File size: 19,113 Bytes
d164ea2 b4c25b6 d164ea2 1e58166 8bb2553 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 |
---
license: apache-2.0
title: RVC-GUI
sdk: gradio
emoji: 🌍
colorFrom: blue
colorTo: blue
short_description: RVC
app_file: main/app/app.py
pinned: true
startup_duration_timeout: 1h
sdk_version: 5.30.0
---
<div align="center">
<img alt="LOGO" src="assets/ico.png" width="300" height="300" />
# Vietnamese RVC BY ANH
Công cụ chuyển đổi giọng nói chất lượng và hiệu suất cao đơn giản dành cho người Việt.
[](https://github.com/PhamHuynhAnh16/Vietnamese-RVC)
[](https://colab.research.google.com/github/PhamHuynhAnh16/Vietnamese-RVC-ipynb/blob/main/Vietnamese-RVC.ipynb)
[](https://github.com/PhamHuynhAnh16/Vietnamese-RVC/blob/main/LICENSE)
</div>
<div align="center">
[](https://huggingface.co/spaces/AnhP/RVC-GUI)
[](https://huggingface.co/AnhP/Vietnamese-RVC-Project)
</div>
# Mô tả
Dự án này là một công cụ chuyển đổi giọng nói đơn giản, dễ sử dụng, được thiết kế cho người Việt Nam. Với mục tiêu tạo ra các sản phẩm chuyển đổi giọng nói chất lượng cao và hiệu suất tối ưu, dự án cho phép người dùng thay đổi giọng nói một cách mượt mà, tự nhiên.
# Các tính năng của dự án
- Tách nhạc (MDX-Net/Demucs)
- Chuyển đổi giọng nói (Chuyển đổi tệp/Chuyển đổi hàng loạt/Chuyển đổi với Whisper/Chuyển đổi văn bản)
- Chỉnh sửa nhạc nền
- Áp dụng hiệu ứng cho âm thanh
- Tạo dữ liệu huấn luyện (Từ đường dẫn liên kết)
- Huấn luyện mô hình (v1/v2, bộ mã hóa chất lượng cao)
- Dung hợp mô hình
- Đọc thông tin mô hình
- Xuất mô hình sang ONNX
- Tải xuống từ kho mô hình có sẳn
- Tìm kiếm mô hình từ web
- Trích xuất cao độ
- Hỗ trợ suy luận chuyển đổi âm thanh bằng mô hình ONNX
- Mô hình ONNX RVC cũng sẽ hỗ trợ chỉ mục để suy luận
- Nhiều tùy chọn mô hình:
F0: `pm, dio, mangio-crepe-tiny, mangio-crepe-small, mangio-crepe-medium, mangio-crepe-large, mangio-crepe-full, crepe-tiny, crepe-small, crepe-medium, crepe-large, crepe-full, fcpe, fcpe-legacy, rmvpe, rmvpe-legacy, harvest, yin, pyin, swipe`
F0_ONNX: Một số mô hình được chuyển đổi sang ONNX để hỗ trợ tăng tốc trích xuất
F0_HYBRID: Có thể kết hợp nhiều tùy chọn lại với nhau như `hybrid[rmvpe+harvest]` hoặc bạn có thể thử kết hợp toàn bộ tất cả tùy chọn lại với nhau
EMBEDDERS: `contentvec_base, hubert_base, japanese_hubert_base, korean_hubert_base, chinese_hubert_base, portuguese_hubert_base`
EMBEDDERS_ONNX: Tất cả mô hình nhúng ở trên điều có phiên bản được chuyển đổi sẳn sang ONNX để sử dụng tăng tốc trích xuất nhúng
EMBEDDERS_TRANSFORMERS: Tất cả mô hình nhúng ở trên điều có phiên bản được chuyển đổi sẳn sang huggingface để sử dụng thay thế cho fairseq
SPIN_EMBEDDERS: Một mô hình trích xuất nhúng mới, có thể mang đến chất lượng cao hơn các trích xuất cũ.
# Hướng dẫn sử dụng
**Sẽ có nếu tôi thực sự rảnh...**
# Cách cài đặt và sử dụng
- B1: **Cài đặt python từ trang chủ hoặc [python](https://www.python.org/ftp/python/3.10.7/python-3.10.7-amd64.exe) (YÊU CẦU PYTHON 3.10.x HOẶC PYTHON 3.11.x)**
- B2: **Cài đặt ffmpeg từ [FFMPEG](https://github.com/BtbN/FFmpeg-Builds/releases) giải nén và thêm vào PATH**
- B3: **Tải mã nguồn về và giải nén ra**
- B4: **Vào thư mục mã nguồn và mở Command Prompt hoặc Terminal**
- B5: **Nhập lệnh để cài đặt thư viện cần thiết để hoạt động**
```
python -m venv env
env\\Scripts\\activate
```
Nếu có GPU NVIDIA thì chạy bước này tùy theo cuda của bạn có thể thay đổi cu117 thành cu128...
