我目前試過的可用方法：

diff-svc，音頻變聲，只需要訓練一個角色，優(yōu)點：轉換較長的聲音很快，對于存在音高變化的人聲歌唱轉換后的效果很好。?缺點：如果轉換的是音調變化較少的語音，比如普通說話，當原音與需要變聲的角色音調、音色差距很大時，結果也會比較糟，轉換后經(jīng)常會有電流音。

so?vits，?用插件實時變聲+音頻變聲，只需要訓練一個角色 實時變聲很香，其他待測

VITS，TTS文字轉聲音+音頻變聲，?需要訓練兩個音色然后1對1轉換?，優(yōu)點：可以文字轉語音，音頻變聲基于1對1轉換，只要兩個音色訓練到位，轉換效果很好。缺點：文字轉語音的效果與訓練素材有很高的相關性，特別是缺少某些比較少見的句子時，合成的語音會有較大瑕疵。情感可調，但并不使用與多角色，遺憾，要是能多角色通用就好了。日語訓練素材轉到中文說話時，會有很濃厚的大佐音，目前的解決辦法是用語音轉換后再訓練，效果還行。