懒羊羊的AI声音教学：轻松训练自己的AI声音模型 （附声音模型）

首先听一下作者的AI懒羊羊翻唱效果，如果觉得可以，再继续往下看

序

最近一段时间，AI懒羊羊的翻唱歌曲的视频再各个平台有广泛的热度。很多人都喜欢这个可爱的形象和它那萌化人心的声音。那么，这个AI声音模型是如何训练出来的呢？接下来，我将为您详细解答。

简单拆解成四步：  1,声音提取 2, 模型训练 3, 歌曲推理 4，歌曲合成

一、声音提取

声音提取是整个环节最重要的，提取声音的方法有很多，包括手动提取和自动提取。手动提取需要使用音频编辑软件，通过手动选择需要提取的音频片段，然后导出为独立的音频文件。这种方法比较简单，但是比较费时费力，适合处理少量音频。自动提取可以使用基于信号处理的方法，例如短时傅里叶变换、小波变换等，将音频信号分解为不同的频段，然后提取特征或进行分类。

  首先，为了训练AI懒羊羊的声音模型，我们需要收集大量的懒羊羊的声音样本。这些样本应该包括懒羊羊在不同情况下的语音，例如开心、生气、困惑等等。我们可以从动画、视频或者录音中获取这些声音样本。这一步必不可少也是最重要的一步。

接下来，我们需要使用深度学习框架，RVC模型技术是基于深度学习的语音处理技术，其核心原理是将输入的源声音与目标声音进行对齐和映射，从而实现将源声音转化为目标声音的效果。具体而言，RVC技术分为两个阶段：训练阶段和推理阶段。在训练阶段，RVC技术需要收集大量的源声音和目标声音数据作为训练样本，这些样本需要包含源声音和目标声音的对应关系。然后，将源声音和目标声音进行特征提取，通常使用的是基于Mel频谱的声音特征。接下来，利用深度神经网络模型，如WaveNet或Tacotron2，进行训练，训练的目标是使得模型能够准确地将源声音映射到目标声音。在推理阶段，RVC技术使用训练好的模型对新的源声音进行转换，将其转化为目标声音。整体原理是通过将源声音与目标声音进行对齐和映射，从而实现变声。调整模型的参数，以便更好地模拟懒羊羊的声音。

提取方式

此外我这里还有个 奇技淫巧 方式，

1，在视频平台搜索 懒羊羊声音合集，懒羊羊声音语录 这样的搜索方式。

2，找懒羊羊的声优配音员，找到相符合的声音，进行提取

将提取之后的视频进行转换，转换成音频格式，如果是mp4则可以改后缀mp3。其他格式也需要转成声音格式。

转成声音格式之后推荐再用UVR5进一步声音提纯处理，整理成音频素材集之后，就可以进行下一步操作了。

常用工具下载

B站视频下载工具 百度网盘 请输入提取码

视频转码工具 百度网盘 请输入提取码

UVR5.5 百度网盘 请输入提取码

UVR 使用方式 UVR5.5音频分离工具使用教程 - 模型工坊-模型工坊 (mxgf.cc)

在线下载

抖音无水印工具_最新抖音在线无水印解析_抖音图文无水印下载_TikTok Downloader no watermark_ouo工具 (ouotool.com)

二、模型训练

RVC介绍

Retrieval-based-Voice-Conversion-WebUI 简称 RVC

一个基于VITS的简单易用的语音转换（变声器）框架

将整合包下载并解压，启动go-web.bat 等待运行

RVC0813 整合包下载（整合包 包含 运行环境 启动器）

百度网盘 请输入提取码

版本说明

下载RVC0813AMD_Intel包可解锁A卡I卡

（1）双击go-realtime-gui-dml.bat使用实时变声，A卡大概能压到300ms左右，以下有压力

（2）双击go-web-dml.bat使用训练推理（CPU训练）

N卡用户下载RVC0813Nvidia

（1）双击go-realtime-gui.bat使用实时变声，N卡大概能压到100ms左右，以下有压力

（2）双击go-web.bat使用训练推理

进入训练界面，默认的参数默认就行，不用动

3，输入音频文件夹路径，处理数据

将要训练的的干声数据集放到本地任意英文路径文件夹内复，点击处理数据

处理数据

出现 end preprocess 表示处理完毕

特征提取

（特征提取是从声音信号中提取有用信息的过程，这些信息可以被用于训练模型进行分类或识别）

出现 all-feature-done 表示已经处理完毕，可以进行最后一步处理了

开始训练，设置训练的步数和保存频率

保存頻率 这个数值表示多少轮保存一次模型，如果你的电脑很牛很稳定 50轮也是可以的，不然就推荐 20-40轮保存一次模型

總訓練輪數一般 300轮，模型就可以出炉了

每张显卡的batch_size 如果你的显存是8则填8，显存多少，填多少数值。

点击一键训练

终端显示Epoch: 1字符，表示第一轮，正在训练了

等待几个小时后，就训练结束了，就可以进行下一步，对声音模型进行推理试音了。

三、 歌曲分离/推理

1，歌曲分离

1，准备好歌曲文件，格式包括AAC,FLAC等主流声音格式，但不包括加密格式，比如网易云加密歌曲，酷狗,qq音乐。

2，将歌曲文件放到UVR 5，进行分离，分离的目的是 把伴奏和人声抽离出来

处理完成之后会得到两个音频文件

1_陈雪凝 - 绿色_(Instrumental) 伴奏

1_陈雪凝 - 绿色_(Vocals) 人声

等下推理时候会用到 这个 _(Vocals) 人声部分

注：

• 模型要记得选择 MDX-NET UVR-MDX-NET Main

处理模型下载

百度网盘 请输入提取码

将下载好的模型，放到UVR根目录下面的models文件夹下

• 如果分离过程中出现报错，可能原因是显存或内存不足，尝试重启电脑

2，歌曲推理

• 打开整合包

RVC0813 整合包下载（整合包 包含 运行环境 启动器）

百度网盘 请输入提取码

下载之后，解压

版本说明

下载RVC0813AMD_Intel包可解锁A卡I卡

（1）双击go-realtime-gui-dml.bat使用实时变声，A卡大概能压到300ms左右，以下有压力

（2）双击go-web-dml.bat使用训练推理（CPU训练）

N卡用户下载RVC0813Nvidia

（1）双击go-realtime-gui.bat使用实时变声，N卡大概能压到100ms左右，以下有压力

1. 双击go-web.bat使用训练推理

选择合适自己的显卡下载

• 等待启动，出现地址，表示启动成功

启动成功会自动跳转WEBUI

将模型放置到目录（训练好的，忽略这一步）

刷新音色，然后按顺序进行推理

解疑

音频地址

WIN11 鼠标右击可以快速复制地址，复制的地址前后如果带有双引号记得删除”“

WIN10 需要将声音文件放到 任意文件夹内，按shift+鼠标右键 选择复制路径

四、歌曲合成

所需工具 AU 链接：百度网盘 请输入提取码

解压密码 @vposy

1，转换后的歌曲人声下载到桌面

2，使用AU将伴奏和转换后的人声合并

首先新建多轨会话，将转换的人声和伴奏拉进AU

导出

教程结束，教程写的有点乱，多多包涵，有什么不懂的欢迎私。

五、模型下载

模型已上传至，模型工坊。mxgf.cc 搜索懒羊羊 就可下载 

训练写文章不易，希望支持下