AIで歌ってみたい その2 SO-VITS-SVC-v4編

 前回 四苦八苦した結果、AIで歌ったものを私の声に変換するという野望は失敗しました。

しかし、世界にはまだまだ学習型ボイチェンがいっぱいある!

ということで今回はSO-VITS-SVCです。

配布元はこちら

https://github.com/svc-develop-team/so-vits-svc

これもプログラムを動かすものなのですが、今回はGoogle colabで実行してみます。

細かな手順はこちらをご参考ください。

【全体公開】so-vits-svc をGoogle Colabで動かす【機械学習】

https://ssohsn.fanbox.cc/posts/5358839


Google Colabは、グーグルドライブ上で仮想マシンを扱うことができるサービスです。

GPUを積んでいないPCからでも機械学習のデータ処理が高速で行えたり、様々な動作環境を自力で構築しなくても扱えたりする、という利点があります。

プログラミングしたこと無いけどこういうことしたい!という方のために、すでにそれが行えるようにプログラミングが組んである「ノートブック」から、プログラムをGUI上で実行出来たりします。


何が言いたいかと言うと、以下の方におすすめ!と言うことです

1,プログラミングをしたことが無い

2,他の方が書いたプログラムを実行するときに、エラーを吐き出されて対処できなかった

3,ライブラリ?スクリプト?パスを変える?と混乱したことがある


上記に当てはまる方は大人しくgoogle colab版を使いましょう。

そう、私です。


そういうわけで、早速使ってみます。

といっても、上から順番に実行していくだけですが、その前にグーグルドライブ内に、学習データ用の音声ファイルを格納するフォルダを作っておきます。

ファイル構造は記載されているので、その通りにしてください。

あとはページ内に埋め込まれている再生ボタンのようなものをクリックしていくだけです。

時間がかかりますが、動いてしまえば簡単です。

なにしろ自分のPCのGPUに頼らなくて良いので大変に気が楽です。

急にブラックアウトしたりませんしね。


と、まるで無事に出来たように言っていますが、結論からいいますと、こちらでも出来ませんでした。

最後までプログラムを通すことは出来たのですが、生成した音声ファイルが無音なのです。

疑ったポイントは学習データの質。

作成したデータは無音部分が混じっていたので、これを音として学習されてしまったのでは?と考えました。

また膨大な時間をつかってファイルを編集し、せっかくなので、極端に短いデータは削除します。

具体的には2秒以下のファイルです。


その作業を経て、約500個ほどになったデータ群を格納し直していざ実行…


あれ、学習データ少なくない?


このプログラム上では音声ファイルを認識し、このプログラム上で扱える形に変換する過程が含まれているのですが、その過程を経た後のデータが異常に少ないのです。

その数40個

いや1/10て!

しかも登録したファイルと変換できたファイルの数に齟齬があると「ファイルが見つからないよ!」というエラーが延々と出てしまいます。

しかたないので、読むことができるらしい40個だけを残して、一から実行し直します。

が、当然学習データとしては不十分…

かくして、SO-VITS-SVCでの実行を諦めたのでした…


ただ、多くの場合問題なくできるようですので、ぜひ試してみてくださいねー!


私はさらなるプログラムを探します…

コメント