|
1 | | -## Q1:ffmpeg error/utf8 error. |
2 | | - |
3 | | -大概率不是ffmpeg问题，而是音频路径问题；<br> |
4 | | -ffmpeg读取路径带空格、()等特殊符号，可能出现ffmpeg error；训练集音频带中文路径，在写入filelist.txt的时候可能出现utf8 error；<br> |
5 | | - |
6 | | -## Q2:一键训练结束没有索引 |
7 | | - |
8 | | -显示"Training is done. The program is closed."则模型训练成功，后续紧邻的报错是假的；<br> |
9 | | - |
10 | | -一键训练结束完成没有added开头的索引文件，可能是因为训练集太大卡住了添加索引的步骤；已通过批处理add索引解决内存add索引对内存需求过大的问题。临时可尝试再次点击"训练索引"按钮。<br> |
11 | | - |
12 | | -## Q3:训练结束推理没看到训练集的音色 |
13 | | -点刷新音色再看看，如果还没有看看训练有没有报错，控制台和webui的截图，logs/实验名下的log，都可以发给开发者看看。<br> |
14 | | - |
15 | | -## Q4:如何分享模型 |
16 | | - rvc_root/logs/实验名 下面存储的pth不是用来分享模型用来推理的，而是为了存储实验状态供复现，以及继续训练用的。用来分享的模型应该是weights文件夹下大小为60+MB的pth文件；<br> |
17 | | - 后续将把weights/exp_name.pth和logs/exp_name/added_xxx.index合并打包成weights/exp_name.zip省去填写index的步骤，那么zip文件用来分享，不要分享pth文件，除非是想换机器继续训练；<br> |
18 | | - 如果你把logs文件夹下的几百MB的pth文件复制/分享到weights文件夹下强行用于推理，可能会出现f0，tgt_sr等各种key不存在的报错。你需要用ckpt选项卡最下面，手工或自动（本地logs下如果能找到相关信息则会自动）选择是否携带音高、目标音频采样率的选项后进行ckpt小模型提取（输入路径填G开头的那个），提取完在weights文件夹下会出现60+MB的pth文件，刷新音色后可以选择使用。<br> |
19 | | - |
20 | | -## Q5:Connection Error. |
21 | | -也许你关闭了控制台（黑色窗口）。<br> |
22 | | - |
23 | | -## Q6:WebUI弹出Expecting value: line 1 column 1 (char 0). |
24 | | -请关闭系统局域网代理/全局代理。<br> |
25 | | - |
26 | | -这个不仅是客户端的代理，也包括服务端的代理（例如你使用autodl设置了http_proxy和https_proxy学术加速，使用时也需要unset关掉）<br> |
27 | | - |
28 | | -## Q7:不用WebUI如何通过命令训练推理 |
29 | | -训练脚本：<br> |
30 | | -可先跑通WebUI，消息窗内会显示数据集处理和训练用命令行；<br> |
31 | | - |
32 | | -推理脚本：<br> |
33 | | -https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py<br> |
34 | | - |
35 | | -例子：<br> |
36 | | - |
37 | | -runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\added_IVF677_Flat_nprobe_7.index" harvest "test.wav" "weights/mi-test.pth" 0.6 cuda:0 True<br> |
38 | | - |
39 | | -f0up_key=sys.argv[1]<br> |
40 | | -input_path=sys.argv[2]<br> |
41 | | -index_path=sys.argv[3]<br> |
42 | | -f0method=sys.argv[4]#harvest or pm<br> |
43 | | -opt_path=sys.argv[5]<br> |
44 | | -model_path=sys.argv[6]<br> |
