Skip to content

Latest commit

 

History

History
91 lines (77 loc) · 5.29 KB

README.ko.md

File metadata and controls

91 lines (77 loc) · 5.29 KB
Raw

RVC Inference

English | 中文简体 | 日本語 | 한국어 | Français| Türkçe

GPT-4가 제공한 번역입니다.

이 프로젝트는 가벼우면서도 빠르고 메모리 효율적인 API로, v1/v2 RVC 모델을 실행합니다. 이는 생산 환경에서 사용하기 위한 것이며 기존 코드베이스와의 호환성을 목표로 합니다. RVC를 파이프라인이나 워크플로우의 단계로 통합하기 쉽게 만듭니다. pip를 사용한 설치는 빠르며 Linux/Windows/Mac 및 최신 Python 버전과 호환됩니다

설치

Python 3.11+를 사용하는 경우 아직 fairseq이 3.11과 호환되지 않으므로 먼저 fairseq 포크를 설치하세요.

pip install https://github.com/One-sixth/fairseq/archive/main.zip

아래와 같이 레포지토리를 pip 설치하면 모든 의존성이 자동으로 설치됩니다.

pip uninstall inferrvc
pip install https://github.com/CircuitCM/RVC-inference/raw/main/dist/inferrvc-1.0-py3-none-any.whl --no-cache-dir

기본적으로 pypi는 pytorch cpu 빌드를 설치합니다. Nvidia 또는 AMD를 사용하여 gpu용으로 설치하려면 https://pytorch.org/get-started/locally/를 방문하여 gpu용 torch와 torchaudio를 이 라이브러리를 설치하기 전에 pip로 설치하세요.

Python 3.8-3.12 버전은 지원되어야 하지만 테스트된 것은 3.11 뿐입니다. 설치나 호환성에 문제가 있으면 문제를 제기해 주시면 수정사항을 빠르게 반영하겠습니다. 수정 및 개선을 위한 PR은 환영합니다.

사용법

먼저 선택적 환경 변수를 설정하세요:

import os
os.environ['RVC_MODELDIR']='path/to/rvc_model_dir' #모델.pth 파일이 저장된 곳.
os.environ['RVC_INDEXDIR']='path/to/rvc_index_dir' #모델.index 파일이 저장된 곳.
#오디오 출력 주파수, 기본값은 44100입니다.
os.environ['RVC_OUTPUTFREQ']='44100'
#출력 오디오 텐서가 완전히 로드될 때까지 차단해야 하는 경우 이를 무시할 수 있습니다. 하지만 더 큰 torch 파이프라인에서 실행하려면 False로 설정하면 성능이 약간 향상됩니다.
os.environ['RVC_RETURNBLOCKING']='True'

환경 변수에 대한 참고사항:

  • RVC_OUTPUTFREQ와 RVC_RETURNBLOCKING은 RVC 클래스의 기본값으로 설정되지만 self.outputfreq와 self.returnblocking으로 인스턴스별로 재정의할 수 있습니다.
  • RVC_OUTPUTFREQ를 None으로 설정하면 표준 리샘플링이 비활성화되고 모델의 기본 샘플 속도가 반환됩니다.
  • RVC_INDEXDIR을 설정하지 않으면 RVC 클래스는 RVC_MODELDIR로, 마지막으로 모델 디렉토리의 절대 경로 os.path.dirname(model_path)로 대체됩니다.
  • RVC_MODELDIR을 설정하지 않으면 arg model은 절대 경로여야 합니다.

모델 로드:

from inferrvc import RVC
whis,obama=RVC('Whis.pth',index='added_IVF1972_Flat_nprobe_1_Whis_v2'),RVC(model='obama')

print(whis.name)
print('Paths',whis.model_path,whis.index_path)
print(obama.name)
print('Paths',obama.model_path,obama.index_path)
모델: Whis, 인덱스: added_IVF1972_Flat_nprobe_1_Whis_v2
경로 Z:\Models\RVC\Models\Whis.pth Z:\Models\RVC\Indexes\added_IVF1972_Flat_nprobe_1_Whis_v2.index
모델: obama, 인덱스: obama
경로 Z:\Models\RVC\Models\obama.pth Z:\Models\RVC\Indexes\obama.index

인퍼런싱 실행:

from inferrvc import load_torchaudio
aud,sr = load_torchaudio('path/to/audio.wav')

paudio1=whis(aud,f0_up

_key=6,output_device='cpu',output_volume=RVC.MATCH_ORIGINAL,index_rate=.75)
paudio2=obama(aud,5,output_device='cpu',output_volume=RVC.MATCH_ORIGINAL,index_rate=.9)

import soundfile as sf

sf.write('path/to/audio_whis.wav',paudio1,44100)
sf.write('path/to/audio_obama.wav',paudio2,44100)

Whis 예제.
Obama 예제.

원래 레포지토리에서 변경된 사항:

  • 인퍼런싱과 관련 없는 대부분의 코드를 제거했습니다. 이제 의존성이 훨씬 적습니다.
  • 간소화된 인퍼런스 클래스와 파이프라인을 만들었습니다.
  • 성능 및 메모리 효율성 향상.
  • 일반 모델은 이제 huggingface_hub에 의해 관리되며 HF_HOME 환경 변수 경로를 통해 캐시됩니다.
  • RVC 모델 디렉토리와 파일에 대한 유연한 참조.
  • 버터워스 필터는 기본적으로 비활성화되었으며, 품질이 약간 떨어질 수 있으므로 일반적으로 차이가 없습니다. inferrvc.pipeline.enable_butterfilter=True로 활성화할 수 있습니다.

할 일:

  • 다양한 파이썬 버전 테스트.
  • 다양한 OS와 피치 추정기 테스트. (다른 추정기는 포팅되었지만 RMVPE만 테스트되었으며, 이것이 가장 좋습니다)
  • 남은 작업을 단일 주요 장치(예: gpu)로 이동하여 메모리 전송으로 인한 지연과 속도 저하를 줄입니다.
    • 남은 numpy 코드를 torch.where와 torch.masked_select의 torch 등가물로 교체합니다.
    • gpu 장치용 pytorch로 인덱스 마스크를 다시 구현합니다.
  • 가능하다면 torch 2.0 .compile()을 사용하여 v1/v2 모델의 속도를 높입니다.