wehub-resource-sync
5.5 KiB
5.5 KiB
Note
本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
DiffSinger（OpenVPI 维护版本）
这是基于原始 论文 和 实现, 对 DiffSinger: Singing Voice Synthesis via Shallow Diffusion Mechanism 进行重构与增强的版本，提供：
- 更清晰的代码结构：移除无用与冗余文件，并对其余文件重新组织。
- 更好的音质：合成音频的采样率适配为 44.1 kHz，而非原始的 24 kHz。
- 更高的保真度：集成了改进的声学模型与扩散采样加速算法。
- 更强的可控性：引入方差模型及相关参数，用于预测与控制音高、能量、气声等。
- 生产环境兼容性：功能设计契合生产部署需求与 SVS 社区。
| 概览 | 方差模型（Variance Model） | 声学模型（Acoustic Model） |
|---|---|---|
 |
 |
 |
用户指南
包含全部教程与资源的导航页（中文）：https://diffsinger.com
- 安装与基础用法：参见 Getting Started
- 数据集制作流程与工具：参见 MakeDiffSinger
- 最佳实践与教程：参见 Best Practices
- 编辑配置：参见 Configuration Schemas
- 部署与生产：OpenUTAU, DiffScope（开发中）
- 交流社群：QQ 群（907879266），Discord 服务器
进度与路线图
- 自 fork 至本仓库以来的进展：参见 Releases
- 未来版本路线图：参见 Project Board
- 想法、提案与建议：参见 Discussions
架构与算法
TBD
开发资源
TBD
参考资料
原始论文与实现
生成模型与算法
- 去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPM）：论文, 实现
- DDIM 用于扩散采样加速
- PNDM 用于扩散采样加速
- DPM-Solver++ 用于扩散采样加速
- UniPC 用于扩散采样加速
- 整流流（Rectified Flow, RF）：论文, 实现
依赖与子模块
- RoPE 用于 transformer 编码器
- Mix-LN 用于跨说话人/跨语种学习
- HiFi-GAN 与 NSF 用于波形重建
- pc-ddsp 用于波形重建
- RMVPE 与 yxlllc 的 fork 用于音高提取
- Vocal Remover 与 yxlllc 的 fork 用于谐波-噪声分离
免责声明
任何组织或个人不得使用本仓库中的任何功能，在未经本人同意的情况下生成某人的语音，包括但不限于政府领导人、政治人物和名人。若您未遵守本条款，可能构成对版权法的违反。
许可证
本 fork 的 DiffSinger 仓库采用 Apache 2.0 License 许可。