```
# Nếu sử dụng Torch 2.3.1
python -m pip install torch==2.3.1 torchaudio==2.3.1 torchvision==0.18.1 --index-url https://download.pytorch.org/whl/cu117
# Nếu sử dụng Torch 2.6.0
python -m pip install torch==2.6.0 torchaudio==2.6.0 torchvision==0.21.0 --index-url https://download.pytorch.org/whl/cu117
```
Tiếp theo chạy
```
python -m pip install -r requirements.txt
```
- B5: **Chạy tệp run_app để mở giao diện sử dụng(Lưu ý: không tắt Command Prompt hoặc Terminal của giao diện)**
- Hoặc sử dụng cửa sổ Command Prompt hoặc cửa sổ Terminal trong thư mục mã nguồn
- Nếu muốn cho phép giao diện truy cập được các tệp ngoài dự án hãy thêm --allow_all_disk vào lệnh
```
env\\Scripts\\python.exe main\\app\\app.py --open
```
**Với trường hợp bạn sử dụng Tensorboard để kiểm tra huấn luyện**
```
Chạy tệp: tensorboard hoặc lệnh env\\Scripts\\python.exe main/app/tensorboard.py
```
# Sử dụng với cú pháp lệnh
```
python main\\app\\parser.py --help
```
# Cấu trúc chính của mã nguồn:
<pre>
Vietnamese-RVC-main
├── assets
│ ├── f0
│ ├── languages
│ │ ├── en-US.json
│ │ └── vi-VN.json
│ ├── logs
│ │ └── mute
│ │ ├── f0
│ │ │ └── mute.wav.npy
│ │ ├── f0_voiced
│ │ │ └── mute.wav.npy
│ │ ├── sliced_audios
│ │ │ ├── mute32000.wav
│ │ │ ├── mute40000.wav
│ │ │ └── mute48000.wav
│ │ ├── sliced_audios_16k
│ │ │ └── mute.wav
│ │ ├── v1_extracted
│ │ │ ├── mute.npy
│ │ │ └── mute_spin.npy
│ │ └── v2_extracted_spin
│ │ ├── mute.npy
│ │ └── mute_spin.npy
│ ├── models
│ │ ├── audioldm2
│ │ ├── embedders
│ │ ├── predictors
│ │ ├── pretrained_custom
│ │ ├── pretrained_v1
│ │ ├── pretrained_v2
│ │ ├── speaker_diarization
│ │ │ ├── assets
│ │ │ │ ├── gpt2.tiktoken
│ │ │ │ ├── mel_filters.npz
│ │ │ │ └── multilingual.tiktoken
│ │ │ └── models
│ │ └── uvr5
│ ├── presets
│ ├── weights
│ └── ico.png
├── audios
├── dataset
├── main
│ ├── app
│ │ ├── app.py
│ │ ├── tensorboard.py
│ │ └── parser.py
│ ├── configs
│ │ ├── v1
│ │ │ ├── 32000.json
│ │ │ ├── 40000.json
│ │ │ └── 48000.json
│ │ ├── v2
│ │ │ ├── 32000.json
│ │ │ ├── 40000.json
│ │ │ └── 48000.json
│ │ ├── config.json
│ │ └── config.py
│ ├── inference
│ │ ├── audio_effects.py
│ │ ├── audioldm2.py
│ │ ├── convert.py
│ │ ├── create_dataset.py
│ │ ├── create_index.py
│ │ ├── extract.py
│ │ ├── preprocess.py
│ │ ├── separator_music.py
│ │ └── train.py
│ ├── library
│ │ ├── algorithm
│ │ │ ├── commons.py
│ │ │ ├── modules.py
│ │ │ ├── mrf_hifigan.py
│ │ │ ├── onnx_export.py
│ │ │ ├── refinegan.py
│ │ │ ├── residuals.py
│ │ │ ├── separator.py
│ │ │ └── stftpitchshift.py
