-    hubert_model = hubert_model.to(device)
-
-    def _apply_mask(x, padding_mask, target_list):
-        return apply_mask(hubert_model, x, padding_mask, target_list)
-
-    hubert_model.apply_mask = _apply_mask
-
-    def _extract_features(
-        x,
-        padding_mask=None,
-        tgt_layer=None,
-        min_layer=0,
-    ):
-        return extract_features(
-            hubert_model.encoder,
-            x,
-            padding_mask=padding_mask,
-            tgt_layer=tgt_layer,
-            min_layer=min_layer,
-        )
-
-    hubert_model.encoder.extract_features = _extract_features
-
-    hubert_model._forward = hubert_model.forward
-
-    def hubert_extract_features(
-        self,
-        source: torch.Tensor,
-        padding_mask: Optional[torch.Tensor] = None,
-        mask: bool = False,
-        ret_conv: bool = False,
-        output_layer: Optional[int] = None,
-    ) -> Tuple[torch.Tensor, torch.Tensor]:
-        res = self._forward(
-            source,
-            padding_mask=padding_mask,
-            mask=mask,
-            features_only=True,
-            output_layer=output_layer,
-        )
-        feature = res["features"] if ret_conv else res["x"]
-        return feature, res["padding_mask"]
-
-    def _hubert_extract_features(
-        source: torch.Tensor,
-        padding_mask: Optional[torch.Tensor] = None,
-        mask: bool = False,
-        ret_conv: bool = False,
-        output_layer: Optional[int] = None,
-    ) -> Tuple[torch.Tensor, torch.Tensor]:
-        return hubert_extract_features(
-            hubert_model, source, padding_mask, mask, ret_conv, output_layer
-        )
-
-    hubert_model.extract_features = _hubert_extract_features
-
-    def infer(source, padding_mask, output_layer: torch.Tensor):
-        output_layer = output_layer.item()
-        logits = hubert_model.extract_features(
-            source=source, padding_mask=padding_mask, output_layer=output_layer
-        )
-        feats = hubert_model.final_proj(logits[0]) if output_layer == 9 else logits[0]
-        return feats
-
-    hubert_model.infer = infer
-    # hubert_model.forward=infer
-    # hubert_model.forward
-
-    return hubert_model
--- a/infer/lib/jit/get_rmvpe.py
+++ b/infer/lib/jit/get_rmvpe.py
@ -1,12 +0,0 @@
-import torch
-
-
-def get_rmvpe(model_path="assets/rmvpe/rmvpe.pt", device=torch.device("cpu")):
-    from infer.lib.rmvpe import E2E
-
-    model = E2E(4, 1, (2, 2))
-    ckpt = torch.load(model_path, map_location=device)
-    model.load_state_dict(ckpt)
-    model.eval()
-    model = model.to(device)
-    return model
--- a/infer/lib/jit/get_synthesizer.py
+++ b/infer/lib/jit/get_synthesizer.py
@ -1,38 +0,0 @@
-import torch
-
-
-def get_synthesizer(pth_path, device=torch.device("cpu")):
-    from infer.lib.infer_pack.models import (
-        SynthesizerTrnMs256NSFsid,
-        SynthesizerTrnMs256NSFsid_nono,
-        SynthesizerTrnMs768NSFsid,
-        SynthesizerTrnMs768NSFsid_nono,
-    )
-
-    cpt = torch.load(pth_path, map_location=torch.device("cpu"))
-    # tgt_sr = cpt["config"][-1]
-    cpt["config"][-3] = cpt["weight"]["emb_g.weight"].shape[0]
-    if_f0 = cpt.get("f0", 1)
-    version = cpt.get("version", "v1")
-    if version == "v1":
-        if if_f0 == 1:
-            net_g = SynthesizerTrnMs256NSFsid(*cpt["config"], is_half=False)
-        else:
-            net_g = SynthesizerTrnMs256NSFsid_nono(*cpt["config"])
-    elif version == "v2":
-        if if_f0 == 1:
-            net_g = SynthesizerTrnMs768NSFsid(*cpt["config"], is_half=False)
-        else:
-            net_g = SynthesizerTrnMs768NSFsid_nono(*cpt["config"])
-    del net_g.enc_q
-    # net_g.forward = net_g.infer
-    # ckpt = {}
-    # ckpt["config"] = cpt["config"]
-    # ckpt["f0"] = if_f0
-    # ckpt["version"] = version
-    # ckpt["info"] = cpt.get("info", "0epoch")
-    net_g.load_state_dict(cpt["weight"], strict=False)
-    net_g = net_g.float()
-    net_g.eval().to(device)
-    net_g.remove_weight_norm()
-    return net_g, cpt
--- a/infer/lib/rtrvc.py
+++ b/infer/lib/rtrvc.py
@ -1,461 +0,0 @@
-from io import BytesIO
-import os
-import sys
-import traceback
-from infer.lib import jit
-from infer.lib.jit.get_synthesizer import get_synthesizer
-from time import time as ttime
-import fairseq
-import faiss
-import numpy as np
-import parselmouth
-import pyworld
-import scipy.signal as signal
-import torch
-import torch.nn as nn
-import torch.nn.functional as F
-import torchcrepe
-from torchaudio.transforms import Resample
-
