Модель SoVITS для преобразования вокального аудио в голос Milky Green.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
Milky Green (明前奶绿) SoVITS — модель преобразования вокала, построенная на подходе SoftVC VITS Singing Voice Conversion. Разработчик репозитория — sparanoid. Модель предназначена для конвертации пения в другой голос; варианты covers_ обучены на потоках с пением и рекомендованы автором, а vocals_ обучены на разговорной речи и не рекомендуются из-за недостаточной чистоты данных.
Модель принимает и выдаёт аудио. В метаданных указаны китайский, английский и японский языки. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Размер модели и длина контекста в доступных данных не указаны.
Варианты vocals_ обучены на недостаточно чистых данных разговорной речи и автором не рекомендуются; рекомендованы модели covers_, обученные на потоках с пением.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Обработка «аудио → аудио» пока не поддерживается.