# Системная среда
Ubuntu 22.04 LTS
# Видеокарта
NVIDIA-SMI 470.182.03    Driver Version: 470.182.03    CUDA Version: 11.4
# pythonсреда
Python 3.10
# GPUсреда
Tesla T4 16G * 1
# CPUсреда
8 ядер	32GB

apt install ffmpeg        #Эта команда должна быть установлена ​​под пользователем root
pip install spleeter

mkdir spleeter && cd spleeter
mkdir raw
#Скачать модель
mkdir pretrained_models
wget -P pretrained_models https://github.com/deezer/spleeter/releases/download/v1.4.0/2stems.tar.gz
# Загрузка внутреннего VPS происходит слишком медленно, вы можете перейти по ссылке ниже.
# wget -P pretrained_models https://kgithub.com/deezer/spleeter/releases/download/v1.4.0/2stems.tar.gz
mkdir -p pretrained_models/2stems
tar -zxvf pretrained_models/2stems.tar.gz -C pretrained_models/2stems/

# тест
wget https://github.com/deezer/spleeter/raw/master/audio_example.mp3
spleeter separate -p spleeter:2stems -o output audio_example.mp3

output/
└── audio_example
    ├── accompaniment.wav # сопровождение
    └── vocals.wav   # человеческий голос

#!/bin/bash

# Создайте выходную папку, если она не существует.
mkdir -p audio_output

# Просмотрите файлы WAV в исходном каталоге.
for file in raw/*.wav; do

  # Проверьте, является ли тип файла MP3
  if [[ -f "$file" ]]; then
    echo "иметь дело с Файл: $file"

    # Извлечь имя файла (без расширения)
    filename=$(basename "$file" .wav)

    # используйте команду spleeter для разделения и сохранения в папке audio_output/
    spleeter separate \
        -o audio_output \
        "$file" \
        -f "$filename"_{instrument}.wav
  fi
  
done

echo «Разделение завершено!»

ubuntu@VM-0-12-ubuntu:~/spleeter$ tree audio_output/
audio_output/
├── 11_accompaniment.wav
├── 11_vocals.wav
├── 12_accompaniment.wav
├── 12_vocals.wav
├── 13_accompaniment.wav
└── 13_vocals.wav

0 directories, 6 files

pip librosa soundfile

import librosa
import soundfile
import random
import os

# Получить текущий рабочий каталог
cwd = os.getcwd()

# Установите каталог, в котором находится исходный аудиофайл, и каталог, в котором будет сохранен новый файл.
src_folder = os.path.join(cwd, 'audio_output')  # Каталог, в котором находится исходный аудиофайл
dst_folder = os.path.join(cwd, 'clips')  # Каталог для сохранения новых файлов

# Создать каталог для сохранения новых файлов
if not os.path.exists(dst_folder):
    os.makedirs(dst_folder)

# Просмотрите все wav-файлы в исходном каталоге.
for filename in os.listdir(src_folder):
    if filename.endswith("vocals.wav"):
        audio_path = os.path.join(src_folder, filename)
        print(f"Processing {audio_path}...")

        # Загрузить аудиофайлы
        audio, sr = librosa.load(audio_path, sr=None, mono=False)

        # Удалить тихую часть аудиофайла
        audio_trimmed, index = librosa.effects.trim(audio, top_db=20, frame_length=2048, hop_length=512)

        # Рассчитайте общую продолжительность и общее количество точек отбора проб.
        duration = len(audio_trimmed[0]) / sr
        total_samples = audio_trimmed.shape[-1]

        # Определите количество точек выборки, которые должен содержать каждый сегмент.
        min_duration = 10  # Минимальная длина сегмента (секунды)
        max_duration = 20  # Максимальная длина сегмента (секунды)
        segment_duration = random.uniform(min_duration, max_duration)  # Случайная длина клипа
        segment_samples = int(segment_duration * sr)  # Преобразование длины клипа в количество сэмплов

        # Прокрутите аудиофайлы и сохраните каждый сегмент как новый аудиофайл.
        for i in range(0, total_samples, segment_samples):
            start = i  # Текущий сегмент от начальной точки отбора проб
            end = min(i + segment_samples, total_samples)  # Текущий участок от конечной точки отбора проб

            chunk = audio_trimmed[:, start:end]  # Перехватить текущий сегмент и аудиоданные
            if len(chunk.shape) > 1:
                chunk = chunk.T  # Если стерео, поменяйте каналы местами.

