项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 644
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- GPU 12G 显存
- 干净人声数据 30 分钟以上
- 音色编码器权重
安装与启动步骤
-
1先分离伴奏
歌声转换要干净人声，先做伴奏分离再进流程。
-
2切片到三十秒内
它的特征提取器对长音频不友好，切片是必需步骤。
-
3按目录放数据
数据要按说话人分目录，一个歌手一个文件夹，文件名无所谓。
-
4装依赖与音色编码器
除 requirements 外还要单独下音色编码器权重，放错目录会报缺文件。
pip install -r requirements.txt -
5微调后做转换
用目标歌手数据微调，再把原唱转成目标音色，旋律节奏保持不变。
如何确认成功
转换后旋律与节奏不变，音色明显接近目标歌手
注意事项
- README 明确说自身未完整实现 LoRA，实际是适配器式微调，别被名字误导。
- 数据质量比时长重要，带混响或伴奏残留会污染音色。
- 克隆他人音色需授权，商用风险更高。
- 几十分钟干净数据就能出效果，是它相对传统方案的优势。
核心亮点
- 基于 Whisper 语义特征，转换后歌词清晰度较高
- LoRA 微调参数量小，训练资源需求低，适合个人使用
- 提供完整训练与推理流程，上手门槛相对较低
不足之处
- 音色克隆质量依赖训练数据质量，噪音数据影响大
- 实时性一般，推理速度受模型复杂度限制
- 文档/社区待观察
适用场景
- 个人音乐创作中快速模仿歌手音色
- 二次创作或翻唱时替换人声为指定音色
- 研究歌声转换与音色克隆的学术实验
替代项目
so-vits-svc、RVC (Retrieval-based Voice Conversion)、DiffSVC
上一篇：SuperPiano
下一篇：EvoControl
同类项目推荐
doc-to-lora
开源
让大模型随时记住新知识，不用重训
Hypernetworks that update LLMs to remember factual information
MoE-plus-plus
开源
零计算专家，让MoE模型更快更省，性能不减
[ICLR 2025] MoE++: Accelerating Mixture-of-Experts Methods with Zero-Computation Exp···
lora-scripts
开源
傻瓜式训练 Stable Diffusion 模型，点点鼠标就能炼出专属 LoRA
SD-Trainer. LoRA & Dreambooth training scripts & GUI use kohya-ss's trainer, for dif···
ToolOrchestra
开源
用强化学习训练模型更聪明地调用工具、编排工作流
ToolOrchestra is an end-to-end RL training framework for orchestrating tools and age···
traceml
开源
一键诊断 PyTorch 训练瓶颈，提升 GPU 利用率
Find why PyTorch training is slow, compare runs, and catch performance regressions i···
ml-mdm
开源
用更少数据和算力，训出高质量文生图模型
Train high-quality text-to-image diffusion models in a data & compute efficient mann···
PSEC
开源
让AI智能体像搭积木一样，在参数空间里不断学习新技能、组合旧技能，应对新挑战。
[ICLR 2025] The offical implementation of "PSEC: Skill Expansion and Composition in ···
llemr
开源
把病历变成指令，微调大模型看懂医疗数据
NeurIPS'24 DB (Spotlight) | Instruction Tuning Large Language Models to Understand E···
SPO
开源
分步优化扩散模型，让AI生图更懂审美
[CVPR 2025] Aesthetic Post-Training Diffusion Models from Generic Preferences with S···