TGTGInsighttelegram intelligenceLIVE / telegram public index
TGINSIGHT POST
Post #778
@nnnoteee
记
Post content
Post content
#酷 - 推理时漏字多，就用低轮数的GPT模型 - 音色不像就换SoVITS模型 - 一般GPT模型训练10轮，SoVITS模型训练15轮，更多轮数提升不大，甚至更差 - 手动打标能提升效果 - 音频切分后手动去切完的文件夹看一下，是不是有超过10秒的音频，有超过10秒的音频会导致显存暴涨，全部低于10秒时显存占用8g左右，有超过10秒的显存占用16g占用，可以直接删掉或手动再单独切一下 - 降噪和人声分离不是必须的， 降噪会降低音量 - 训练音频总长10min就可以了，超过1小时过拟合了