AiMusicLab-SVC-WebUI镜像

在线AI翻唱SVC训练，本地般丝滑体验，支持上传压缩文件，支持网页端打包训练好的模型并下载，无需命令行，由网页端自动处理，支持网页端一键清空训练缓存，追求的就是高效率

镜像信息

基于bilibili@羽毛布団 SVC 4.1-Stable v2.3.18 整合包搭建
本镜像由：AiMusicLab@乔大峰搭建并且完全免费，请勿用于商业活动或引流目的

功能支持

无需复制ip地址，直接点击公网ip链接访问WebUI
推理界面底部支持一键打包选中的训练好的模型
支持导入zip直接分片时自动输出到训练目录
支持分片时自动对文件进行降噪并后台做响度统一
修复网页端推理单个文件时接口超时的问题
支持网页端批量推理（将文件放置在指定目录即可）
除训练素材上传、批量推理外，其他功能均已在网页端实现
增加停止训练主模型和扩散模型按钮，不需要按ctrl+c结束
训练过程中自动保存模型的文件名在训练步数后面增加了reference_loss参数
模型联动选择，模型和配置文件只需要同样编号开头(如1.xxx.pt)，即可一键选择
新增“清空训练环境”功能，一键清理所有训练相关数据

使用方法：

立即部署这个镜像

点击访问镜像链接：一键部署:SVC-WebUI

在此页面右侧点击使用该镜像创建实例

在新页面选择配置以及付费方式后，点击立即部署

开机后，等待左侧显示运行中。再等待1分钟左右，再点击JupyterLab按钮如下图,如果弹出的页面没反应，继续等待，然后刷新页面，还是不行点旁边的重启，重新来一次。

1. 启动 WebUI 和 TensorBoard(可选，非必须)

运行 WebUI： 点击快速开始.ipynb标签，点击选中启动webui的代码框，前面会出现一条蓝色方块(🟦)，在窗口上面的工具栏，有一个像“播放”符号（▶）的按钮，点它！

等待片刻

控制台会输出一个公网IP链接，点击即可访问WebUI界面。

运行 TensorBoard (可选，用于查看训练曲线)： 点击启动ensorBoard.ipynb标签，点击选中启动tensorboard的代码框，前面会出现一条蓝色方块(🟦)，在窗口上面的工具栏，有一个像“播放”符号（▶）的按钮，点它！
等待片刻
控制台会输出一个公网IP链接，点击即可访问TensorBoard界面。

2. 导入训练素材

根据您的素材类型，选择以下导入方法：

训练素材种类a: 如果你有已经切片的音频文件：

a.1 如果素材是压缩文件 (.zip)：

上传压缩包： 将包含您已切片音频的 .zip 压缩包上传到以下目录： /workspace/workdir/so-vits-svc/dataset_raw/
- 压缩包内部结构要求：
- 推荐： 压缩包内应该包含一个文件夹（例如 /speaker0/），speaker0 文件夹内是已经切片5-15秒左右的wav格式音频文件。
- 示例：
```
your_dataset.zip
├───speaker0/
│   ├───audio_001.wav
│   ├───audio_002.wav
│   └───...
```
在 WebUI 中识别数据集：
- 在 WebUI 界面中，切换到 训练 标签页。
- 点击 识别数据集 按钮 (主要按钮)。
- 系统会自动检测 /workdir/so-vits-svc/dataset_raw/ 目录下的 .zip 文件。
- 解压逻辑：
  - 如果 /workdir/so-vits-svc/dataset_raw/ 目录下没有其他说话人目录，系统会自动解压最新日期的 .zip 文件。
  - 解压后，所有 .wav 音频文件将被统一移动到 /workdir/so-vits-svc/dataset_raw/speaker0/ 目录下，并重命名为 file_0000.wav, file_0001.wav 等规范格式。
  - 原始 .zip 文件将被删除。
- 在 原始数据集目录识别结果 文本框中，您应该看到类似 数据集识别通过，找到以下说话人目录：speaker0 的信息。

