### 20230409 - 修正训练参数,提升显卡平均利用率,A100最高从25%提升至90%左右,V100:50%->90%左右,2060S:60%->85%左右,P40:25%->95%左右,训练速度显著提升 - 修正参数:总batch_size改为每张卡的batch_size - 修正total_epoch:最大限制100解锁至1000;默认10提升至默认20 - 修复ckpt提取识别是否带音高错误导致推理异常的问题 - 修复分布式训练每个rank都保存一次ckpt的问题 - 特征提取进行nan特征过滤 - 修复静音输入输出随机辅音or噪声的问题(老版模型需要重做训练集重训) ### 20230416更新 - 新增本地实时变声迷你GUI,双击go-realtime-gui.bat启动 - 训练推理均对<50Hz的频段进行滤波过滤 - 训练推理音高提取pyworld最低音高从默认80下降至50,50-80hz间的男声低音不会哑 - WebUI支持根据系统区域变更语言(现支持en_US,ja_JP,zh_CN,zh_HK,zh_SG,zh_TW,不支持的默认en_US) - 修正部分显卡识别(例如V100-16G识别失败,P4识别失败) ### 后续计划: - 收集呼吸wav加入训练集修正呼吸变声电音的问题 - 研究更优的默认faiss索引配置,计划将索引打包进weights/xxx.pth中,取消推理界面的 特征/检索库 选择 - 根据显存情况和显卡架构自动给到最优配置(batch size,训练集切块,推理音频长度相关的config,训练是否fp16),未来所有>=4G显存的>=pascal架构的显卡都可以训练或推理,而<4G显存的显卡不会进行支持 - 我们正在训练增加了歌声训练集的底模,未来会公开 - 推理音高识别选项加入"是否开启中值滤波" - 增加选项:每次epoch保存的小模型均进行提取; 增加选项:设置默认测试集音频,每次保存的小模型均在保存后对其进行推理导出,用户可试听(来选择哪个中间epoch最好)