Closed scriptboy1990 closed 9 months ago
没有改动
喔,意思是原始的vits就支持几十秒的声音就可以克隆吗。
没有改动
喔,意思是原始的vits就支持几十秒的声音就可以克隆吗。
克隆主要看底模的能力,底模数据和多样性大克隆的效果就好。如果在原版Vits上更换一个支持多语种的文本前端然后用大量数据训练一个底模出来效果也会很好的。 这个repo除了模型以外的改动还挺多的,比如更方便的数据处理,更少的报错等等,原版Vits坑很多,这个部署起来容易多了。
克隆一般是在多说话人的底模上微调吗。
没有改动