45 | | -index_rate=float(sys.argv[7])<br> |
46 | | -device=sys.argv[8]<br> |
47 | | -is_half=bool(sys.argv[9])<br> |
48 | | - |
49 | | -## Q8:Cuda error/Cuda out of memory. |
50 | | -小概率是cuda配置问题、设备不支持；大概率是显存不够（out of memory）；<br> |
51 | | - |
52 | | -训练的话缩小batch size（如果缩小到1还不够只能更换显卡训练），推理的话酌情缩小config.py结尾的x_pad，x_query，x_center，x_max。4G以下显存（例如1060（3G）和各种2G显卡）可以直接放弃，4G显存显卡还有救。<br> |
53 | | - |
54 | | -## Q9:total_epoch调多少比较好 |
55 | | - |
56 | | -如果训练集音质差底噪大，20~30足够了，调太高，底模音质无法带高你的低音质训练集<br> |
57 | | -如果训练集音质高底噪低时长多，可以调高，200是ok的（训练速度很快，既然你有条件准备高音质训练集，显卡想必条件也不错，肯定不在乎多一些训练时间）<br> |
58 | | - |
59 | | -## Q10:需要多少训练集时长 |
60 | | - 推荐10min至50min<br> |
61 | | - 保证音质高底噪低的情况下，如果有个人特色的音色统一，则多多益善<br> |
62 | | - 高水平的训练集（精简+音色有特色），5min至10min也是ok的，仓库作者本人就经常这么玩<br> |
63 | | - 也有人拿1min至2min的数据来训练并且训练成功的，但是成功经验是其他人不可复现的，不太具备参考价值。这要求训练集音色特色非常明显（比如说高频气声较明显的萝莉少女音），且音质高；<br> |
64 | | - 1min以下时长数据目前没见有人尝试（成功）过。不建议进行这种鬼畜行为。<br> |
65 | | - |
66 | | -## Q11:index rate干嘛用的，怎么调（科普） |
67 | | - 如果底模和推理源的音质高于训练集的音质，他们可以带高推理结果的音质，但代价可能是音色往底模/推理源的音色靠，这种现象叫做"音色泄露"；<br> |
68 | | - index rate用来削减/解决音色泄露问题。调到1，则理论上不存在推理源的音色泄露问题，但音质更倾向于训练集。如果训练集音质比推理源低，则index rate调高可能降低音质。调到0，则不具备利用检索混合来保护训练集音色的效果；<br> |
69 | | - 如果训练集优质时长多，可调高total_epoch，此时模型本身不太会引用推理源和底模的音色，很少存在"音色泄露"问题，此时index_rate不重要，你甚至可以不建立/分享index索引文件。<br> |
70 | | - |
71 | | -## Q11:推理怎么选gpu |
72 | | -config.py文件里device cuda:后面选择卡号；<br> |
73 | | -卡号和显卡的映射关系，在训练选项卡的显卡信息栏里能看到。<br> |
74 | | - |
75 | | -## Q12:如何推理训练中间保存的pth |
76 | | -通过ckpt选项卡最下面提取小模型。<br> |
77 | | - |
78 | | - |
79 | | -## Q13:如何中断和继续训练 |
80 | | -现阶段只能关闭WebUI控制台双击go-web.bat重启程序。网页参数也要刷新重新填写；<br> |
81 | | -继续训练：相同网页参数点训练模型，就会接着上次的checkpoint继续训练。<br> |
82 | | - |
83 | | -## Q14:训练时出现文件页面/内存error |
84 | | -进程开太多了，内存炸了。你可能可以通过如下方式解决<br> |
85 | | -1、"提取音高和处理数据使用的CPU进程数" 酌情拉低；<br> |
86 | | -2、训练集音频手工切一下，不要太长。<br> |
87 | | - |
88 | | - |
89 | | - |
| 1 | +## Q1:ffmpeg error/utf8 error. |
| 2 | + |
| 3 | +大概率不是ffmpeg问题，而是音频路径问题；<br> |