-now_dir = os.getcwd()
-sys.path.append(now_dir)
-from multiprocessing import Manager as M
-
-from configs.config import Config
-
-# config = Config()
-
-mm = M()
-
-
-def printt(strr, *args):
-    if len(args) == 0:
-        print(strr)
-    else:
-        print(strr % args)
-
-
-# config.device=torch.device("cpu")########强制cpu测试
-# config.is_half=False########强制cpu测试
-class RVC:
-    def __init__(
-        self,
-        key,
-        formant,
-        pth_path,
-        index_path,
-        index_rate,
-        n_cpu,
-        inp_q,
-        opt_q,
-        config: Config,
-        last_rvc=None,
-    ) -> None:
-        """
-        初始化
-        """
-        try:
-            if config.dml == True:
-
-                def forward_dml(ctx, x, scale):
-                    ctx.scale = scale
-                    res = x.clone().detach()
-                    return res
-
-                fairseq.modules.grad_multiply.GradMultiply.forward = forward_dml
-            # global config
-            self.config = config
-            self.inp_q = inp_q
-            self.opt_q = opt_q
-            # device="cpu"########强制cpu测试
-            self.device = config.device
-            self.f0_up_key = key
-            self.formant_shift = formant
-            self.f0_min = 50
-            self.f0_max = 1100
-            self.f0_mel_min = 1127 * np.log(1 + self.f0_min / 700)
-            self.f0_mel_max = 1127 * np.log(1 + self.f0_max / 700)
-            self.n_cpu = n_cpu
-            self.use_jit = self.config.use_jit
-            self.is_half = config.is_half
-
-            if index_rate != 0:
-                self.index = faiss.read_index(index_path)
-                self.big_npy = self.index.reconstruct_n(0, self.index.ntotal)
-                printt("Index search enabled")
-            self.pth_path: str = pth_path
-            self.index_path = index_path
-            self.index_rate = index_rate
-            self.cache_pitch: torch.Tensor = torch.zeros(
-                1024, device=self.device, dtype=torch.long
-            )
-            self.cache_pitchf = torch.zeros(
-                1024, device=self.device, dtype=torch.float32
-            )
-
-            self.resample_kernel = {}
-
-            if last_rvc is None:
-                models, _, _ = fairseq.checkpoint_utils.load_model_ensemble_and_task(
-                    ["assets/hubert/hubert_base.pt"],
-                    suffix="",
-                )
-                hubert_model = models[0]
-                hubert_model = hubert_model.to(self.device)
-                if self.is_half:
-                    hubert_model = hubert_model.half()
-                else:
-                    hubert_model = hubert_model.float()
-                hubert_model.eval()
-                self.model = hubert_model
-            else:
-                self.model = last_rvc.model
-
-            self.net_g: nn.Module = None
-
-            def set_default_model():
-                self.net_g, cpt = get_synthesizer(self.pth_path, self.device)
-                self.tgt_sr = cpt["config"][-1]
-                cpt["config"][-3] = cpt["weight"]["emb_g.weight"].shape[0]
-                self.if_f0 = cpt.get("f0", 1)
-                self.version = cpt.get("version", "v1")
-                if self.is_half:
-                    self.net_g = self.net_g.half()
-                else:
-                    self.net_g = self.net_g.float()
-
-            def set_jit_model():
-                jit_pth_path = self.pth_path.rstrip(".pth")
-                jit_pth_path += ".half.jit" if self.is_half else ".jit"
-                reload = False
-                if str(self.device) == "cuda":
-                    self.device = torch.device("cuda:0")
-                if os.path.exists(jit_pth_path):
-                    cpt = jit.load(jit_pth_path)
-                    model_device = cpt["device"]
-                    if model_device != str(self.device):
-                        reload = True
-                else:
-                    reload = True
-
-                if reload:
-                    cpt = jit.synthesizer_jit_export(
-                        self.pth_path,
-                        "script",
-                        None,
-                        device=self.device,
-                        is_half=self.is_half,
-                    )
-
-                self.tgt_sr = cpt["config"][-1]
-                self.if_f0 = cpt.get("f0", 1)
-                self.version = cpt.get("version", "v1")
-                self.net_g = torch.jit.load(
