歌声変換モデル 「LeapSVC」をリリースしました👏 歌声合成 LeapSinger を、変換へ拡張して歌声変換に対応しました モデルは将来リリース予定です

機能拡張していただけて驚きました！　ボコーダーの3.1が動作不安定ですみません…！　step数って増やした方が品質は安定していますか？

素晴らしいリポジトリを使用させていただきました！ ステップ数は16までは安定しますが、それ以上は変わらなかったです

音響モデルは16stepでもメチャクチャ速いですね…。自分はM4のMacBook Air使ってますが何か適してないのかも。逆にNHVSingはうちより遅いですね。これだとコア数を増やしてより音質の良いNSF-HiFiGANを使った方が速い疑惑が…。環境差についても参考になります…！

自分のほうもプロトタイプに近い状態ではあるので、もう少しちゃんと調べて試行錯誤等もしてみます (本当はmoduleやモデルを使いまわさずにしたほうがいいのですが、めんどくさくてスキップしているので...この辺最適化 or 再学習で精度があがりそう？

両モデルのONNXが30秒を超えるような長いフレーズでメモリをかなり食っていたことが分かり、省メモリの処理を入れました。すみません、これは自分のテスト不足です。自分の方とRTFが違った理由はこれもあるかもです…！

ありがとうございます！取り込んでテストしてみます

Is it some kind of rvc?

Not RVC - no retrieval index, no end-to-end VITS/HiFiGAN. It's a rectified-flow acoustic model that predicts mel (NHVSing vocodes it), and the flow starts from a pseudo-mel built from the source F0 instead of Gaussian noise, so 1-16 steps is enough. It does share ContentVec and RMVPE with RVC though, and so far I've only benchmarked against Seed-VC.

Namine Ritsu is even on software that hasn't been released yet. EVERYWHERE!