本篇教程将会为大家详细讲解如何从零获取新声线，包括以下步骤：0）下载安装语音转换软件：So-VITS-SVC 4.1

1）准备原始音源；

2）音源处理；

3）音源预训练；

4）扩散模型训练；

5）主体模型训练；

6）整理归档。

还会为大家带来使用使用So-VITS-SVC的【静态声线融合】功能组合声线的方法。

一、从零开始训练模型

0、下载安装语音转换软件：So-VITS-SVC 4.1

点击下方链接可查看原作者教程：

整合包下载和使用指南：

1、准备原始音源

如果是从零开始的音源（如从电视剧、听书、游戏中获取），使用音频软件将背景音乐分离，获得干净的人声片段即可。这个过程非常繁琐耗时，且音频质量与最终训练的效果直接正相关。（有侵权风险，请谨慎使用！）

2、音源处理

将原始音源命名为1.wav-10.wav（路径、文件名不要有中文和空格之类的），使用之前所推荐的切片工具Slicer-gui，将原始音源所在的文件夹下所有文件进行切割，输出到一个新建文件夹。这个新建的文件夹建议以说话人的名字命名（如Noelle）。

切片工具指路：

3、音源预训练

将切好一大堆小wav的文件夹（如Noelle），剪切到dataset_raw文件夹下（如：sovits/dataset_raw/Noelle）。在“训练”标签下，点击识别数据集，如果能正确找到文件夹，就可以设置参数进行预训练。

参数：编码器：vce768|12，f0预测器：rmvpe，勾选使用浅扩散模型，线程数量设置为2（显存小于12G的建议就设置为1）。

参数设置好后，先点击“重新生成配置文件”，再点击“数据预处理”。如无问题，就会开始进行预处理，时间大约在20分钟左右。

4、扩散模型训练

预处理结束后，建议先训练扩散模型（因为速度比较快）。在扩散模型配置部分设置好参数（勾选只训练100步，调整为每1000步保存一次，其他不用改），点击“从头训练扩散模型”，就会开始训练。

这个训练窗口不会自动停止，观察训练了2000步（即step:2000）以上后，直接关闭即可。

5、主体模型训练

设置主题训练的参数：每隔1000步保存一次模型；加载所有数据集到内存中。点击“写入配置文件”，最后点击“从头开始训练”就可以开始训练了。

这个训练窗口不会自动停止，建议训练8000步以上再关闭。根据经验，训练时间越久越好，挂一晚上也是可以的。最低不建议低于8000步。训练觉得差不多了关闭训练窗口即可。

开始训练后的页面：

训练到200步时，会自动保存一次日志：

6、整理归档

在sovits/logs/44k/文件夹下可以找到训练的成果。G_数字.pth，就是训练结果的主模型，比如8000步就是G_8000.pth；config.json是配置文件；diffusion文件夹下的.pt文件（如model_2000.pt）是扩散模型，config.ymal是扩散模型的配置文件。把这4个文件重命名，存到自己的文件夹，就算完成了训练。

当需要使用的时候，把这些文件放到models文件夹下的正确位置（.pt格式的文件需要放在models/diffusion文件夹下，其他三个文件放在models文件夹下）

二、组合声线

另有一个灰色的小方法，就是使用So-VITS-SVC的【静态声线融合】功能，将2~4个声线模型组合起来，这样就可以得到差异化的声线模型。具体步骤如下：

①双击桌面文件Sovits 4.1 WebUI，会在浏览器中打开Gradio页面。

②选择“小工具/实验室特性”，点击“选择需要混合模型文件”区域，会弹出文件夹，找到so-vits-svc文件夹下models文件夹，在里面选择你要混合的模型文件（xx.pth）。

③待混合的模型加载完毕后，在混合比例调整区域内，调整每个模型的占比，使其相加=100。

④点击“声线融合启动”，稍等一会儿，就在so-vits-svc文件夹下生成一个output.pth，这个就是混合后的模型，将其重命名，并剪切到model文件夹中。

⑤回到Gradio页面，选择“推理”，模型选择选刚刚的模型，配置文件选你用来合成模型的.json文件（一般选占比最多的，不同模型的.json出来的效果有一定差别）。选择扩散模型选你用来合成的扩散模型（如果用的模型都没扩散，可不选，不同扩散效果也有差别）。

⑥全部选好后，传一段音频上去，变音试听，检查是否是想要的效果，不符合要求就继续调整（调整混合比例，更换混合模型等），直到调出想要的效果。