在之前的帖子中大概了解了GPT-So-VITS推理的用法
GPT模型主要控制语言习惯，sovits模型主要控制音色，参考音频同样提供音色、语气的参考，辅助参考音频主要提供音色以固定或融合音色
所以对于ai骚麦来说，我的重点放了在GPT模型和参考音频上，如果能采用质量和数量都比较好的五言和七言的骚麦切片，就能炼出一个语调和断句习惯偏向骚麦的特化版
但是实操的时候发现问题，主要在于目前流出的骚麦，绝大部分都是杏吧骚麦，以苮儿为主，而且bgm聒噪，音频质量欠佳。近期流出的其他骚麦又因为量比较少暂时没有考虑，所以硬着头皮试了试
关于小苮儿和骚麦的AI模型，我大致的思路是先筛选素材，很多比较远古的素材音质太差，去掉bgm和混响之后基本不能用，所以干脆用了最近流出的熟女声线的骚麦，处理完之后勉强能听，但是仍然留有比较明显的dj鼓点和人声的缺失
同时听过的老哥都知道，苮儿基本是一人多役，声线很多很难摘出来
所以除了熟女声线的骚麦外，我还挑了几首夹子音的骚麦和短篇有声，炼了个普通的模型
最后实际效果如下：
念白模型是夹子音，由于素材处理的比较干净，最终效果比较好，很少有电音的情况，偶尔会加一两声带电音的喘息，勉强能用。
骚麦模型是熟女音，由于dj鼓点贴近声线，导致处理不干净并且人声丢失，最终效果很不理想，电音的情况很严重
但是推测的方向是对的，采用骚麦模型和夹子声线，同时挑一些干净的骚麦片段作为参考音频，用夹子声线的片段做辅助参考来固定音色，这样可以最大程度的在使声音“不那么漏电”的情况下，让语调和断句向骚麦的方向靠拢
实际效果是更偏向于在五字或七字断句，同时最后一个字的语调上扬，虽然没有完全成功的变成骚麦的形式，但是听感已经比较有区别了，具体可以见试听音频，我会连同模型一起放到压缩包里
因为我是懒狗，没有认真筛选处理素材，也没校对打标，希望各位大佬有时间的话可以验证一下这个猜想
1.31已补，后缀rar
GPT模型主要控制语言习惯，sovits模型主要控制音色，参考音频同样提供音色、语气的参考，辅助参考音频主要提供音色以固定或融合音色
所以对于ai骚麦来说，我的重点放了在GPT模型和参考音频上，如果能采用质量和数量都比较好的五言和七言的骚麦切片，就能炼出一个语调和断句习惯偏向骚麦的特化版
但是实操的时候发现问题，主要在于目前流出的骚麦，绝大部分都是杏吧骚麦，以苮儿为主，而且bgm聒噪，音频质量欠佳。近期流出的其他骚麦又因为量比较少暂时没有考虑，所以硬着头皮试了试
关于小苮儿和骚麦的AI模型，我大致的思路是先筛选素材，很多比较远古的素材音质太差，去掉bgm和混响之后基本不能用，所以干脆用了最近流出的熟女声线的骚麦，处理完之后勉强能听，但是仍然留有比较明显的dj鼓点和人声的缺失
同时听过的老哥都知道，苮儿基本是一人多役，声线很多很难摘出来
所以除了熟女声线的骚麦外，我还挑了几首夹子音的骚麦和短篇有声，炼了个普通的模型最后实际效果如下：
念白模型是夹子音，由于素材处理的比较干净，最终效果比较好，很少有电音的情况，偶尔会加一两声带电音的喘息，勉强能用。
骚麦模型是熟女音，由于dj鼓点贴近声线，导致处理不干净并且人声丢失，最终效果很不理想，电音的情况很严重
但是推测的方向是对的，采用骚麦模型和夹子声线，同时挑一些干净的骚麦片段作为参考音频，用夹子声线的片段做辅助参考来固定音色，这样可以最大程度的在使声音“不那么漏电”的情况下，让语调和断句向骚麦的方向靠拢
实际效果是更偏向于在五字或七字断句，同时最后一个字的语调上扬，虽然没有完全成功的变成骚麦的形式，但是听感已经比较有区别了，具体可以见试听音频，我会连同模型一起放到压缩包里
因为我是懒狗，没有认真筛选处理素材，也没校对打标，希望各位大佬有时间的话可以验证一下这个猜想
1.31已补，后缀rar
此帖售价 0 SP币,已有 508 人购买
若发现会员采用欺骗的方法获取财富,请立刻举报,我们会对会员处以2-N倍的罚金,严重者封掉ID!
已补，没想到炸的这么快