-                    BytesIO(cpt["model"]), map_location=self.device
-                )
-                self.net_g.infer = self.net_g.forward
-                self.net_g.eval().to(self.device)
-
-            def set_synthesizer():
-                if self.use_jit and not config.dml:
-                    if self.is_half and "cpu" in str(self.device):
-                        printt(
-                            "Use default Synthesizer model. \
-                                    Jit is not supported on the CPU for half floating point"
-                        )
-                        set_default_model()
-                    else:
-                        set_jit_model()
-                else:
-                    set_default_model()
-
-            if last_rvc is None or last_rvc.pth_path != self.pth_path:
-                set_synthesizer()
-            else:
-                self.tgt_sr = last_rvc.tgt_sr
-                self.if_f0 = last_rvc.if_f0
-                self.version = last_rvc.version
-                self.is_half = last_rvc.is_half
-                if last_rvc.use_jit != self.use_jit:
-                    set_synthesizer()
-                else:
-                    self.net_g = last_rvc.net_g
-
-            if last_rvc is not None and hasattr(last_rvc, "model_rmvpe"):
-                self.model_rmvpe = last_rvc.model_rmvpe
-            if last_rvc is not None and hasattr(last_rvc, "model_fcpe"):
-                self.device_fcpe = last_rvc.device_fcpe
-                self.model_fcpe = last_rvc.model_fcpe
-        except:
-            printt(traceback.format_exc())
-
-    def change_key(self, new_key):
-        self.f0_up_key = new_key
-
-    def change_formant(self, new_formant):
-        self.formant_shift = new_formant
-
-    def change_index_rate(self, new_index_rate):
-        if new_index_rate != 0 and self.index_rate == 0:
-            self.index = faiss.read_index(self.index_path)
-            self.big_npy = self.index.reconstruct_n(0, self.index.ntotal)
-            printt("Index search enabled")
-        self.index_rate = new_index_rate
-
-    def get_f0_post(self, f0):
-        if not torch.is_tensor(f0):
-            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 = torch.round(f0_mel).long()
-        return f0_coarse, f0
-
-    def get_f0(self, x, f0_up_key, n_cpu, method="harvest"):
-        n_cpu = int(n_cpu)
-        if method == "crepe":
-            return self.get_f0_crepe(x, f0_up_key)
-        if method == "rmvpe":
-            return self.get_f0_rmvpe(x, f0_up_key)
-        if method == "fcpe":
-            return self.get_f0_fcpe(x, f0_up_key)
-        x = x.cpu().numpy()
-        if method == "pm":
-            p_len = x.shape[0] // 160 + 1
-            f0_min = 65
-            l_pad = int(np.ceil(1.5 / f0_min * 16000))
-            r_pad = l_pad + 1
-            s = parselmouth.Sound(np.pad(x, (l_pad, r_pad)), 16000).to_pitch_ac(
-                time_step=0.01,
-                voicing_threshold=0.6,
-                pitch_floor=f0_min,
-                pitch_ceiling=1100,
-            )
-            assert np.abs(s.t1 - 1.5 / f0_min) < 0.001
-            f0 = s.selected_array["frequency"]
-            if len(f0) < p_len:
-                f0 = np.pad(f0, (0, p_len - len(f0)))
-            f0 = f0[:p_len]
-            f0 *= pow(2, f0_up_key / 12)
-            return self.get_f0_post(f0)
-        if n_cpu == 1:
-            f0, t = pyworld.harvest(
-                x.astype(np.double),
-                fs=16000,
-                f0_ceil=1100,
-                f0_floor=50,
-                frame_period=10,
-            )
-            f0 = signal.medfilt(f0, 3)
-            f0 *= pow(2, f0_up_key / 12)
-            return self.get_f0_post(f0)
-        f0bak = np.zeros(x.shape[0] // 160 + 1, dtype=np.float64)
-        length = len(x)
-        part_length = 160 * ((length // 160 - 1) // n_cpu + 1)
-        n_cpu = (length // 160 - 1) // (part_length // 160) + 1
-        ts = ttime()
-        res_f0 = mm.dict()
-        for idx in range(n_cpu):
-            tail = part_length * (idx + 1) + 320
-            if idx == 0:
-                self.inp_q.put((idx, x[:tail], res_f0, n_cpu, ts))
-            else:
-                self.inp_q.put(
-                    (idx, x[part_length * idx - 320 : tail], res_f0, n_cpu, ts)
-                )
-        while 1:
-            res_ts = self.opt_q.get()
-            if res_ts == ts:
-                break
-        f0s = [i[1] for i in sorted(res_f0.items(), key=lambda x: x[0])]
