GPT-SoVITS
GPT-SoVITS copied to clipboard
RVC-Boss
短句合成会漏字
刚继续进行了测试 1.更换了朗读文本后 第一遍出现了漏字情况，第二遍就没有这种情况了，第三遍也没有。 2.换回之前有问题的文本后，第一遍出现，第二遍出现，第三遍没有出现，第四遍出现【概率就变得很高了】 3.换了预测音频和参考文本后，第一遍没有出现，第二遍也没有出现，第三遍也没有出现
总结:感觉是玄学。。 我换了音质较差的预测音频，合成清晰度变差了，但是反而没有出现字的问题，，@KamioRinn，你方便不？我把模型和预测音频发你测测看？我的预测音频应该是没有问题的。看看能不能解决这种偶发性，我估摸着是GPT模型有优化空间。
刚继续进行了测试 1.更换了朗读文本后 第一遍出现了漏字情况，第二遍就没有这种情况了，第三遍也没有。 2.换回之前有问题的文本后，第一遍出现，第二遍出现，第三遍没有出现，第四遍出现【概率就变得很高了】 3.换了预测音频和参考文本后，第一遍没有出现，第二遍也没有出现，第三遍也没有出现
总结:感觉是玄学。。 我换了音质较差的预测音频，合成清晰度变差了，但是反而没有出现字的问题，，@KamioRinn，你方便不？我把模型和预测音频发你测测看？我的预测音频应该是没有问题的。看看能不能解决这种偶发性，我估摸着是GPT模型有优化空间。
gpt训练有没有开启dpo？跑一下带dpo的，然后推理的时候调整dpo参数试试
刚继续进行了测试 1.更换了朗读文本后 第一遍出现了漏字情况，第二遍就没有这种情况了，第三遍也没有。 2.换回之前有问题的文本后，第一遍出现，第二遍出现，第三遍没有出现，第四遍出现【概率就变得很高了】 3.换了预测音频和参考文本后，第一遍没有出现，第二遍也没有出现，第三遍也没有出现
总结:感觉是玄学。。 我换了音质较差的预测音频，合成清晰度变差了，但是反而没有出现字的问题，，@KamioRinn，你方便不？我把模型和预测音频发你测测看？我的预测音频应该是没有问题的。看看能不能解决这种偶发性，我估摸着是GPT模型有优化空间。
音质可以先拿参考音频试试https://podcast.adobe.com/enhance做一下增强。目前模型会完整地继承参考音频的音质
嗯，这和微调模型有关系，我换了个模型就没有出现过这样的问题了。我估计是因为切分的时候，音频没有切好，把部分切的有问题，所以训练的时候导致模型出了问题。【我听了下，是没有切好】，然后我用了以前从sovits整合包里面提取出来的切分代码，切出来单个音频连贯性好了很多，现在在训练和标注把不准确的或者读音效果不好的给删掉，然后用新模型在来试试。我测试完之后，再来反馈我测试的结果。
重新训练模型，解决了
测试： 我将原本的短句，小于3秒的全部用脚本删除，将太短的进行合并，然后在一个一个进行标注校对，发现确实有没有读完的asr，比如期间，他只读了一个期，但是文字上asr识别出期间。这种我都进行了删除。将分离的有问题的，进行了合并，不连贯的也全都删除了。
结果： 用修改后的数据合成的新模型，再使用同样的语句的时候，没有发现这样的问题。
这些天遇到的合成问题总结： 1.如果音质有问题 改预测音频和文案 2.如果有多读的情况，或者带了预测音频的内容 检查预测音频和文案是否清晰，是否为完整的一句，并且用短句合成在拼接，建议控制20字以内（20字以内都没出现这种情况） 3.如果有几个重复的字在一起的时候，发现了重读或者只读一个 比如，道可道，非常道。这里面就有2个字很近，这就有可能忽略，建议短句合成在拼接，发现就没有这种情况了 4.如果用了短句合成后，最后还末尾漏字或者读音不准，或者不通顺 查看asr和对应的音频进行重新标注，把读音不准的句子里面的字给替换，或者把不通顺的给删除，然后重新进行训练