            # Создать новое имя файла
            clip_filename = f"{os.path.splitext(filename)[0]}_{i//segment_samples}.wav"
            clip_path = os.path.join(dst_folder, clip_filename)

            soundfile.write(clip_path, chunk, sr)  # Сохраните текущий сегмент и аудиоданные в файл.

git clone https://github.com/svc-develop-team/so-vits-svc.git
cd so-vits-svc
apt install python3-venv   #Эта команда должна быть установлена ​​под пользователем root
python3 -m venv myenv
source myenv/bin/activate
pip uninstall -y torchdata torchtext
pip install --upgrade pip setuptools numpy numba
pip install pyworld praat-parselmouth fairseq tensorboardX torchcrepe librosa==0.9.1 pyyaml pynvml pyloudnorm
pip install torch torchvision torchaudio 
pip install rich loguru matplotlib
pip install faiss-gpu
pip uninstall omegaconf
pip install omegaconf==2.0.5
pip install antlr4-python3-runtime==4.8
pip install antlr4-python3-runtime==4.8
pip install tensorboard

dataset_raw
├───speaker0
│   ├───xxx1-xxx1.wav
│   ├───...
│   └───Lxx-0xx8.wav

cd so-vits-svc
#download_pretrained_model
curl -L https://huggingface.co/datasets/ms903/sovits4.0-768vec-layer12/resolve/main/sovits_768l12_pre_large_320k/clean_D_320000.pth -o logs/44k/D_0.pth
curl -L https://huggingface.co/datasets/ms903/sovits4.0-768vec-layer12/resolve/main/sovits_768l12_pre_large_320k/clean_G_320000.pth -o logs/44k/G_0.pth
#download_pretrained_diffusion_model
#Не нужно загружать, если не тренируется модель диффузии
wget -L https://huggingface.co/datasets/ms903/Diff-SVC-refactor-pre-trained-model/resolve/main/fix_pitch_add_vctk_600k/model_0.pt -o logs/44k/diffusion/model_0.pt

#IfusermvpeF0 предиктор, вам необходимо скачать предварительное обучение RMVPE Модель
curl -L https://huggingface.co/datasets/ylzz1997/rmvpe_pretrain_model/resolve/main/rmvpe.pt -o pretrain/rmvpe.pt
curl -L https://huggingface.co/datasets/ylzz1997/rmvpe_pretrain_model/resolve/main/fcpe.pt -o pretrain/fcpe.pt

# contentvec
wget -P pretrain/ https://huggingface.co/lj1995/VoiceConversionWebUI/resolve/main/hubert_base.pt -O checkpoint_best_legacy_500.pt
# Вы также можете скачать его вручную и вставить в pretrain Оглавление

python resample.py

python preprocess_flist_config.py --speech_encoder=vec768l12

python preprocess_hubert_f0.py --f0_predictor=crepe

python preprocess_hubert_f0.py --f0_predictor=crepe --num_processes 8

python train.py -c configs/config.json -m 44k

python train_diff.py -c configs/diffusion.yaml

tensorboard --logdir logs/44k --host=0.0.0.0

python cluster/train_cluster.py --gpu

# пример
python inference_main.py -m "logs/44k/G_30400.pth" -c "configs/config.json" -n "История, которую ты не знаешь-src.wav" -t 0 -s "nen"

  <source id="mp3" src="https://pan.tryxd.cn/d/aliyundrive/so-vits-svc/%E4%BA%BA%E6%9D%A5%E4%BA%BA%E5%BE%80-%E5%AD%99%E7%87%95%E5%A7%BF.wav">

# пример
spleeter separate -o raw Люди приходят и уходят.wav -f Люди приходят и уходят_{инструмент}.wav
python inference_main.py -m "logs/44k/G_27200.pth" -c "configs/sun.json" -n "Люди приходят и уходят_vocals.wav" -t 0 -s "sun" -cm "logs/44k/kmeans_10000.pt" 

ffmpeg -i Люди приходят и уходят_accompaniment.wav -i Люди приходят и уходят_vocals.wav_0key_sun_sovits_pm.flac -filter_complex amix=inputs=2:duration=first:dropout_transition=3 output.wav