-        for idx, f0 in enumerate(f0s):
-            if idx == 0:
-                f0 = f0[:-3]
-            elif idx != n_cpu - 1:
-                f0 = f0[2:-3]
-            else:
-                f0 = f0[2:]
-            f0bak[part_length * idx // 160 : part_length * idx // 160 + f0.shape[0]] = (
-                f0
-            )
-        f0bak = signal.medfilt(f0bak, 3)
-        f0bak *= pow(2, f0_up_key / 12)
-        return self.get_f0_post(f0bak)
-
-    def get_f0_crepe(self, x, f0_up_key):
-        if "privateuseone" in str(
-            self.device
-        ):  ###不支持dml，cpu又太慢用不成，拿fcpe顶替
-            return self.get_f0(x, f0_up_key, 1, "fcpe")
-        # printt("using crepe,device:%s"%self.device)
-        f0, pd = torchcrepe.predict(
-            x.unsqueeze(0).float(),
-            16000,
-            160,
-            self.f0_min,
-            self.f0_max,
-            "full",
-            batch_size=512,
-            # device=self.device if self.device.type!="privateuseone" else "cpu",###crepe不用半精度全部是全精度所以不愁###cpu延迟高到没法用
-            device=self.device,
-            return_periodicity=True,
-        )
-        pd = torchcrepe.filter.median(pd, 3)
-        f0 = torchcrepe.filter.mean(f0, 3)
-        f0[pd < 0.1] = 0
-        f0 *= pow(2, f0_up_key / 12)
-        return self.get_f0_post(f0)
-
-    def get_f0_rmvpe(self, x, f0_up_key):
-        if hasattr(self, "model_rmvpe") == False:
-            from infer.lib.rmvpe import RMVPE
-
-            printt("Loading rmvpe model")
-            self.model_rmvpe = RMVPE(
-                "assets/rmvpe/rmvpe.pt",
-                is_half=self.is_half,
-                device=self.device,
-                use_jit=self.config.use_jit,
-            )
-        f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
-        f0 *= pow(2, f0_up_key / 12)
-        return self.get_f0_post(f0)
-
-    def get_f0_fcpe(self, x, f0_up_key):
-        if hasattr(self, "model_fcpe") == False:
-            from torchfcpe import spawn_bundled_infer_model
-
-            printt("Loading fcpe model")
-            if "privateuseone" in str(self.device):
-                self.device_fcpe = "cpu"
-            else:
-                self.device_fcpe = self.device
-            self.model_fcpe = spawn_bundled_infer_model(self.device_fcpe)
-        f0 = self.model_fcpe.infer(
-            x.to(self.device_fcpe).unsqueeze(0).float(),
-            sr=16000,
-            decoder_mode="local_argmax",
-            threshold=0.006,
-        )
-        f0 *= pow(2, f0_up_key / 12)
-        return self.get_f0_post(f0)
-
-    def infer(
-        self,
-        input_wav: torch.Tensor,
-        block_frame_16k,
-        skip_head,
-        return_length,
-        f0method,
-    ) -> np.ndarray:
-        t1 = ttime()
-        with torch.no_grad():
-            if self.config.is_half:
-                feats = input_wav.half().view(1, -1)
-            else:
-                feats = input_wav.float().view(1, -1)
-            padding_mask = torch.BoolTensor(feats.shape).to(self.device).fill_(False)
-            inputs = {
-                "source": feats,
-                "padding_mask": padding_mask,
-                "output_layer": 9 if self.version == "v1" else 12,
-            }
-            logits = self.model.extract_features(**inputs)
-            feats = (
-                self.model.final_proj(logits[0]) if self.version == "v1" else logits[0]
-            )
-            feats = torch.cat((feats, feats[:, -1:, :]), 1)
-        t2 = ttime()
-        try:
-            if hasattr(self, "index") and self.index_rate != 0:
-                npy = feats[0][skip_head // 2 :].cpu().numpy().astype("float32")
-                score, ix = self.index.search(npy, k=8)
-                if (ix >= 0).all():
-                    weight = np.square(1 / score)
-                    weight /= weight.sum(axis=1, keepdims=True)
-                    npy = np.sum(
-                        self.big_npy[ix] * np.expand_dims(weight, axis=2), axis=1
-                    )
-                    if self.config.is_half:
-                        npy = npy.astype("float16")
-                    feats[0][skip_head // 2 :] = (
-                        torch.from_numpy(npy).unsqueeze(0).to(self.device)
-                        * self.index_rate
-                        + (1 - self.index_rate) * feats[0][skip_head // 2 :]
-                    )
-                else:
-                    printt(
-                        "Invalid index. You MUST use added_xxxx.index but not trained_xxxx.index!"
