Качество модели голоса на 90% зависит от датасета. «Мусор на входе — мусор на выходе»: модель не может звучать лучше, чем аудио, на котором её обучали. Этот гайд — как собрать датасет правильно, шаг за шагом, нашими инструментами.
| 5–8 мин | наша золотая середина — точно влезает в лимит и даёт качественную модель. |
| ~9–10 мин | верхний край для WAV — см. лимит ниже. |
| <3 мин | мало — голос выйдет плоским. |
⚠️ Лимит загрузки — 50 МБ. WAV 48 кГц моно весит ~5–6 МБ за минуту, так что в 50 МБ помещается примерно 8–9 минут. Датасет на 14 минут выходит ~80 МБ — и просто не загрузится. Поэтому цель — 5–10 минут (лучше 5–8) плотного чистого голоса без пауз (паузы убирает «Склейка»). Разнообразных 5–8 минут вполне хватает для хорошей модели.
Разнообразные 5–8 минут дают лучшую модель, чем те же минуты монотонного чтения на одной ноте. Включите в датасет:
Слабое место RVC — шипящие и «р». Если в датасете их мало или они смазаны, модель будет их «съедать». Поэтому специально добавьте чёткое, неспешное произношение звуков Ж, З, Р, Ш, Щ, Ч. Самый простой способ — записать несколько скороговорок на эти звуки, чётко и медленно:
Прочитайте их чётко и не торопясь — так модель получает чистые образцы трудных звуков и перестаёт их «глотать». (Клонируете не-русский голос? Возьмите скороговорки нужного языка.)
Наберите записей нужного голоса так, чтобы после чистки осталось 5–10 минут чистого вокала: песни, подкасты, голосовые. Чем чище исходник — тем меньше чистки потом.
Если голос уже чистый (a cappella, запись с микрофона) — пропустите этот шаг. Если это песня — отделите вокал любым vocal-remover'ом и сохраните только вокальную дорожку, по возможности с удалением реверба.
🔗 vocalremover.org (бесплатно, в браузере)Загрузите вокальные файлы в нашу Склейку вокала — она вырежет тишину между фразами и склеит всё в один непрерывный WAV 48 кГц моно. Это и есть готовый датасет.
🎚 Открыть «Склейку вокала» →Можно прогнать через Анализатор трека — посмотреть длительность и громкость, убедиться что нет провалов/перегруза.
🎛 Открыть «Анализатор трека» →Загрузите готовый датасет в «Обучить голос» — и всё. Обучение полностью автоматическое: все параметры (частота, метод, длительность тренировки) уже подобраны за вас, выбирать ничего не нужно. Через несколько минут получите готовую модель (доступна 30 дней — скачайте или сразу используйте в «Измени тембр»).
Качество зависит только от датасета — поэтому шаги 1–4 решают всё.
В «Изменить тембр»: загрузите вокал, который хотите переозвучить, выберите свою модель и задайте Сдвиг высоты — «Без изменений», если голоса одного пола, либо «Муж → жен» / «Жен → муж» при конвертации между мужским и женским. Больше настраивать нечего, остальное автоматически.
Если голос «картавит» — это не настройка, а датасет: вернитесь к чистому вокалу и звукам Ж/З/Р (см. блок выше).
⚖️ Используйте только свой голос или голос, на который у вас есть права/разрешение. Клонировать чужой голос без согласия — запрещено.