lora-svc
lora-svc copied to clipboard
PlayVoice
感觉可以接一个hifigan-bwe超采样下？
如题，现在采样率有点低（16kHz），我看仓库里放了很多效果器，直接应用效果不是很理想
试了下使用hifi-gan-bwe进行超采样
目前使用了三个预训练模型进行超采样： 输入源是opencpop中2018.wav 推理直出 svc_out.zip hifi-gan-bwe-10-42890e3-vctk-48kHz svc_out_bwe.zip hifi-gan-bwe-12-b086d8b-vctk-16kHz-48kHz svc_out_bwe16_48.zip hifi-gan-bwe-05-cd9f4ca-vctk-48kHz svc_out_bwevctk48.zip
或许也可以参考DDSP-SVC中使用预训练声码器增强？
@KakaruHayate 集成了
https://pan.baidu.com/s/1YatDgwh9TD46B56MtY7Q8A?pwd=AAAA
高频的表现相比直接使用原仓库劣化很多
bandex_test.zip 我这里测试好像没问题
试了下似乎长音频就有问题，原仓库长音频也有问题，所以他们进行了切片，但也有一个bug，例如我在一开始发的那个svc直出的音频，最后一句“紧紧抱着你”和后面的静音消失了，实际上是因为最后一个切片长度过短被drop了，这应该是个bug，我把静音部分延长后就正常了
另外今天又使用NSF_HIFIGAN对超分过的音频再进行了一次增强，这次BWE生成的高频部分也被修复的比较“清澈”了 可以通过DIFFSINGER仓库下inference\vocoder\val_nsf_hifigan.py直接使用
增强前 SVCTEST2.zip 增强后 SVCTEST2FIX.zip
感觉套了一串增强以后已经能和其他svc打了。。。
好的，其实我先用的nsf增强、都做好了、高频确实很清晰、但是能量不太高，需要手动调EQ；bwe之后做nsf增强是个好主意，之前纠结二选一，哈哈，现在两个一起用。谢谢您的建议！
好的，其实我先用的nsf增强、都做好了、高频确实很清晰、但是能量不太高，需要手动调EQ；bwe之后做nsf增强是个好主意，之前纠结二选一，哈哈，现在两个一起用。谢谢您的建议！
现在推理的部分我没有太看明白，所以没搞明白怎么把其他svc用的多的源自DDSPSVC的nsfhifigan enhancer挪过来，合成方式似乎不太一样（mel2wave） 我刚刚pr了一份源自现在openvpi/diffsinger中由wave转化的enhancer（wave2wave），但是里面有很多这个项目用不到的东西（包括一些tts相关diffsinger自己都用不到的东西），也很难指望openvpi会对其优化（这些都是上次重构的遗留，diffsinger在二次重构，这些非核心功能的老旧代码被直接清理了）
不过好像你之前做好了。。。