svc-develop-team/so-vits-svc

[Help]: 底模训练时长求助

Open

#112 ouverte le 2 avr. 2023

Voir sur GitHub
 (11 commentaires) (0 réactions) (0 assignés)Python (4 513 forks)batch import
help wanted

Métriques du dépôt

Stars
 (23 713 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

请勾选下方的确认框。

  • 我已仔细阅读README.md和wiki中的Quick solution。
  • 我已通过各种搜索引擎排查问题，我要提出的问题并不常见。
  • 我未在使用由第三方用户提供的一键包/环境包。

系统平台版本号

Ubuntu

GPU 型号

3090

Python版本

3.9

PyTorch版本

1.13

sovits分支

4.0(默认)

数据集来源（用于判断数据集质量）

多个开源的单人歌声数据集，质量较高

出现问题的环节或执行的命令

训练

问题描述

我需要训练一个16K采样率的底模，使用了混合说话和歌声数据集，总共30000多条数据，训练到200K步，Mel loss到了在14左右，推理时有电流音。请问一下底模训练时使用了多大规模的数据，训练了多久，Mel loss到了多少呢

日志

无

截图so-vits-svc、logs/44k文件夹并粘贴到此处

image

补充说明

hop size = 320 upsample = 10,4,2,2,2 sigment size = 8960

Guide contributeur

Direction de recherche
L'utilisateur demande des informations sur les tailles typiques des ensembles de données d'entraînement et les valeurs de perte Mel pour l'entraînement du modèle de base dans so vits svc. Pour fournir des conseils, consultez le wiki du dépôt ou la documentation d'entraînement pour les tailles d'ensembles de données recommandées et les étapes d'entraînement. Examinez d'autres issues fermées ou discussions où les paramètres d'entraînement ont été discutés. La taille de saut (hop size) et la configuration de suréchantillonnage sont fournies ; comparez les avec les configurations par défaut du dépôt (par exemple, configs/44k.json). Considérez également que l'utilisateur utilise Ubuntu avec un GPU 3090 et Python 3.9.
Stack technique
pythonpytorch
Domaine
machine learning
Type d'issue
Recherche
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
PythonPyTorch
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
70