RVC 训练 total_epoch 怎么根据训练集音质与时长选择【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI在 RVCRetrieval-based-Voice-Conversion-WebUI里训练一个音色模型时总训练轮数total_epoch是 step3 训练设置中最影响效果的参数之一。项目自带的 FAQ 给出了明确的取值原则取值取决于训练集的音质和时长而不是一味调大。本文说明这两类训练集分别该怎么设以及在 WebUI 里如何填、怎么确认训练完成。先判断你的训练集属于哪一类docs/cn/faq.md 的 Q9 只给了两条分支先对照自己手里的数据训练集条件total_epoch 建议文档说明音质差、底噪大20~30 足够调太高也没用底模音质无法带高你的低音质训练集音质高、底噪低、时长多可以调高200 是 ok 的训练速度很快高音质训练集通常意味着显卡条件也不差多花训练时间问题不大时长上可以参考同一份 FAQ 的 Q10 来判断时长多的门槛推荐 10min 至 50min音质高、底噪低且音色统一时多多益善高水平训练集精简且音色有特色5min 至 10min 也可以。Q11 还补充了一条与total_epoch直接相关的结论训练集优质、时长多时可调高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index_rate也就不重要甚至可以不建立/分享 index 索引文件。判断路径先确认训练集音质和底噪水平再看时长是否达到 Q10 的推荐区间按上表落一个值。两类之外的极端数据如 1min 以下文档没有建议不建议参考。在 WebUI 中设置 total_epoch打开 WebUI 后训练选项卡分三步step1 填实验名、step2 处理数据集并提取音高与特征、step3 填写训练设置并训练。total_epoch在 step3 里webui.py 中对应的滑块范围是 2~1200默认值 20docs/cn/Changelog_CN.md 记录 20230409 版本将上限从 100 解锁到 1000、默认值从 10 提到 20。操作要点step2 完成后在 step3 的总训练轮数total_epoch滑块上按上表取值。同一行的保存频率save_every_epoch默认是 5即每隔若干 epoch 在logs/实验名/下保存一次G_xx.pth、D_xx.pth大检查点FAQ Q2 提到大 checkpoint 体积较大若只想保留最新一份可勾选是否仅保存最新的ckpt文件以节省硬盘空间。点击一键训练按钮会连续执行 step2b、训练模型和训练特征索引三步如果只想分步执行也可以点训练模型训练完成后再点训练索引。不经过 WebUI 命令行训练时total_epoch对应的参数是-te--total_epoch定义在 train/utils.py 中为必传整数参数。FAQ Q7 的提示是可先跑通 WebUI消息窗内会显示数据集处理和训练所用的命令行再照着改。确认训练完成与产物训练进入最后阶段时train/train.py 在 epoch 达到total_epoch后会输出日志训练已完成正在保存最终模型随后保存最终检查点并退出程序文档中的退出行为即 Q13 所说的训练结束。FAQ Q2 给出的成功判据是显示 Training is done. The program is closed. 则模型训练成功后续紧邻的报错是假的。训练结束后按用途检查两类产物rvc_root/logs/实验名/下的大 pth 文件存储实验状态用于复现和继续训练不用于分享推理FAQ Q4。weights文件夹下 60MB 的 pth 文件用于分享和推理的模型。如果只有大 checkpoint需用 ckpt 选项卡底部的ckpt小模型提取提取出小模型FAQ Q4。推理时用训练好的模型 index 文件验证效果若发现结果音色偏向底模/推理源而不是训练集属于 FAQ Q11 描述的音色泄露现象对应手段是调高index_rate或在训练集优质时长多的前提下提高total_epoch重训。两个边界情况中断与继续训练FAQ Q13现阶段只能关闭 WebUI 控制台双击 go-webui.bat 启动的那个窗口后重启程序网页参数需刷新重填用相同网页参数点训练模型会接着上次的 checkpoint 继续训练。所以第一次把total_epoch设低了也不用删实验重启后可接着继续。中途加数据FAQ Q15所有数据新建一个实验名把上一次最新的 G 和 D 文件拷贝到新实验名下再对新实验名一键训练会继续上次进度。注意 Q18 的警告不要中途变更采样率继续训练一定要变更就换实验名从头训练可以把上次提取的音高和特征 0/1/2/2b 文件夹拷过去加速。总结取值方法训练集音质差、底噪大total_epoch设 20~30别指望靠多训练轮次救音质。训练集音质高、底噪低、时长达到 10min 以上可以调高200 在文档中是明确可行的取值此时 index 文件甚至可以省略。设好后在 step3 填值并一键训练以 Training is done. The program is closed. 和weights下 60MB 的 pth 作为完成标志。【免费下载链接】Retrieval-based-Voice-Conversion-WebUIEasily train a good VC model with voice data 10 mins!项目地址: https://gitcode.com/GitHub_Trending/re/Retrieval-based-Voice-Conversion-WebUI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
