Upload 3 files

app.py

@@ -39,8 +39,10 @@ def vc_fn(sid, input_audio, vc_transform):
 app = gr.Blocks()
 with app:
     with gr.Tabs():
-        with gr.TabItem("岁己SUI"):
+        with gr.TabItem("歌声音色转换"):
             gr.Markdown(value="""
+                # 强烈建议☝️先看一遍使用说明
+                
                 ## 这是 sovits 3.0 48kHz AI岁己“歌声”音色转换的在线demo
                 
                 #### 目前模型训练状态：700000steps / 640epochs
@@ -49,25 +51,84 @@ with app:
                 
                 #### 如果要在本地推理请使用 git lfs clone 本仓库，安装 requirements.txt 后运行 app.py 即可
                 
-                #### 更建议参考仓库[README.md上的推理部分](https://github.com/innnky/so-vits-svc/tree/main#%E6%8E%A8%E7%90%86)，在本地使用 inference_main.py 处理
-                
-                #### 3060Ti 8G可推理一条20(建议) - 30s的音频，过长音频可分割后批量处理
-                
-                ### 亿点点注意事项：
-                
-                #### 输入的音频一定要是纯净的干音，不要把歌曲直接扔进来
+                #### 更建议参考仓库[README.md上的推理部分](https://github.com/innnky/so-vits-svc/tree/main#%E6%8E%A8%E7%90%86)，在本地使用 inference_main.py 处理，速度可以比 Hugging Face 快上十几倍
                 
-                #### 长音不太稳，音域不算宽，选曲限制比较大，推荐多试试变调
-                
-                #### 对陈述语气没多大作用，实在没干音库的话，你可以自己唱然后升十几个调慢慢试效果
-                
-                #### 因为训练集来自于录播，所以音色偏本音，前期变调用于匹配音域，后期可以升一个调匹配一下岁己的歌音
+                #### 本地推理会调用GPU(cuda)，3060Ti 8G可推理一条20(建议) - 30s的音频，过长音频可分割后批量处理
             """)
             sid = gr.Dropdown(label="音色", choices=["岁己（本音）"], value="岁己（本音）")
             vc_input3 = gr.Audio(label="输入音频（长度请控制在30s左右，过长可能会爆内存）")
             vc_transform = gr.Number(label="变调（整数，可以正负，半音数量，升高八度就是12）", value=0)
             vc_submit = gr.Button("转换", variant="primary")
             vc_output1 = gr.Textbox(label="输出日志")
-            vc_output2 = gr.Audio(label="输出音频")
+            vc_output2 = gr.Audio(label="输出音频（最右侧三个点可以下载）")
         vc_submit.click(vc_fn, [sid, vc_input3, vc_transform], [vc_output1, vc_output2])
+        with gr.TabItem("亿点点使用说明➕保姆级本地部署教程"):
+            gr.Markdown(value="""
+                # 强烈建议👇先看一遍使用说明
+                
+                ### 输入的音频一定要是纯净的干音，不要把歌曲直接扔进来
+                
+                ### 长音不太稳，音域不算宽，选曲限制比较大，推荐多试试变调
+                
+                ### 对陈述语气没多大作用，实在没干音库的话，你可以自己唱然后升十几个调慢慢试效果
+                
+                ### 因为训练集来自于录播，所以音色偏本音，前期变调用于匹配音域，后期可以升一个调匹配一下岁己的歌音
+
+                # 在本地部署并使用 inference_main.py 处理的保姆级教程：
+
+                ### 0. 创建一个存放文件的目录，例如 D:\\SUI\\
+
+                ### 1. 安装所需的软件
+
+                1. [miniconda-Python3.8](https://docs.conda.io/en/latest/miniconda.html#windows-installers)（未测试其他Python版本）[点这里可以直接下载](https://repo.anaconda.com/miniconda/Miniconda3-py38_22.11.1-1-Windows-x86_64.exe)，Just Me 与 All Users 都行，其余可无脑下一步
+
+                2. [git](https://git-scm.com/download/win)（建议使用便携版）[点这里可以直接下载(便携版v2.39.0.2)](https://github.com/git-for-windows/git/releases/download/v2.39.0.windows.2/PortableGit-2.39.0.2-64-bit.7z.exe)，路径填 D:\\SUI\\git\\
+
+                ### 2. 在开始菜单中运行 Anaconda Powershell Prompt 并配置环境（除了工作目录，复制粘贴回车即可）
+
+                ```
+                # 切换工作目录
+                cd D:\\SUI\\
+                # 拉取仓库
+                .\\git\\bin\\git lfs clone https://huggingface.co/spaces/Miuzarte/SUI-svc-3.0
+
+                # 创建环境
+                conda create -n sovits python=3.8 -y
+                # 更换国内豆瓣源
+                conda config --set show_channel_urls yes
+                conda config --remove-key channels
+                conda config --add channels https://pypi.douban.com/anaconda/cloud/conda-forge/
+                conda config --add channels https://pypi.douban.com/anaconda/cloud/msys2/
+                conda config --add channels https://pypi.douban.com/anaconda/cloud/bioconda/
+                conda config --add channels https://pypi.douban.com/anaconda/cloud/menpo/
+                conda config --add channels https://pypi.douban.com/anaconda/cloud/pytorch/
+                pip config set global.index-url https://pypi.doubanio.com/simple
+
+                # 下面这一条给 NVIDIA 用户
+                conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -y
+                # 安装其余依赖
+                pip install -r requirements.txt -y
+                ```
+
+                至此环境配置完成，关闭该终端窗口（方便我写下一步）
+
+                ### 3. 歌声音色转换
+
+                1. 运行 Anaconda Powershell Prompt 切换工作目录并激活环境
+
+                ```
+                cd D:\\SUI\\
+                conda activate sovits
+                ```
+
+                2. 在 SUI-svc-3.0\\raw\\ 文件夹中放入需要转换的音频（wav格式），8G显存的情况下不建议每条音频超过30s（不包括无声部分），过长会爆显存导致处理时间超级加倍甚至直接报错
+
+                3. 编辑 SUI-svc-3.0\\inference_main.py 的第23行（可参考第24行注释的格式），以及26行的变调，修改完保存时注意编码应为 UTF-8
+
+                4. 在终端中运行 inference_main.py 开始推理，音频将输出至 SUI-svc-3.0\\results\\ 文件夹
+
+                ```
+                python inference_main.py
+                ```
+            """)
     app.launch()

inference_main.py

@@ -14,13 +14,13 @@ from inference.infer_tool import Svc
 logging.getLogger('numba').setLevel(logging.WARNING)
 chunks_dict = infer_tool.read_temp("inference/chunks_temp.json")
 
-model_path = "logs/48k/G_700000.pth"
+model_path = "logs/48k/suiji.pth"
 config_path = "configs/suiji.json"
 svc_model = Svc(model_path, config_path)
 infer_tool.mkdir(["raw", "results"])
 
 # 支持多个wav文件，放在raw文件夹下
-clean_names = ["2043_7"]
+clean_names = []
 # 例如：clean_names = ["千千阙歌_1", "千千阙歌_2", "千千阙歌_3", "千千阙歌_4", "千千阙歌_5", "千千阙歌_6", "千千阙歌_7", "千千阙歌_8"]
 # 中文字符过多会报编码错误，分两批就好
 trans = [0]  # 音高调整，支持正负（半音）