a.2 如果素材是目录（已解压）下的音频文件：

上传文件： 在/workdir/so-vits-svc/dataset_raw/下面新建说话人目录，（例如 my_speaker_data）将您已切片音频上传到以下目录： /workdir/so-vits-svc/dataset_raw/my_speaker_data/ 目录内部结构要求：
- 您的文件夹名称应只包含英文、数字、下划线。
- 文件夹内直接是 .wav 音频文件。
- 示例：
```
dataset_raw/
└───my_speaker_data/
    ├───audio_001.wav
    ├───audio_002.wav
    └───...
```

在 WebUI 中识别数据集： * 在 WebUI 界面中，切换到 训练 标签页。 * 点击 识别数据集 按钮 (主要按钮)。 * 在 原始数据集目录识别结果 文本框中，您应该看到类似 数据集识别通过，找到以下说话人目录：my_speaker_data 的信息。 *

训练素材种类b：如果你有没有切片的原唱干声（原始音频）：

上传原始音频： 将您的原始音频文件（例如歌曲干声、录音等）上传到以下目录： /workspace/workdir/so-vits-svc/a_slicer_fold/
- 您可以直接上传音频文件，也可以是一个 .zip 压缩包。
切片方法：
- 运行WebUI。
- 在 WebUI 界面中，切换到 小工具/实验室特性 标签页。
- 点击 智能音频切片 子标签。
- 在 原始音频文件夹 输入框中，确保路径为 /workspace/workdir/so-vits-svc/a_slicer_fold/ (通常默认就是)。
- 点击 加载原始音频 按钮 (主要按钮)。系统会识别 a_slicer_fold/ 中的文件，并自动为您建议一个 输出目录 (例如 dataset_raw/speaker0)。
- （可选）配置降噪： 如果您的原始音频有背景噪音，可以展开 人声降噪设置。
  - 勾选 启用降噪。
  - 重要： 调整 噪声估计起始秒数 和 噪声估计结束秒数，确保该时间段内只有纯背景噪音，没有人声。
  - 调整 噪声过减因子 (Alpha) 和 噪声地板因子 (Beta) (通常默认值即可)。
  - 点击 应用降噪设置 按钮 (主要按钮) 保存配置。
- 调整 切片的最长秒数 和 切片的最短秒数 (推荐默认值 15 和 4)。
- 点击 开始切片 按钮 (主要按钮)。
- 切片完成后，在 输出信息 中会显示切片结果的统计信息。切片后的音频将自动保存到 dataset_raw/speaker0/ 目录下。

3. 数据预处理与训练

数据预处理：
- 在 WebUI 界面中，切换到 训练 标签页。
- 确认 原始数据集目录识别结果 显示正确。
- 选择 选择训练使用的编码器 和 选择训练使用的f0预测器。
- 根据需要勾选 是否使用浅扩散模型、是否启用响度嵌入和音量增强、是否启用TINY训练。
- 点击 数据预处理 按钮 (主要按钮)。
- 等待预处理完成，并检查 预处理输出信息 是否有报错。
写入配置文件：
- 在 训练 标签页，检查并调整 填写训练设置和超参数 部分的参数（例如 批量大小、学习率 等）。
- 如果需要训练扩散模型，展开 扩散模型配置 并调整相关参数。
- 点击 写入配置文件 按钮 (主要按钮)。
开始训练：
- 点击 从头开始训练 按钮 (主要按钮) 或 继续上一次的训练进度 按钮 (主要按钮)。
- 如果需要训练扩散模型，点击 从头训练扩散模型 按钮 (主要按钮) 或 继续训练扩散模型 按钮 (主要按钮)。
- 训练将在后台进行，您可以在运行 WebUI 的终端窗口查看训练日志，或通过 TensorBoard 监控训练进度。