-                    )
-            else:
-                printt("Index search FAILED or disabled")
-        except:
-            traceback.print_exc()
-            printt("Index search FAILED")
-        t3 = ttime()
-        p_len = input_wav.shape[0] // 160
-        factor = pow(2, self.formant_shift / 12)
-        return_length2 = int(np.ceil(return_length * factor))
-        if self.if_f0 == 1:
-            f0_extractor_frame = block_frame_16k + 800
-            if f0method == "rmvpe":
-                f0_extractor_frame = 5120 * ((f0_extractor_frame - 1) // 5120 + 1) - 160
-            pitch, pitchf = self.get_f0(
-                input_wav[-f0_extractor_frame:], self.f0_up_key - self.formant_shift, self.n_cpu, f0method
-            )
-            shift = block_frame_16k // 160
-            self.cache_pitch[:-shift] = self.cache_pitch[shift:].clone()
-            self.cache_pitchf[:-shift] = self.cache_pitchf[shift:].clone()
-            self.cache_pitch[4 - pitch.shape[0] :] = pitch[3:-1]
-            self.cache_pitchf[4 - pitch.shape[0] :] = pitchf[3:-1]
-            cache_pitch = self.cache_pitch[None, -p_len:]
-            cache_pitchf = self.cache_pitchf[None, -p_len:] * return_length2 / return_length
-        t4 = ttime()
-        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)
-        sid = torch.LongTensor([0]).to(self.device)
-        skip_head = torch.LongTensor([skip_head])
-        return_length2 = torch.LongTensor([return_length2])
-        return_length = torch.LongTensor([return_length])
-        with torch.no_grad():
-            if self.if_f0 == 1:
-                infered_audio, _, _ = self.net_g.infer(
-                    feats,
-                    p_len,
-                    cache_pitch,
-                    cache_pitchf,
-                    sid,
-                    skip_head,
-                    return_length,
-                    return_length2,
-                )
-            else:
-                infered_audio, _, _ = self.net_g.infer(
-                    feats, p_len, sid, skip_head, return_length, return_length2
-                )
-        infered_audio = infered_audio.squeeze(1).float()
-        upp_res = int(np.floor(factor * self.tgt_sr // 100))
-        if upp_res != self.tgt_sr // 100:
-            if upp_res not in self.resample_kernel:
-                self.resample_kernel[upp_res] = Resample(
-                    orig_freq=upp_res,
-                    new_freq=self.tgt_sr // 100,
-                    dtype=torch.float32,
-                ).to(self.device)
-            infered_audio = self.resample_kernel[upp_res](
-                infered_audio[:, : return_length * upp_res]
-            )
-        t5 = ttime()
-        printt(
-            "Spent time: fea = %.3fs, index = %.3fs, f0 = %.3fs, model = %.3fs",
-            t2 - t1,
-            t3 - t2,
-            t4 - t3,
-            t5 - t4,
-        )
-        return infered_audio.squeeze()
--- a/Show More
+++ b/Show More
				`@ -1 +0,0 @@`
				`{"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, "formant": 0.0, "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"}`