等音頻處理好了之后，我們的文件夾會多一個后綴帶有兩個“Vocals”的音頻
這時候我們的音頻就處理好啦！

2.替換人聲

經(jīng)過剛剛的處理，我們得到一條比較干凈的李榮浩唱《烏梅子醬》的音頻
現(xiàn)在我們就要把李榮浩的聲音換成孫燕姿的聲音
這一步也分為了三個步驟：

• 安裝軟件：sovits

• 安裝模型：把孫燕姿的聲音模型放到sovits里面

• 替換聲音

01.安裝軟件

這里我們用到的是B站羽毛布団的整合包，整合包點擊鏈接就可以下載
下載鏈接里的《2.so-vits-svc》，保存到自己電腦

然后解壓sovits的壓縮包到D盤或者E盤不要裝到C盤！！小心C盤會被占滿！！

找到解壓后的文件夾，雙擊“啟動webui”就可以打開sovits的主界面

02.安裝模型

剛下載好的sovits里面是沒有聲音模型的
我們要自己把孫燕姿的模型放進(jìn)去
在網(wǎng)盤里面我已經(jīng)給大家準(zhǔn)備了一個孫燕姿的聲音模型
下載并且解壓網(wǎng)盤里的《3.AI孫燕姿》
里面有三個文件，復(fù)制“sun G_27200”和“sun Kmeans_10000”這兩個文件
來到sovits文件夾，找到logs文件夾里的44k文件夾，把這兩個文件粘貼進(jìn)去

再把剩下的“sun config”那個文件復(fù)制到sovits文件夾中的configs文件夾

這樣我們AI孫燕姿的聲音模型就安裝好啦！

03.替換聲音

接下來就是將李榮浩的聲音換成孫燕姿的聲音
打開sovits進(jìn)行聲音的替換，在這個軟件里面叫做“推理”

左邊的三個框框都要點進(jìn)去選擇模型
然后點擊“加載模型”

看到模型加載成功就可以上傳音頻了
這里上傳的音頻是我們處理過的干凈的人聲，也就是后綴帶有兩個“（Vocals）”的那條音頻

音頻上傳成功之后繼續(xù)往下設(shè)置
“f0預(yù)測器”選擇成crepe，其他參數(shù)不用動
最后點擊“音頻轉(zhuǎn)換”

轉(zhuǎn)換好了試聽覺得沒問題就可以點右邊的三個點，把音頻下載下來

3.合并人聲和伴奏

我們下載下來的是只有孫燕姿唱《烏梅子醬》聲音的一條音頻
要變成一首完整的音樂，還要讓這個音頻加上音樂的伴奏
這里用到的剪輯軟件就是剪映，大家可以點擊鏈接下載https://www.capcut.cn/
下載好了之后打開剪映，點擊“開始創(chuàng)作”

導(dǎo)入前面分離出來的《烏梅子醬》的伴奏，也就是后綴帶有“Instrumental”的那條音頻
還有剛剛在sovits導(dǎo)出的孫燕姿的聲音

把導(dǎo)入的兩條音頻拖到下面的編輯框里面
一定要把開頭對齊?。?/span>
最后點擊右上角的“導(dǎo)出”就可以保存音頻了

如果需要的話還可以導(dǎo)入一些照片和視頻，這樣就變成一個MV了
網(wǎng)盤里還給大家分享了3個黑膠唱片轉(zhuǎn)動的視頻素材，讓你更好地做視頻

這樣就完成啦?。。?/span>
大家可以聽一下效果
暫時無法在飛書文檔外展示此內(nèi)容

五、煉制自己的專屬聲音模型

前面的兩個方法用的都是別人的模型
現(xiàn)在第三個方法就是自己煉一個聲音模型出來
然后用自己煉出來的模型去生成一首歌曲
分為兩個大的步驟就是：1.煉模型 ? 2.生成歌曲

