MaxMax2016

不能，深度学习模型具有遗忘的特性；得3个一起训练

> 具体是在哪部分实现的呢，我看推理代码也就是读取pitch，然后传入inference，没有看到其他操作了 这这样的，原来crepe出来的pitch，需要经过UV去掉picth；现在测试，不经过UV去掉pitch好些。 原来的 ``` def compute_f0_sing(filename, device): audio, sr = librosa.load(filename, sr=16000) assert sr == 16000 audio = torch.tensor(np.copy(audio))[None] # Here we'll use a 20 millisecond hop length hop_length...

测试下来是这样，预处理用USP会导致推理的时候不可控，比如长音从中间断开

I have not try SLMGAN based discriminators. Maybe it requires more computing resources, but it is really a good approach.

不正常，你是先训练好bigvgan-mix-v2的模型后，然后在训好的模型上面训练的diff分支吗？

你是4分钟的数据吗？数据是否敏感？能发给我试试吗？

这是使用GradSVC训练150epoch的日志和模型，现在GradSVC音色相似度还不够，但没出现上面的那种me 链接：https://pan.baidu.com/s/1eOBXMOt0Bh9DB-HcwZPvEw?pwd=t8nf 提取码：t8nf 5.0我明天再试试

我先发个我的diff插件模型给你测测吧，我也在复现中~~~ 链接：https://pan.baidu.com/s/1z5IDJ6Sm7oepv5yg-KZK5w?pwd=4r77 提取码：4r77 我复现的时候，忘记设置主模型了，得重来，设置好会有这样的打印： python svc_trainer.py --config configs/base.yaml --name plug Batch size per GPU : 8 ----------10---------- 2023-09-06 06:31:23,136 - INFO - Start from 32k pretrain model: sovits5.0_1100.pt post.estimator.spk_mlp.0.weight is...

主模型模没设置就是上面那个图 > mel图看不出是人声的频谱，可能是训练集少？（4.5min，但是游戏解包音质） > >  这是正常的mel图 

你的错误是什么？