【教程】so-vits-svc更新!全面适配50系及以下显卡!
So-VITS-SVC 4.8 版本已正式发布,本次更新基于原有的 4.1 整合包进行了深度架构优化。核心改进在于全面适配 NVIDIA RTX 50 系列(Blackwell 架构)显卡,通过升级 CUDA 与 PyTorch 环境,解决了新版显卡在训练中遇到的无法编译、报错等问题。同时,UI 界面经过重构,功能模块划分为推理、训练、音频分离、音频切片及小工具五大板块,操作逻辑更加清晰。本文将从环境准备、模型训练、音频分离到推理生成,梳理完整的 AI 翻唱制作流程。
01环境配置与准备
工具目前支持 NVIDIA 10 系至 50 系显卡(N 卡),建议显存最低 12G 以确保训练流程顺畅。A 卡(AMD 显卡)暂不支持。在运行过程中,若遇到报错,通常由以下四方面原因引起,需逐一排查:
- 虚拟内存设置不足
需根据系统情况手动调整虚拟内存大小。 - 浏览器兼容性问题
建议使用 Windows 自带浏览器或 Google Chrome。 - 路径与命名规范
解压目录、音频文件夹及文件名均不能包含中文字符。 - 硬件资源瓶颈
确保显卡显存满足最低要求,且不被其他高负载程序占用。
02模型训练流程
模型训练分为数据集处理、主模型训练和扩散模型训练三个阶段。建议准备半小时以上的纯人声录音素材以获得更好的效果。
- 音频切片与预处理
在“音频切片”功能区导入原始音频文件夹,系统将自动按 2 至 15 秒的长度进行切片。切片完成后,进入“训练”板块,放置数据集并进行预处理。进度条出现橘黄色边框表示正在处理,边框消失即代表完成。 - 主模型训练
系统会根据显卡型号自动设置参数,通常默认即可。若训练中出现“CUDA out of memory”报错,需降低“批量大小”数值(如 12G 显存可设为 8 或 10)。点击开始训练后,终端出现代码跳动即为正常。默认每 1000 步保存一次模型文件(G 开头的 .pth 文件),一般训练 30000 次左右效果较佳。 - 扩散模型训练
扩散模型用于消除“电音”感,使歌声更自然。其训练速度较快,通常以 10 的倍数跳动,运行 1000 至 2000 次即可生成(D 开头的文件夹内的 .pth 文件)。
| 功能对比 | 工作目录模式 | 独立目录模式 |
|---|---|---|
| 存储位置 | 临时训练工作区 | 模型归档存储区 |
| 覆盖风险 | 高,新训练会覆盖旧数据 | 低,受保护不会被覆盖 |
| 使用建议 | 用于训练与测试阶段 | 用于最终成品模型的保存 |
模型管理模式对比
03音频分离与 AI 翻唱
制作 AI 翻唱前,需先提取目标歌曲的纯人声。工具集成了 UVR5 功能,支持一键分离人声、伴奏与和声。
- 音频分离
将原歌曲拖入“音频分离”框,选择模型进行分离。MDX-Net 模型分离效果较干净,但对显卡要求较高(最低 6G 显存);配置较低时可选择 6HP 或 9HP 模型替代。 - 推理与排错
在“推理”页面安装并加载模型及配置文件(需包含主模型与扩散模型)。导入分离好的纯人声进行转换。若出现哑音,可尝试降调处理(输入负数,最高 -12);若推理时显存不足,可适当调大相关参数数值以释放显存空间(数值越大推理速度越慢)。
当前文章无评论,是时候发表评论了