MaxMax2016

@hongwen-sun 你我的目标不同，您期望的是一个音质效果好的SVC；我是在做技术方案的研究，比如whisper用于歌声转换的有效性，还有说话人自适应；我需要一个高效的方案来验证我的一些想法。

此外，我个人比较崇尚简洁。您如何看待 ‘奥卡姆剃刀原理’ 呢？

whisper是目前为止能获取到的效果最好的多语言ASR模型，它的好坏由他的识别率就可以直接体现，它通过海量的多语言数据训练得到，这是其他开源模型无法媲美的。如果您要做语音转换可能hubert等其他自监督模型比较合适，它们包含了其他非语言的信息、如语气&情感等，也许还有性别信息、以及可能的泄漏的音色；

@hongwen-sun 赞，有疑惑然后去验证，是个搞科研的好手！

same as: https://huggingface.co/spaces/maxmax20160403/sovits5.0

yes, they are mixed men and women. maxgan_pretrain_32K.pth is trained by the data: https://github.com/Multi-Singer/Multi-Singer.github.io

here we use bigvgan + neural source filter, so we do not have the problem in the picture. vocos is better than bigvgan without neural source filter. vocos is open...

maybe there has error, when do step 0~ step 7, you can check the steps before.

1，音色泄漏应该没有吧，可以用发布的模型进行测试，模型使用56个发音人训练 2，不支持语音转换，但是支持用语音数据训练歌声转换

https://github.com/PlayVoice/lora-svc/blob/main/svc_preprocess_f0.py#L13 模型训练的时候，设置了最高音为900，需要根据您的实际数据修改这个参数来训练模型