1.前提條件

煉模型對電腦配置是有要求的
所以在正式開始之前，我們要確保自己的電腦符合以下的配置：

• 是NVIDIA的顯卡(也就是N卡)
  

• 顯卡的專用內(nèi)存6GB以上

如果是A卡或者顯存不夠的朋友們，我們可以去云端訓(xùn)練
也就是租用別人的電腦，遠(yuǎn)程控制別人配置好的電腦
云端訓(xùn)練可以看這個視頻https://www.bilibili.com/video/BV1324y1572U/?vd_source=6f836e2ab17b1bdb4fc5ea98f38df761

2.煉模型

電腦配置符合要求的朋友們，接下來我們就要開始煉模型啦
煉模型可以分為兩步：

• 制作素材庫

• 訓(xùn)練模型

接下來我們就做一個孫燕姿的聲音模型
以這個為例子，看看詳細(xì)的操作流程

01.制作素材庫

AI要模仿孫燕姿的聲音，我們就要給它孫燕姿本人的聲音素材
這個素材就相當(dāng)于是它的學(xué)習(xí)資料
有了學(xué)習(xí)資料，它就會自己進(jìn)行學(xué)習(xí)
制作一個素材庫，包括了以下三個步驟：

• 收集素材

• 處理素材

• 切割素材

①收集素材

素材庫的質(zhì)量非常重要！！
質(zhì)量越高，出來的模型聲音才越像本人
素材的來源：
如果是做某個歌手的模型，那我們就可以找他們的歌曲、訪談、采訪、電視劇等等..
最簡單直接的辦法就是下載足夠多的歌曲，因為訪談和電視劇之類的還要先把別人的聲音剪掉
如果是做自己的聲音模型，那就把自己唱歌的聲音錄下來
素材的要求：

• 時長：至少在30分鐘以上

• 素材要盡量的干凈清晰（至少后期能處理干凈）

• 不要為了湊素材時長加一些低質(zhì)量的聲音??！

這里給大家做演示，我就只收集了孫燕姿的兩首歌曲

02.處理素材

素材收集好了之后我們就要把這些素材處理干凈
保證處理之后的素材只有人的聲音，不要有bgm、其他人說話的聲音或者雜音
提取聲音用的還是這個軟件：Ultimate Vocal Romover（uvr）

①分離伴奏
首先把歌曲里面的伴奏去掉
具體操作步驟：
1.把我們收集到的聲音素材放到一個文件夾里面
2.把整個文件夾拖動到最上面的框框里
3.選擇一個保存音頻的文件夾
4.參數(shù)按照圖片中的設(shè)置
5.最后點擊“Start Processing”

②讓聲音變得更加干凈
上面的操作是把歌聲里面的人聲和伴奏分離開來
下一步就是把人聲處理得更加干凈
具體操作步驟：
1.打開前面輸出的文件夾，把后綴有“vocals”的音頻拖動到一個新的文件夾里面
2.把整個文件夾拖動到uvr最上面的框框里
3.選擇一個輸出文件夾
4.按照圖片重新設(shè)置參數(shù)
5.點擊“Start Processing”

這樣我們干凈的聲音素材就處理好啦！

03.切割素材

現(xiàn)在素材處理干凈了，但是一條音頻有4~5分鐘
我們需要把這些音頻全部切成3~15秒左右的小片段
這樣才能保證模型訓(xùn)練的質(zhì)量和速度
在處理之前，我們還要把剛剛處理好的音頻文件改一下名
這些文件名不能包含中文
最好最用數(shù)字字母、下劃線
把前面處理好的后綴帶有兩個“vocals”的音頻名字改成“sun1”

打開sovits，在最新版本里面更新了一個音頻切片的工具
在這里我們就可以直接把音頻切成小片段

復(fù)制文件夾的保存路徑

粘貼路徑到sovits，然后點擊“加載原始音頻”