│ │ ├── architectures
│ │ │ ├── demucs_separator.py
│ │ │ ├── fairseq.py
│ │ │ └── mdx_separator.py
│ │ ├── audioldm2
│ │ │ ├── models.py
│ │ │ └── utils.py
│ │ ├── predictors
│ │ │ ├── CREPE.py
│ │ │ ├── FCPE.py
│ │ │ ├── Generator.py
│ │ │ ├── RMVPE.py
│ │ │ ├── SWIPE.py
│ │ │ └── WORLD_WRAPPER.py
│ │ ├── speaker_diarization
│ │ │ ├── audio.py
│ │ │ ├── ECAPA_TDNN.py
│ │ │ ├── embedding.py
│ │ │ ├── encoder.py
│ │ │ ├── features.py
│ │ │ ├── parameter_transfer.py
│ │ │ ├── segment.py
│ │ │ ├── speechbrain.py
│ │ │ └── whisper.py
│ │ ├── uvr5_separator
│ │ │ ├── common_separator.py
│ │ │ ├── spec_utils.py
│ │ │ └── demucs
│ │ │ ├── apply.py
│ │ │ ├── demucs.py
│ │ │ ├── hdemucs.py
│ │ │ ├── htdemucs.py
│ │ │ ├── states.py
│ │ │ └── utils.py
│ │ └── utils.py
│ └── tools
│ ├── gdown.py
│ ├── huggingface.py
│ ├── mediafire.py
│ ├── meganz.py
│ ├── noisereduce.py
│ └── pixeldrain.py
├── docker-compose-cpu.yaml
├── docker-compose-cuda118.yaml
├── docker-compose-cuda128.yaml
├── Dockerfile
├── Dockerfile.cuda118
├── Dockerfile.cuda128
├── LICENSE
├── README.md
├── requirements.txt
├── run_app.bat
└── tensorboard.bat
</pre>
# LƯU Ý
- **Dự án này chỉ hỗ trợ trên gpu của NVIDIA (Có thể sẽ hỗ trợ AMD sau nếu tôi có gpu AMD để thử)**
- **Hiện tại các bộ mã hóa mới như MRF HIFIGAN vẫn chưa đầy đủ các bộ huấn luyện trước**
- **Bộ mã hóa MRF HIFIGAN và REFINEGAN không hỗ trợ huấn luyện khi không không huấn luyện cao độ**
- **Các mô hình trong kho lưu trữ Vietnamese-RVC được thu thập rải rác trên AI Hub, HuggingFace và các các kho lưu trữ khác. Có thể mang các giấy phép bản quyền khác nhau (Ví dụ: Audioldm2 có các trọng số mô hình với điều khoản "Phi Thương Mại")**
- **Mã nguồn này có chứa thành phần phần mềm bên thứ ba được cấp phép với điều khoản "phi thương mại". Bất kỳ hành vi sử dụng thương mại nào, bao gồm kêu gọi tài trợ hoặc tài chính hóa phần mềm phái sinh, đều có thể vi phạm giấy phép và sẽ phải chịu trách nhiệm pháp lý tương ứng.**
# Điều khoản sử dụng
- Bạn phải đảm bảo rằng các nội dung âm thanh bạn tải lên và chuyển đổi qua dự án này không vi phạm quyền sở hữu trí tuệ của bên thứ ba.
- Không được phép sử dụng dự án này cho bất kỳ hoạt động nào bất hợp pháp, bao gồm nhưng không giới hạn ở việc sử dụng để lừa đảo, quấy rối, hay gây tổn hại đến người khác.
- Bạn chịu trách nhiệm hoàn toàn đối với bất kỳ thiệt hại nào phát sinh từ việc sử dụng sản phẩm không đúng cách.
- Tôi sẽ không chịu trách nhiệm với bất kỳ thiệt hại trực tiếp hoặc gián tiếp nào phát sinh từ việc sử dụng dự án này.