| 4 | +ffmpeg读取路径带空格、()等特殊符号，可能出现ffmpeg error；训练集音频带中文路径，在写入filelist.txt的时候可能出现utf8 error；<br> |
| 5 | + |
| 6 | +## Q2:一键训练结束没有索引 |
| 7 | + |
| 8 | +显示"Training is done. The program is closed."则模型训练成功，后续紧邻的报错是假的；<br> |
| 9 | + |
| 10 | +一键训练结束完成没有added开头的索引文件，可能是因为训练集太大卡住了添加索引的步骤；已通过批处理add索引解决内存add索引对内存需求过大的问题。临时可尝试再次点击"训练索引"按钮。<br> |
| 11 | + |
| 12 | +## Q3:训练结束推理没看到训练集的音色 |
| 13 | +点刷新音色再看看，如果还没有看看训练有没有报错，控制台和webui的截图，logs/实验名下的log，都可以发给开发者看看。<br> |
| 14 | + |
| 15 | +## Q4:如何分享模型 |
| 16 | + rvc_root/logs/实验名 下面存储的pth不是用来分享模型用来推理的，而是为了存储实验状态供复现，以及继续训练用的。用来分享的模型应该是weights文件夹下大小为60+MB的pth文件；<br> |
| 17 | + 后续将把weights/exp_name.pth和logs/exp_name/added_xxx.index合并打包成weights/exp_name.zip省去填写index的步骤，那么zip文件用来分享，不要分享pth文件，除非是想换机器继续训练；<br> |
| 18 | + 如果你把logs文件夹下的几百MB的pth文件复制/分享到weights文件夹下强行用于推理，可能会出现f0，tgt_sr等各种key不存在的报错。你需要用ckpt选项卡最下面，手工或自动（本地logs下如果能找到相关信息则会自动）选择是否携带音高、目标音频采样率的选项后进行ckpt小模型提取（输入路径填G开头的那个），提取完在weights文件夹下会出现60+MB的pth文件，刷新音色后可以选择使用。<br> |
| 19 | + |
| 20 | +## Q5:Connection Error. |
| 21 | +也许你关闭了控制台（黑色窗口）。<br> |
| 22 | + |
| 23 | +## Q6:WebUI弹出Expecting value: line 1 column 1 (char 0). |
| 24 | +请关闭系统局域网代理/全局代理。<br> |
| 25 | + |
| 26 | +这个不仅是客户端的代理，也包括服务端的代理（例如你使用autodl设置了http_proxy和https_proxy学术加速，使用时也需要unset关掉）<br> |
| 27 | + |
| 28 | +## Q7:不用WebUI如何通过命令训练推理 |
| 29 | +训练脚本：<br> |
| 30 | +可先跑通WebUI，消息窗内会显示数据集处理和训练用命令行；<br> |
| 31 | + |
| 32 | +推理脚本：<br> |
| 33 | +https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/myinfer.py<br> |
| 34 | + |
| 35 | +例子：<br> |
| 36 | + |
| 37 | +runtime\python.exe myinfer.py 0 "E:\codes\py39\RVC-beta\todo-songs\1111.wav" "E:\codes\py39\logs\mi-test\added_IVF677_Flat_nprobe_7.index" harvest "test.wav" "weights/mi-test.pth" 0.6 cuda:0 True<br> |
| 38 | + |
| 39 | +f0up_key=sys.argv[1]<br> |
| 40 | +input_path=sys.argv[2]<br> |
| 41 | +index_path=sys.argv[3]<br> |
| 42 | +f0method=sys.argv[4]#harvest or pm<br> |
| 43 | +opt_path=sys.argv[5]<br> |
| 44 | +model_path=sys.argv[6]<br> |
| 45 | +index_rate=float(sys.argv[7])<br> |
