数据集的准备

第一个渠道是歌曲：

• 在网易云下载音乐，下载后的音乐格式为ncm，需要将ncm格式转换为mp3格式。
• 对mp3格式的音乐进行去除伴奏和和音等，保留其纯净的人声，我使用的工具是UVR5（链接：），需要对同一首音乐进行两次提取，第一次提取是为了去除伴奏，第二次提取是为了去除和音等，两次提取对UVR5工具参数设置如下。
•  在提取人声之后，音乐里面还会包含空白的片段，这回影响模型的训练效果，所以需要进行切片的操作，以切除空白的片段。切片的界面如下。
• 以上操作顺利完成后，就能从音乐中切除人声片段了。

 第二个渠道是演讲：

• 操作步骤和渠道是音乐是一样的，但要注意去除非目标人声的其他人声。

模型的训练

• 模型的推理界面如下。
• 对DDSP模型训练参数的解释：对于椭圆参数，若报错显存不足，则向下调整。对于矩形参数，2000代表每训练2000个step（应该是batch_size） 后，保存训练得到的权值文件，并且计算该权值文件在验证机上的损失。
• 对于扩散模型训练参数解释：对于椭圆参数，若报错显存不足，则向下调整。对于矩形参数，2000代表每训练2000个step（应该是batch_size） 后，保存训练得到的权值文件，并且计算该权值文件在验证机上的损失。对于菱形参数，若batch_size已经较小时，显存不足的问题还是出现，则关闭缓存功能，可有效解决该问题。

 

模型的推理