# Dự án này được xây dựng dựa trên các dự án như sau
| Tác Phẩm | Tác Giả | Giấy Phép |
|--------------------------------------------------------------------------------------------------------------------------------|-------------------------|-------------|
| **[Applio](https://github.com/IAHispano/Applio/tree/main)** | IAHispano | MIT License |
| **[Python-audio-separator](https://github.com/nomadkaraoke/python-audio-separator/tree/main)** | Nomad Karaoke | MIT License |
| **[Retrieval-based-Voice-Conversion-WebUI](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/tree/main)** | RVC Project | MIT License |
| **[RVC-ONNX-INFER-BY-Anh](https://github.com/PhamHuynhAnh16/RVC_Onnx_Infer)** | Phạm Huỳnh Anh | MIT License |
| **[Torch-Onnx-Crepe-By-Anh](https://github.com/PhamHuynhAnh16/TORCH-ONNX-CREPE)** | Phạm Huỳnh Anh | MIT License |
| **[Hubert-No-Fairseq](https://github.com/PhamHuynhAnh16/hubert-no-fairseq)** | Phạm Huỳnh Anh | MIT License |
| **[Local-attention](https://github.com/lucidrains/local-attention)** | Phil Wang | MIT License |
| **[TorchFcpe](https://github.com/CNChTu/FCPE/tree/main)** | CN_ChiTu | MIT License |
| **[FcpeONNX](https://github.com/deiteris/voice-changer/blob/master-custom/server/utils/fcpe_onnx.py)** | Yury | MIT License |
| **[ContentVec](https://github.com/auspicious3000/contentvec)** | Kaizhi Qian | MIT License |
| **[Mediafiredl](https://github.com/Gann4Life/mediafiredl)** | Santiago Ariel Mansilla | MIT License |
| **[Noisereduce](https://github.com/timsainb/noisereduce)** | Tim Sainburg | MIT License |
| **[World.py-By-Anh](https://github.com/PhamHuynhAnh16/world.py)** | Phạm Huỳnh Anh | MIT License |
| **[Mega.py](https://github.com/3v1n0/mega.py)** | Marco Trevisan | No License |
| **[Gdown](https://github.com/wkentaro/gdown)** | Kentaro Wada | MIT License |
| **[Whisper](https://github.com/openai/whisper)** | OpenAI | MIT License |
| **[PyannoteAudio](https://github.com/pyannote/pyannote-audio)** | pyannote | MIT License |
| **[AudioEditingCode](https://github.com/HilaManor/AudioEditingCode)** | Hila Manor | MIT License |
| **[StftPitchShift](https://github.com/jurihock/stftPitchShift)** | Jürgen Hock | MIT License |
| **[Codename-RVC-Fork-3](https://github.com/codename0og/codename-rvc-fork-3)** | Codename;0 | MIT License |
# Kho mô hình của công cụ tìm kiếm mô hình
- **[VOICE-MODELS.COM](https://voice-models.com/)**
# Các phương pháp trích xuất Pitch trong RVC
Tài liệu này trình bày chi tiết các phương pháp trích xuất cao độ được sử dụng, thông tin về ưu, nhược điểm, sức mạnh và độ tin cậy của từng phương pháp theo trải nghiệm cá nhân.
| Phương pháp | Loại | Ưu điểm | Hạn chế | Sức mạnh | Độ tin cậy |
|--------------------|----------------|---------------------------|------------------------------|--------------------|--------------------|
| pm | Praat | Nhanh | Kém chính xác | Thấp | Thấp |
| dio | PYWORLD | Thích hợp với Rap | Kém chính xác với tần số cao | Trung bình | Trung bình |
| harvest | PYWORLD | Chính xác hơn DIO | Xử lý chậm hơn | Cao | Rất cao |
| crepe | Deep Learning | Chính xác cao | Yêu cầu GPU | Rất cao | Rất cao |
| mangio-crepe | crepe finetune | Tối ưu hóa cho RVC | Đôi khi kém crepe gốc | Trung bình đến cao | Trung bình đến cao |
| fcpe | Deep Learning | Chính xác, thời gian thực | Cần GPU mạnh | Khá | Trung bình |
| fcpe-legacy | Old | Chính xác, thời gian thực | Cũ hơn | Khá | Trung bình |
| rmvpe | Deep Learning | Hiệu quả với giọng hát | Tốn tài nguyên | Rất cao | Xuất sắc |
| rmvpe-legacy | Old | Hỗ trợ hệ thống cũ | Cũ hơn | Cao | Khá |
| yin | Librosa | Đơn giản, hiệu quả | Dễ lỗi bội | Trung bình | Thấp |
| pyin | Librosa | Ổn định hơn YIN | Tính toán phức tạp hơn | Khá | Khá |
| swipe | WORLD | Độ chính xác cao | Nhạy cảm với nhiễu | Cao | Khá |
# Báo cáo lỗi
- **Với trường hợp gặp lỗi khi sử dụng mã nguồn này tôi thực sự xin lỗi bạn vì trải nghiệm không tốt này, bạn có thể gửi báo cáo lỗi thông qua cách phía dưới**
- **Bạn có thể báo cáo lỗi cho tôi thông qua hệ thống báo cáo lỗi webhook trong giao diện sử dụng**
- **Với trường hợp hệ thống báo cáo lỗi không hoạt động bạn có thể báo cáo lỗi cho tôi thông qua Discord `pham_huynh_anh` Hoặc [ISSUE](https://github.com/PhamHuynhAnh16/Vietnamese-RVC/issues)**
# ☎️ Liên hệ tôi
- Discord: **pham_huynh_anh** |