so-vits?4.1?將默認(rèn)的聲音特征輸入更換為了?ContentVec 第 12 層 Transformer 輸出（簡稱 vec768l12），而 4.0 版本默認(rèn)使用的是 ContentVec 第 9?層 Transformer?輸出（簡稱?vec256l9）。因此，4.1 版本的模型結(jié)構(gòu)也與 4.0 版本產(chǎn)生了區(qū)別。但?so-vits?4.1?版本仍然支持 4.0 版本模型的推理與訓(xùn)練，只是需要更改一些參數(shù)?？偨Y(jié)歸納如下：

1. 在?config 文件中，如果需要適配 so-vits 4.0 的 vec256l9 模型，則將以下選項設(shè)為指定的值：

"filter_channels": 768,

"gin_channels":?256,

?"ssl_dim": 256,

"speech_encoder":"vec256l9",

同時，也順便給出?so-vits 4.1 的?vec768l12 模型的配置選項值：

"filter_channels": 768,

"gin_channels": 768,

?"ssl_dim": 768,

"speech_encoder":"vec768l12",

需要注意的是，這兩種模型的?filter_channels 均為 768；

2.?也存在直接生成對應(yīng)的 config 文件的方法，在調(diào)用?preprocess_flist_config.py 時指定 --speech_encoder 命令行參數(shù) 為?vec256l9 即可。但需要注意的是，需要將生成的 config?文件中的?filter_channels 項改為?768，否則模型結(jié)構(gòu)還是與 4.0 版本不兼容；

3. 在進(jìn)行數(shù)據(jù)集預(yù)處理，即調(diào)用 preprocess_hubert_f0.py 時，指定 F0 預(yù)測器（--f0_predictor 命令行參數(shù)）為 dio。因為 so-vits 4.0 在數(shù)據(jù)集預(yù)處理時使用的就是 dio 預(yù)測器（但在推理時使用的是 pm 預(yù)測器）。不同 F0 預(yù)測器具有不同的效果，可以自行測試一下。