之前發(fā)了So-VITS-SVC 4.0的整合包和訓(xùn)練/推理教程（BV1H24y187Ko），兩天內(nèi)收到幾十條私信和兩百多條評論，大多都是各種環(huán)節(jié)報錯出問題了，其中又有大多都是類似的問題，實在回復(fù)不過來了，所以我總結(jié)了幾條常見的報錯和解決方法，以供自查。

報錯：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position xx

答：數(shù)據(jù)集文件名中不要包含中文或日文等非西文字符。

報錯：頁面文件太小，無法完成操作。

答：調(diào)整一下虛擬內(nèi)存大小，具體的方法各種地方一搜就能搜到，不展開了。

報錯：UnboundLocalError: local variable 'audio' referenced before assignment

答：上傳的推理音頻需要是16位整數(shù)wav格式，用Au轉(zhuǎn)換一下就好。或者裝個ffmpeg一勞永逸地解決問題。

報錯：AssertionError: CPU training is not allowed.

答：非N卡跑不了的。

報錯：torch.cuda.OutOfMemoryError: CUDA out of?memory

答：爆顯存了，試著把batch_size改小，改到1還爆的話建議云端訓(xùn)練。

報錯：RuntimeError: DataLoader worker (pid(s) xxxx) exited unexpectedly

答：把虛擬內(nèi)存再調(diào)大一點。

報錯：NotImplementedError: Only 2D, 3D, 4D, 5D padding with non-constant padding are supported for now

答：數(shù)據(jù)集切片切太長了，5-10秒差不多。

報錯：CUDA error: CUBLAS_STATUS_NOT_INITIALIZED when calling 'cublasCreate(handle)'

答：爆顯存了，基本上跟CUDA有關(guān)的報錯大都是爆顯存……

還有一些Q&A

Q: 用UVR5分離人聲的時候聲音會失真，還有什么更給力的工具嗎？

A: 理論上UVR5已經(jīng)是目前最強(qiáng)的人聲分離工具了，原曲如果伴奏聲音太大軌道太復(fù)雜是一定會有失真的，建議選原曲的時候選擇伴奏簡單人聲清楚的效果會好很多。

Q: 我怎么判斷模型有沒有訓(xùn)練好？

A: 數(shù)據(jù)集數(shù)量正常的情況下（幾百條），可以每隔幾千步（是總步數(shù)不是epoch）跑出來的模型推理聽一下，你覺得ok就ok，一般一萬步就可以有一個不錯的效果了?；蛘哂写a基礎(chǔ)的可以用tensorboard查看一下?lián)p失率收斂趨勢。

Q: 訓(xùn)練聚類模型的時候顯卡根本沒占用是怎么會是呢？

A: 聚類模型訓(xùn)練吃的是你的CPU，看一下python進(jìn)程在占用CPU就是在訓(xùn)練，等就行了。

Q: 我實在是太懶了，只想讓AI幫我讀稿子，不想自己錄原聲再推理，有啥辦法嗎？

A: 出門右轉(zhuǎn)隔壁 VITS 項目，最近有個 VITS fast fine-tuning 的方法（BV1Jg4y1E7df），幾分鐘的素材就能練出比較相似的聲音，雖然效果沒那么好但它實在是太方便了。

Q: 跑這個的最低配置要求是啥啊？

A: 支持CUDA的6G顯存以上的N卡，硬盤也留足一點空間。

Q: A卡真的跑不了嗎哭哭

A: 理論上可以在Ubuntu或Linux環(huán)境下通過ROCm來實現(xiàn)，但是比較麻煩，小白建議放棄直接去云端。

Q: 云端訓(xùn)練好的模型怎么在本地用？

A: 下載G模型和對應(yīng)的config文件，放到本地的對應(yīng)文件夾就行（.\logs\44k和.\configs）

Q: 我訓(xùn)練和推理都很順利！現(xiàn)在已經(jīng)做了一首翻唱了，想上傳到B站，有什么注意事項嗎？

A: 請務(wù)必遵循So-VITS使用規(guī)約：https://www.bilibili.com/opus/768855762436882434