不要感覺配置高就堆batch

之前看教程，別人演示的batch=2，說顯存高可以配置高點，我想我的24G顯存不能浪費，直接填了12。

在so-vits-svc環(huán)境安裝和AI訓練提供的文檔中，up主提到，global-step每1000步存一次，global-step=訓練集數(shù) * epoch / batch-size。

訓練集數(shù)是固定的，batch_size越高，達成同樣global-step就需要越多的epoch，在8 batch-size下，我推理1000個global_step用了15分鐘，而我換成2 batch-size后，洗個澡出來就7000global-step了，增加了迭代速度可以更容易的分辨出訓練結(jié)果的好壞。

同時提供一個不確定的觀點：數(shù)據(jù)集少的情況下，batch-size不要調(diào)太大。我在看diffusion ai生成圖片教程5分20秒時，up主提到過，batch還要根據(jù)訓練集數(shù)量來決策，我是從游戲和官方互動視頻提取的音源，數(shù)據(jù)集不多，加起來不到30分鐘，分成10秒片段，也就不到200個，因此我在batch-size=8時，訓練到G10000，感覺效果不如batch-size=2時，訓練到G7000。

音高的調(diào)整

女翻唱男時，音高不變的情況下很難聽出是女聲，一般會提高3-7個音高。但提高音高后會出現(xiàn)高音嘶啞、破桑唱不出來等情況。

不太懂AU的操作，我能想到的是多推理幾種音高，然后用AU合成。

或者可以試試AU的頻譜頻率顯示器（Shift+D），明顯的瑕疵一般能在頻域內(nèi)發(fā)現(xiàn)，比如有些混音能在低頻區(qū)發(fā)現(xiàn)多一些亮的片段，擦除就能恢復正常；有的是聲音頻率不對，高頻區(qū)跑低頻區(qū)去了，這個我不知道怎么修復。