From a3d2e8da67b3550b7ecde00964d6181c1c5e30d2 Mon Sep 17 00:00:00 2001 From: RVC-Boss <129054828+RVC-Boss@users.noreply.github.com> Date: Sat, 6 May 2023 18:36:05 +0800 Subject: [PATCH] =?UTF-8?q?Created=20=E5=B8=B8=E8=A7=81=E9=97=AE=E9=A2=98?= =?UTF-8?q?=E8=A7=A3=E7=AD=94=20(markdown)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- 常见问题解答.md | 63 +++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 63 insertions(+) create mode 100644 常见问题解答.md diff --git a/常见问题解答.md b/常见问题解答.md new file mode 100644 index 0000000..8f4f180 --- /dev/null +++ b/常见问题解答.md @@ -0,0 +1,63 @@ +## Q1:ffmpeg error/utf8 error. + +大概率不是ffmpeg问题，而是音频路径问题；
+ffmpeg读取路径带空格、()等特殊符号，可能出现ffmpeg error；训练集音频带中文路径，在写入filelist.txt的时候可能出现utf8 error；
+ +## Q2:一键训练结束没有索引 + +显示"Training is done. The program is closed."则模型训练成功，后续紧邻的报错是假的；
+ +一键训练结束完成没有added开头的索引文件，可能是因为训练集太大卡住了添加索引的步骤；已通过批处理add索引解决内存add索引对内存需求过大的问题。临时可尝试再次点击"训练索引"按钮。
+ +## Q3:训练结束推理没看到训练集的音色 +点刷新音色再看看，如果还没有看看训练有没有报错，控制台和webui的截图，logs/实验名下的log，都可以发给开发者看看。
+ +## Q4:如何分享模型 +  rvc_root/logs/实验名 下面存储的pth不是用来分享模型用来推理的，而是为了存储实验状态供复现，以及继续训练用的。用来分享的模型应该是weights文件夹下大小为60+MB的pth文件；
+  后续将把weights/exp_name.pth和logs/exp_name/added_xxx.index合并打包成weights/exp_name.zip省去填写index的步骤，那么zip文件用来分享，不要分享pth文件，除非是想换机器继续训练；
+  如果你把logs文件夹下的几百MB的pth文件复制/分享到weights文件夹下强行用于推理，可能会出现f0，tgt_sr等各种key不存在的报错。你需要用ckpt选项卡最下面，手工或自动（本地logs下如果能找到相关信息则会自动）选择是否携带音高、目标音频采样率的选项后进行ckpt小模型提取，提取完在weights文件夹下会出现60+MB的pth文件，刷新音色后可以选择使用。
+ +## Q5:Connection Error. +也许你关闭了控制台（黑色窗口）。
+ +## Q6:WebUI弹出Expecting value: line 1 column 1 (char 0). +请关闭系统局域网代理/全局代理。
+ +## Q7:不用WebUI如何通过命令训练推理 +训练脚本：
+可先跑通WebUI，消息窗内会显示数据集处理和训练用命令行；
+ +推理脚本：
+https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py （待更新）
+ +## Q8:Cuda error/Cuda out of memory. +小概率是cuda配置问题、设备不支持；大概率是显存不够（out of memory）；
+ +训练的话缩小batch size（如果缩小到1还不够只能更换显卡训练），推理的话酌情缩小config.py结尾的x_pad，x_query，x_center，x_max。4G以下显存（例如1060（3G）和各种2G显卡）可以直接放弃，4G显存显卡还有救。
+ +## Q9:total_epoch调多少比较好 + +如果训练集音质差底噪大，20~30足够了，调太高，底模音质无法带高你的低音质训练集
+如果训练集音质高底噪低时长多，可以调高，200是ok的（训练速度很快，既然你有条件准备高音质训练集，显卡想必条件也不错，肯定不在乎多一些训练时间）
+ +## Q10:需要多少训练集时长 +  推荐10min至50min
+  保证音质高底噪低的情况下，如果有个人特色的音色统一，则多多益善
+  高水平的训练集（精简+音色有特色），5min至10min也是ok的，仓库作者本人就经常这么玩
+  也有人拿1min至2min的数据来训练并且训练成功的，但是成功经验是其他人不可复现的，不太具备参考价值。这要求训练集音色特色非常明显（比如说高频气声较明显的萝莉少女音），且音质高；
+  1min以下时长数据目前没见有人尝试（成功）过。不建议进行这种鬼畜行为。
+ +## Q11:index rate干嘛用的，怎么调（科普） +  如果底模和推理源的音质高于训练集的音质，他们可以带高推理结果的音质，但代价可能是音色往底模/推理源的音色靠，这种现象叫做"音色泄露"；
+  index rate用来削减/解决音色泄露问题。调到1，则理论上不存在推理源的音色泄露问题，但音质更倾向于训练集。如果训练集音质比推理源低，则index rate调高可能降低音质。调到0，则不具备利用检索混合来保护训练集音色的效果；
+  如果训练集优质时长多，可调高total_epoch，此时模型本身不太会引用推理源和底模的音色，很少存在"音色泄露"问题，此时index_rate不重要，你甚至可以不建立/分享index索引文件。
+ +## Q11:推理怎么选gpu +config.py文件里device cuda:后面选择卡号；
+卡号和显卡的映射关系，在训练选项卡的显卡信息栏里能看到。
+ +## Q12:如何推理训练中间保存的pth +通过ckpt选项卡最下面提取小模型。 + + +