48K アイリモ:とてもクリーンで女の子らしい声のRVCモデル

タイトルが示す通り、このモデルは現在利用可能なすべてのモデルの中で最も「疲弊」するこの生データセットのノイズを処理しています。

多くの錬金術師はモデルのトレーニング時にワンクリックでノイズ除去にAIを用いており、これは現在最も広く使われている方法ですが、その結果、モデルの出力はしばしば低く、さまざまな種類のノイズが発生します。

私は

純粋に手作りのAi+を使い、呼吸音まで処理し、ほとんどの元の音を推測しましたが、結果は非常に良好でした。

しかし!

現状でも笑い声の部分を訓練できていません。似たトーンで笑いを「錬金術」として処理してみましたが、効果はうまくいきませんでした。その後、元のデータセットの笑い声を推論に組み込みましたが、問題がありました。そこで、実際のモデルが真の「笑い」モデルを作る必要があるなら、元のデータセットに大量の表現が必要だと結論づけました。

そして笑いには多くの種類があります。元のデータセットでは、現在人気のある「笑い」のいくつかが混ざり合っています。例えば「ふん!」と。 ふん! ~" 「hh」など、出力効果はまだまずまずですが、このモデルではそのような自然な笑顔を支えるのは難しいです。

そのためには後半段階で十分かつ多様な音色表現を集め

る必要があります。

AIカバーにはこのモデルだけで十分です。伴奏なしで推論しても、効果は非常に良かったです。

モデルの推奨トーンはおおよそ-3から5の間で、ご自身のニーズに応じて調整可能です。

呼吸音などは問題なく、「zi」音はなく、曲の理由付けもよく説明されています。

効果は人それぞれです。だからといって、あなたの成果が私が示すものと全く同じとは限りません。

私はGoogle Cloudからコピーをアップロードしましたし、Googleからもダウンロードできます。