搞了一晚上，終于跑起來了。

簡單總結(jié)一下我干了啥：

• 安裝自己顯卡對應(yīng)版本的cuda
• 解決報錯1：F:\Code\xxx ... ?????

執(zhí)行以下兩條命令(新版啟動包可能沒這個問題)

.\venv\python.exe -m pip uninstall demucs

.\venv\python.exe -m pip install demucs -i https://pypi.tuna.tsinghua.edu.cn/simple

• 解決報錯2：找不到文件路徑

需要安裝ffmpeg并配置到系統(tǒng)環(huán)境變量中

• 解決報錯3：頁面文件太小，無法完成操作

修改虛擬內(nèi)存大小，可以百度搜，修改后重啟電腦。

展示一下訓(xùn)練截圖

在寫這個筆記的過程中100個epochs就結(jié)束了（up說下面這個提示是正常情況，不算報錯）

然后回到根目錄運行：預(yù)測一鍵啟動.bat

發(fā)現(xiàn)一個新問題config找不到

• 解決報錯4：主要是修改了

--config_dir 后面的路徑

修改后的文件：

@echo off

set path=.\venv\Scripts;.\venv;%path%

::.\venv\python.exe VC_inference.py --model_dir ./OUTPUT_MODEL/G_latest.pth --config_dir ./configs/modified_finetune_speaker.json --share False

.\venv\python.exe VC_inference.py --model_dir ./OUTPUT_MODEL/G_latest.pth --config_dir ./configs/modified_finetune_speaker.json

?--share False

pause

修改完成后，再次運行，就可以啦

PS：機器是4060 8GB，這個是臨時錄的5分鐘語音，在small模型下訓(xùn)練了100個epochs的效果，加載上模型后，生成30秒的語音只要2秒不到，非常快。不過效果嘛，只能說是能聽懂你在說啥，不像人類的聲音，回頭換medium重新訓(xùn)練一下