全部笔记 / 筛选视图
2026 年 09 月
-
训练可不(KAFU)中文说话音色:CeVIO 曲谱导出、真人独白混训与双参考推理
用歌声切片训练 GPT-SoVITS 说话模型会导致韵律呆板(F0 标准差仅 0.7–1.3)。记录从生成 MusicXML 导入 CeVIO AI 批量导出干声、UVR5/MDX 去伴奏与 120Hz 高通滤波,到混入真人独白训练 v4 模型并用双参考音频将 F0 std 提升到 8.4+ 的全过程。
全部笔记 / 筛选视图
用歌声切片训练 GPT-SoVITS 说话模型会导致韵律呆板(F0 标准差仅 0.7–1.3)。记录从生成 MusicXML 导入 CeVIO AI 批量导出干声、UVR5/MDX 去伴奏与 120Hz 高通滤波,到混入真人独白训练 v4 模型并用双参考音频将 F0 std 提升到 8.4+ 的全过程。