顯示成功加載之后，復(fù)制一個空文件夾的路徑到“輸出目錄”
這個文件夾是用來放切成小片段的音頻的
然后點擊開始切片

看到成功就是已經(jīng)切片成功啦！

這時候空文件夾里面就會多了很多只有3~15秒的音頻

02.煉模型

到這里我們就做好素材庫的準(zhǔn)備工作啦
接下來才是我們的重頭戲——開始煉丹（煉模型）

①將素材庫喂給AI

先把我們準(zhǔn)備好的學(xué)習(xí)資料（素材庫）喂給AI
把剛剛保存切片的文件夾重命名，用英文字母命名
然后復(fù)制整個文件夾，放到sovits文件夾里的“dataset_raw”文件夾
注意注意??！是整個文件夾放進(jìn)來，而不是只把音頻切片復(fù)制進(jìn)來

②設(shè)置參數(shù)

確保素材庫放在正確的文件夾里面
現(xiàn)在就要設(shè)置一下訓(xùn)練的參數(shù)
接下來打開sovits
在“訓(xùn)練”的界面開始訓(xùn)練我們的模型

點擊“識別數(shù)據(jù)集”，文本框就會出現(xiàn)我們剛剛制作的素材庫名字

接下來選擇
“編碼器”——vec768l12
“f0預(yù)測器”——crepe
然后點擊“數(shù)據(jù)預(yù)處理”

處理的信息會在下面的框框里顯示
等進(jìn)度條到100%就處理好了
點擊“清空輸出信息”

接下來就是設(shè)置參數(shù)
注意“批量大小”的參數(shù)，6G顯存就要填“4”，不然會出現(xiàn)顯存報錯
全部參數(shù)設(shè)置好了之后就點擊“寫入配置文件”

顯示配置寫入完成就點擊“從頭開始訓(xùn)練”

接下來AI就會自己進(jìn)行學(xué)習(xí)了

③觀察訓(xùn)練進(jìn)度

當(dāng)我們開始訓(xùn)練，就會彈出一個黑色框框，這個框框就是我們的訓(xùn)練日志
訓(xùn)練的信息都會顯示在這里，我們要實時注意
這一步就不用我們再去操作什么了，只要觀察這個黑色框框就可以
訓(xùn)練的時候會占用大量的顯存
所以訓(xùn)練的時候就不要用電腦去做一些消耗電腦顯存的事情了（比如打游戲）

看到每訓(xùn)練200步就會出現(xiàn)一條比較長的信息
“step：200”就是煉了200步的意思
這里面我們只要關(guān)注最后面的“reference_loss”的值
這個數(shù)字越小，說明模型訓(xùn)練的越好，模型的聲音越接近本人
loss值是40多：殘次品，不能用loss值是30多：勉強能用loss值是20多：已經(jīng)很不錯了如果loss值是10多，那就是一個很好的模型了

我這里素材只有2首歌和只煉了200步，所以出來是殘次品

一個好的模型訓(xùn)練1萬步左右就差不多了
具體還是關(guān)注loss值，達(dá)到你們的預(yù)期（一般10多20多）就可以暫停
大家做好耐心等待的準(zhǔn)備

暫停的方法：1.按Ctrl+C ? ? 2.關(guān)掉黑色框框

訓(xùn)練完回到推理的頁面就可以看到我們煉出來的模型，G后面的數(shù)字就是訓(xùn)練的步數(shù)

祝大家煉丹成功?。?/span>

3.生成新歌曲

練好模型之后我們就可以拿來生成一首歌曲啦
制作的方法跟文章的第四部分是一樣的：

1.選好要唱的歌，分離歌曲的人聲和伴奏2.替換人的聲音3.將新生成的聲音和伴奏合并起來

六、結(jié)尾

三個方法都已經(jīng)講完啦
每個方法都有利有弊，大家根據(jù)自己的實際情況選擇
或者都試試也可以！