Seed-VC 語音轉換

Seed-VC：零樣本、實時的語音與歌聲轉換工具 🎙️🎶

Seed-VC 是一個先進的 語音轉換（VC）與歌聲轉換（SVC）項目。它最大的特點是支持零樣本學習（Zero-shot）與實時處理，無需任何訓練，僅憑1到30秒的參考音頻即可克隆目標聲音。

✨ 核心功能

• 零樣本語音轉換： 上傳源音頻和目標參考音頻，直接轉換聲音。
• 零樣本實時語音轉換： 支持約300ms算法延遲 + 100ms設備延遲，適用於在線會議、遊戲和直播。
• 零樣本歌聲轉換： 專門優化，支持更高採樣率（44.1kHz）和高音質量。
• 微調支持： 可在自定義數據上進行快速微調（每個說話人最低僅需1句話，最少100步訓練即可見效）。

🤖 模型版本

項目提供了四種預訓練模型以適應不同場景：

• v1.0 tiny版 (seed-uvit-tat-xlsr-tiny)： 25M參數，22050Hz採樣率，最適合實時語音轉換。
• v1.0 small版 (seed-uvit-whisper-small-wavenet)： 98M參數，22050Hz，適合離線高質量語音轉換。
• v1.0 base版 (seed-uvit-whisper-base)： 200M參數，44100Hz，專爲歌聲轉換 (SVC) 設計，零樣本性能強大。
• v2.0版 (hubert-bsqvae-small)： 67M+90M參數，最佳抑制源說話人特徵，支持語音和口音轉換。

🛠️ 使用方式

項目提供了多種使用接口：

• 命令行推理： 通過 inference.py 或 inference_v2.py 快速轉換文件。
• Web UI： 運行 app_vc.py (語音)、app_svc.py (歌聲) 或集成界面 app.py，在瀏覽器中操作。
• 實時轉換GUI： 運行 real-time-gui.py，獲得帶參數調節的圖形界面，可用於虛擬麥克風路由。

💻 安裝與要求

建議使用 Python 3.10 環境，支持 Windows、Linux 和 Mac M系列芯片。通過 pip 安裝依賴即可開始使用。

📈 項目狀態

該項目在 GitHub 上已獲得 3.8k Stars 和 492 Forks，主要使用 Python (97.4%) 開發，社區活躍，持續更新中。