用 SO-VITS-SVC 打造 AI 歌姬，零基礎也能輕鬆上手！-數據集的錄製與準備

SO-VITS-SVC實戰經驗分享：從零開始打造我的專屬AI歌手

AI唱歌系列之三-數據集的錄製與準備

1. 錄製數據集

如要訓練自己的聲音模型，需要自己錄製數據。步驟如下：

基本要求

數據量需求：

錄音環境準備：選擇安靜地方，避免空曠空間（容易有回音）。

錄音內容建議：

• 自己熟悉且能完整演唱的歌曲。
• 不同風格的曲目，快慢都要有，包含高低音（提高模型適應性）。
• 情感表現豐富的歌曲，豐富的情感變化。
• 2-4分鐘/首。
• 最好10-15首不同歌曲。

※注意事項：

• 無背景音樂、混響、和聲的乾聲。
• 完整演唱選定歌曲，自然的情感演繹。
• 保持穩定的音質和音量，避免忽大忽小聲。
• 確保安靜的錄音環境。

避免：

• 混入任何說話聲音。
• 加入伴奏音樂。
• 使用帶回音的環境。
• 音量過大失真。

2. 數據集處理

提取人聲的順序流程是分離伴奏——去除和聲——去除混響和回聲。

2-1.伴奏分離

如果使用的是帶伴奏的歌曲作為數據集，請一定要將人聲分離出來。分離人聲及伴奏推薦使用Ultimate Vocal Remover 5（UVR 5），下載對應的處理模型。

可使用的分離伴奏方法，擇一使用：

1. 人聲去除器和AI智慧伴奏分離器 | LALAL.AI。效果還不錯，但不是免費的。
   ※使用方法可參考：LALALAI使用方法。
2. 使用火山引擎 SAMI 技術。可參考SAMI文檔。
3. 剪映專業版（有VIP）。沒有VIP的可使用剪映專業版+錄屏（沒有聲音損失）。
4. 使用 UVR5 - MDX23C-InstVoc HQ 模型。

5. 使用 Ripple 分離人聲。（蘋果用戶專享）

2-2.去除和聲

1. 使用 UVR5 的去除和聲模型（以下三個擇其一）

• UVR-BVE-4B_SN-44100-1 (Instrumental Only)。
• 6_HP_Karaoke-UVR (Vocals Only)（没有5激烈）。
• 5_HP_Karaoke-UVR (Vocals Only) （比6激進，有可能會過頭）。

2. Hit'n'Mix RipX 手動分離出人聲（非必要别用，費時費力）。

2-3.去混響和回聲

1. 使用 UVR5 的去混響模型（以下三個擇其一）。

• UVR-De-Echo-Normal選No Echo Only（輕度混響）。
• UVR-De-Echo-Aggressive選No Echo Only（重度混響）。
• UVR-De-Echo-Dereverb選No Echo Only（遇到變態的混響可以用）。

※ 注意：使用 UVR5 請確保 UVR 版本是最新的，否則可能無法下載所需模型。

2-4.數據集結構與命名規範

1.數據集目錄結構：

• 數據都處理好之後，可先使用重命名軟件，把檔案名稱都統一，之後的預處理比較不會出錯。
• 都處理好後，要將數據集放入dataset_raw目錄。
• 請按照以下文件結構，並且命名只能有英文、數字以及windows允许的特殊符號。

dataset_raw
├───speaker0
│   ├───xxx1-xxx1.wav
│   ├───...
│   └───Lxx-0xx8.wav
└───speaker1
├───xx2-0xxx2.wav
├───...
└───xxx7-xxx007.wav

2.檔案命名規範：

• 對於每一個音訊檔案的名稱並沒有格式的限制(000001.wav~999999.wav之類的命名方式也是合法的)，不過檔案類型必須是wav。
• 可以自訂說話者名稱。

dataset_raw
└───suijiSUI
├───1.wav
├───...
└───25788785-20221210-200143-856_01_(Vocals)_0_0.wav

如果追求更精確的選曲，可參考

選擇適合的歌曲和評估方法。

結語：

透過上述步驟與工具，您可以有效準備高質量的數據集，為訓練專屬聲音模型奠定基礎。記得遵循命名規範與工具使用建議，確保整個流程順利進行。