| 46 | +device=sys.argv[8]<br> |
| 47 | +is_half=bool(sys.argv[9])<br> |
| 48 | + |
| 49 | +## Q8:Cuda error/Cuda out of memory. |
| 50 | +小概率是cuda配置问题、设备不支持；大概率是显存不够（out of memory）；<br> |
| 51 | + |
| 52 | +训练的话缩小batch size（如果缩小到1还不够只能更换显卡训练），推理的话酌情缩小config.py结尾的x_pad，x_query，x_center，x_max。4G以下显存（例如1060（3G）和各种2G显卡）可以直接放弃，4G显存显卡还有救。<br> |
| 53 | + |
| 54 | +## Q9:total_epoch调多少比较好 |
| 55 | + |
| 56 | +如果训练集音质差底噪大，20~30足够了，调太高，底模音质无法带高你的低音质训练集<br> |
| 57 | +如果训练集音质高底噪低时长多，可以调高，200是ok的（训练速度很快，既然你有条件准备高音质训练集，显卡想必条件也不错，肯定不在乎多一些训练时间）<br> |
| 58 | + |
| 59 | +## Q10:需要多少训练集时长 |
| 60 | + 推荐10min至50min<br> |
| 61 | + 保证音质高底噪低的情况下，如果有个人特色的音色统一，则多多益善<br> |
| 62 | + 高水平的训练集（精简+音色有特色），5min至10min也是ok的，仓库作者本人就经常这么玩<br> |
| 63 | + 也有人拿1min至2min的数据来训练并且训练成功的，但是成功经验是其他人不可复现的，不太具备参考价值。这要求训练集音色特色非常明显（比如说高频气声较明显的萝莉少女音），且音质高；<br> |
| 64 | + 1min以下时长数据目前没见有人尝试（成功）过。不建议进行这种鬼畜行为。<br> |
| 65 | + |
| 66 | +## Q11:index rate干嘛用的，怎么调（科普） |
| 67 | + 如果底模和推理源的音质高于训练集的音质，他们可以带高推理结果的音质，但代价可能是音色往底模/推理源的音色靠，这种现象叫做"音色泄露"；<br> |
| 68 | + index rate用来削减/解决音色泄露问题。调到1，则理论上不存在推理源的音色泄露问题，但音质更倾向于训练集。如果训练集音质比推理源低，则index rate调高可能降低音质。调到0，则不具备利用检索混合来保护训练集音色的效果；<br> |
| 69 | + 如果训练集优质时长多，可调高total_epoch，此时模型本身不太会引用推理源和底模的音色，很少存在"音色泄露"问题，此时index_rate不重要，你甚至可以不建立/分享index索引文件。<br> |
| 70 | + |
| 71 | +## Q11:推理怎么选gpu |
| 72 | +config.py文件里device cuda:后面选择卡号；<br> |
| 73 | +卡号和显卡的映射关系，在训练选项卡的显卡信息栏里能看到。<br> |
| 74 | + |
| 75 | +## Q12:如何推理训练中间保存的pth |
| 76 | +通过ckpt选项卡最下面提取小模型。<br> |
| 77 | + |
| 78 | + |
| 79 | +## Q13:如何中断和继续训练 |
| 80 | +现阶段只能关闭WebUI控制台双击go-web.bat重启程序。网页参数也要刷新重新填写；<br> |
| 81 | +继续训练：相同网页参数点训练模型，就会接着上次的checkpoint继续训练。<br> |
| 82 | + |
| 83 | +## Q14:训练时出现文件页面/内存error |
| 84 | +进程开太多了，内存炸了。你可能可以通过如下方式解决<br> |
| 85 | +1、"提取音高和处理数据使用的CPU进程数" 酌情拉低；<br> |
| 86 | +2、训练集音频手工切一下，不要太长。<br> |
| 87 | + |
| 88 | + |
| 89 | +## Q15:如何中途加数据训练 |
| 90 | +1、所有数据新建一个实验名；<br> |
| 91 | +2、拷贝上一次的最新的那个G和D文件（或者你想基于哪个中间ckpt训练，也可以拷贝中间的）到新实验名；下<br> |
| 92 | +3、一键训练新实验名，他会继续上一次的最新进度训练。<br> |
| 93 | + |
0 commit comments