電腦配置：

操作系統(tǒng)名稱 Microsoft Windows 11 家庭中文版

處理器 AMD Ryzen 7 5800H with Radeon Graphics

顯卡 RTX 3060 6G?

內(nèi)存 DDR4 3200 24G?

一共測(cè)試了3個(gè)項(xiàng)目，RVC,DiffusionSVC,DDSP-SVC

sovits-svc-4.1由于顯存不夠，沒(méi)有更好的硬件，暫時(shí)沒(méi)有進(jìn)行測(cè)試

1.RVC （618版本）

優(yōu)點(diǎn)：

【訓(xùn)練要求】配置要求中等，對(duì)數(shù)據(jù)集大小要求低，10分鐘數(shù)據(jù)也可訓(xùn)練

【合成效果】沒(méi)有音域限制，效果中規(guī)中矩，歌聲轉(zhuǎn)換還行

缺點(diǎn)：

【訓(xùn)練要求】數(shù)據(jù)集需人聲混響處理干凈，不然會(huì)出現(xiàn)電音訓(xùn)練失敗。

【合成效果】咬字不清，語(yǔ)音變聲會(huì)出現(xiàn)很多錯(cuò)誤發(fā)音，比如yi ou之類(lèi)的會(huì)發(fā)e，經(jīng)測(cè)試，更換或增大數(shù)據(jù)集并不能解決此類(lèi)問(wèn)題

有時(shí)會(huì)出現(xiàn)聲音感情很奇怪的現(xiàn)象，比如輸入音很正常，但合成出來(lái)會(huì)很兇（通過(guò)篩選數(shù)據(jù)集感情又會(huì)變化），貌似是模型泛化能力不夠造成的

索引會(huì)占用大量CPU，且在小數(shù)據(jù)集訓(xùn)練的模型上無(wú)法完全杜絕音色泄露

2.DiffusionSVC（1.0）（naive+淺擴(kuò)散100step）

優(yōu)點(diǎn)：

【訓(xùn)練要求】配置要求低，數(shù)據(jù)集可帶混響

【合成效果】中低音合成效果非常棒，咬字清晰，感情不變，無(wú)音色泄露，且推理性能好，占電腦資源少。

缺點(diǎn)：有音域限制，對(duì)于F5以上高音的合成效果是【很虛，音量很小】

3.DDSP-SVC（3.0）

3.1【DDSP+預(yù)訓(xùn)練聲碼器增強(qiáng)器】

【訓(xùn)練要求】配置要求低，2G顯存都能跑，數(shù)據(jù)集可帶混響

【合成效果】

優(yōu)點(diǎn)：在使用預(yù)訓(xùn)練聲碼器增強(qiáng)器的情況下，合成效果略微差于DiffusionSVC，好于RVC

有音域限制，但是推理時(shí)可以添加-eak <enhancer_adaptive_key (semitones)>參數(shù)，將增強(qiáng)器適配于更高的音域

且推理性能好，占電腦資源少

缺點(diǎn)：咬字較DiffusionSVC稍顯不清晰，附帶一點(diǎn)電音

3.2【DDSP + Diff-SVC 重構(gòu)版】

【合成效果】有音域限制，無(wú)法使用-eak參數(shù)?適配更高音域，其他特點(diǎn)與（DDSP+預(yù)訓(xùn)練聲碼器）增強(qiáng)器差不多