mirror of
https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI.git
synced 2024-12-29 02:55:05 +08:00
一、对照实验数据集
训练集（target speaker）约8min。
采样试听（用于展示音色和训练集质量）来自 米津玄師《ピースサイン》
测试音频：夏真浔 翻唱 《冬之花》 第一段
before-baseline-version(史前版本)混音结果完整版(《冬の花》coverd by AI米津玄師)：
https://www.bilibili.com/video/BV1Kb411d7zC
二、faiss索引对照（updated20230428）
结论：
1、nprobe增大对效果影响不大，因此更新后从7降至1，检索速度7倍；
2、fastscan（PQ128）质量有损（注意 wa ta shi no i no "ch"i），暂时不采纳；
3、top8进行加权混合代替top1：显著削弱高频刺耳的现象，提升了音频质量，采纳。
三、backbone结构对照（底模+小训练集fine tune）
version:hubert_base（ContentVec）+add 3 period discriminators
harvest+邻域3的中值滤波+index_rate=1
hubert_base结构下，中间hidden size为768，结尾linear至256
C768：不使用final_proj
C256：使用final_proj
L9/L12：hubert的特征层数
baseline（当前版本）：C256L9
结论：C768L12默秒全（呼吸+辅音齿音电流声）。
四、RVC_v3偷跑
大就是好！
