AI孙燕姿：sovitssvc4.0歌曲翻唱工具整合包下载及安装部署教程

最近AI孙燕姿大火，网上出现了很多高清的翻唱歌曲，可以说翻唱效果和原唱一模一样，其实就是so-vits-svc这个工具的产物，它可以将一首歌的音色换成另外一个人的音色，就像这首歌被别人翻唱了一样。大致实现原理就是，使用so-vits-svc这个工具先提取出你的声音的音色训练成模型，然后提取某个歌曲去音效的人声，通过so-vits-svc将原歌曲人声转换成你的人声，再配上音效，这样这首歌就翻唱完成了。下面讲一下本地部署so-vits-svc实现AI孙燕姿翻唱歌曲的具体操作流程。

首先安装so-vits-svc，github项目地址：https://github.com/svc-develop-team/so-vits-svc，大神的话可以根据项目里说明稳定安装。这里我们使用一键安装包，方便快捷，对新手小白上手比较简单，下面教程使用版本01的so-vits-svc一键启动包，压缩包下载到电脑上解压。双击运行【启动webui.bat】，即可启动so-vits-svc操作页面。

接下来准备高清声音素材，如果能有录音棚一样录制高清音频环境的话最好，如果录制的音频不够高清，可以使用uvr5来提取高清人声，github项目地址：https://github.com/Anjok07/ultimatevocalremovergui，是什么系统就下载什么系统的应用。下载到电脑上之后安装uvr5.

安装完成后运行uvr5，选择待处理音频文件，选择输出文件夹，选择只保留人声，其它选项按如图所示选择即可。然后点击【start processing】.这个操作会用到电脑的CPU和显卡，不要一次性处理时长太长的音频，比如时长超过20分钟了，否则会导致显存不足处理失败。

声音原声处理完成后，音频文件时长一般比较长，我们需要将音频文件切割成5-10秒左右的短音频，方便系统处理提高精确度与效率。我们使用audio slicer切割音频文件，github项目地址：https://github.com/flutydeer/audio-slicer。左侧导入待分割音频文件，选择输出目录，然后点击右下角start开始分割。

然后打开webui页面，点击训练，然后点击识别数据集按钮，就可以识别出刚才创建的文件夹了。

然后点击【数据预处理】按钮，对声音进行预处理。这个需要一定的时间，这个过程CPU和GPU同时使用，处理完了没有提示错误信息就可以了。然后点击写入配置文件，参数保持默认即可。

然后接下来就可以开始训练了，点击【从头开始训练】按钮，就可以开始训练模型了，这是一个漫长的过程。

如果出现memory错误提示，就是显存不足，可以调低batch_size的值，打开app.py，按ctrl+F搜索batch_size，将后面value的值调小，6G显存建议不超过4，值越大训练速度越快，但是对显存要求也越高。可以根据自己的显存大小适当调整，如果你的显存连6G都达不到的话建议不要在自己电脑上训练模型了，可以看我的云端部署教程，在云GPU上训练。

如果提示你logs\44k\D_0.pth错误，可以将logs\44k文件夹内的D_0.pth和G_0.pth删除，然后再点击开始训练。

训练步数越大越好，建议不要低于2万步，训练完成后点击【训练聚类模型】，这个过程大约几分钟，只占用CPU，不会使用GPU。

然后点击推理-刷新选项，选择模型，配置文件，聚类模型，然后点击加载模型

模型加载成功后，上传一个只有人声的音频，其它设置保持默认就可以了，然后点击音频转换。

注意，音频转换对显卡显存要求同样很高。如果显存过低的话很容易报错，尽量缩短音频时长。

输出信息Success就是转换完成了，原来音频里的声音已经转换成了你模型里的声音，可以播放试听转换效果。

这里提醒大家，不要使用他人声音训练，不要使用未授权的数据集训练。有想体验一下的可以去试试吧。

如果自己的电脑配置比较低可以查看另一篇云端部署教程：《AI孙燕姿：so-vits-svc-4.0 AutoDL云端部署训练模型转换歌曲详细教程》

原文：https://dyss.top/620