Retrieval-based-Voice-Conversion-WebUI

Uma estrutura de conversão de voz fácil de usar baseada em VITS.

[![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)
[![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)) | [**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