RVC Voice Model - Gyuri 성우 : 이하정 Model Style : Bright, Powerful Vocal 사전학습 모델 : KLM 4 HFG [개요] 본 모델은 Voice Changer, Cover음악, 보컬 가이드, Text 2 Speech의 사용에 특화되어 있습니다. 본 모델을 Okada 또는 Voice Changer와 같은 실시간 음성 변환 소프트웨어에 사용하는 경우 본인의 목소리와 모델의 목소리가 매치가 되지 않을 수도 있으며 저희는 이것을 책임지지 않습니다. [사용 방법] Applio, Mainline, Okada 를 이용하여야 합니다. 이용방법이 다소 복잡함으로 기존에 RVC 모델들을 사용해 보신적 있는 분들에게 추천드립니다. Applio 사용자 : 1.본 모델을 다운로드 받고 Zip 파일의 압축을 풉니다. 2.Applio가 설치된 폴더 안에 있는 Logs 폴더에 동봉된 [모델이름].pth 파일을 넣어줍니다. 3.Logs 폴더안에 [모델이름] 폴더를 새로 생성하고 생성된 폴더 안에 .Index 파일을 넣어 줍니다. 4.Applio를 실행하고 [추론] - [음성 모델] 에서 [모델이름].pth를 선택하고 Index(색인 파일)에서 저장한 .index 파일을 선택합니다. 5.추론할 대상을 선택하고 [변환] 버튼을 눌러 추론을 시작합니다. Mainline 사용자 : 1.본 모델을 다운로드 받고 Zip 파일의 압축을 풉니다. 2.Mainline이 설치된 폴더안에 [assets] -> [weights]에 [모델이름].pth 파일을 넣어 줍니다. 3.Mainline이 설치된 폴더안에 [Logs] 로 들어가 새로운 [모델이름] 으로 폴더를 만들고 그 안에 .index 파일을 넣어 줍니다. 4.추론 탭으로 이동하여 Model 선택란에서 [모델이름].pth와 색인 섹션에서 [모델이름].Index를 선택합니다. [기본 추론 설정] 본 모델은 KLM4.1의 사전 학습 모델을 이용하고 있으며, 매우 폭넓은 Pitch Range를 제공하고 있습니다. 여러분들이 추론하고자 하는 대상이 [한국어 나레이션]인 경우 특성 검색 비율 (Search Feature Ratio)의 값을 0.75 ~ 1로 맞춰줍니다. 만약 추론 도중 아티펙트가 발생하거나 어색한 부분이 생긴다면 Search Feature Ratio 값을 조금씩 낮춰가며 조정합니다. - (한국어 나레이션) 0.4 ~ 0.6 - (일본어 나레이션) 0.4 ~ 0.6 - (제 3의 국가 언어 나레이션) 0.2 ~ 0.4 - (한국어 노래) 0.25~0.45 - (일본어 노래) 0.25~0.45 - (매우 높은 고음의 노래) 0 그 외에도 아티펙트가 발생하는 경우 Search Feature Ratio 값을 낮춰 보정 할 수 있습니다. Okada에서 이용하는 경우 본인의 목소리에 맞는 별도의 설정이 필요합니다. [파일 설명] 압축 파일에 첨부되어 있는 파일 : Voice_Gyuri.pth (모델 파일) Voice_Gyuri.index (특성 인덱스 파일) [Dataset Information] 41 Mins of Korean Speech (Normal) 7 Mins of Japanese Speech (Normal) 6 Mins of Korean Sing [Train Information] Total Steps : 23,800 steps Total Epochs : 270 Epochs RVC Voice Model - Gyuri 声優: イ・ハジョン 事前学習モデル: KLM V4.1 [概要] 本モデルはVoice Changer、カバー音楽、ボーカルガイド、Text 2 Speechの使用に特化しています。 本モデルをOkadaやVoice Changerなどのリアルタイム音声変換ソフトウェアに使用する場合、ご自身の声とモデルの声が一致しないことがありますが、これに関して当社は責任を負いません。 [使用方法] Applio、Mainline、Okadaを使用する必要があります。使用方法が少々複雑なため、既にRVCモデルを使用した経験がある方にお勧めします。 Applioユーザー: 本モデルをダウンロードし、Zipファイルを解凍します。 Applioがインストールされているフォルダ内のLogsフォルダに同封された[モデル名].pthファイルを入れます。 Logsフォルダ内に[モデル名]フォルダを新しく作成し、そのフォルダ内に.indexファイルを入れます。 Applioを起動し、[推論] - [音声モデル]で[モデル名].pthを選択し、Index(索引ファイル)で保存した.indexファイルを選択します。 推論する対象を選択し、[変換]ボタンを押して推論を開始します。 Mainlineユーザー: 本モデルをダウンロードし、Zipファイルを解凍します。 Mainlineがインストールされているフォルダ内の[assets] -> [weights]に[モデル名].pthファイルを入れます。 Mainlineがインストールされているフォルダ内の[Logs]に入り、新しい[モデル名]フォルダを作成し、その中に.indexファイルを入れます。 推論タブに移動し、Model選択欄で[モデル名].pthを選択し、索引セクションで[モデル名].indexを選択します。 [基本推論設定] 本モデルはKLM4.1の事前学習モデルを使用しており、非常に広範なピッチレンジを提供しています。 推論する対象が[韓国語ナレーション]の場合、特性検索比率（Search Feature Ratio）の値を0.75〜1に設定します。 もし推論中にアーティファクトが発生したり、不自然な部分が出た場合、Search Feature Ratioの値を少しずつ下げて調整します。 (韓国語ナレーション) 0.4〜0.6 (日本語ナレーション) 0.4〜0.6 (第3の国の言語ナレーション) 0.2〜0.4 (韓国語の歌) 0.25〜0.45 (日本語の歌) 0.25〜0.45 (非常に高い高音の歌) 0 その他、アーティファクトが発生する場合はSearch Feature Ratioの値を下げて補正できます。 Okadaを使用する場合、ご自身の声に合わせた別の設定が必要です。 [ファイル説明] 圧縮ファイルに添付されているファイル: Voice_Gyuri.pth (モデルファイル) Voice_Gyuri.index (特性インデックスファイル) [Dataset Information] 41分の韓国語スピーチ（通常） 7分の日本語スピーチ（通常） 6分の韓国語の歌 [Train Information] 総ステップ数: 23,800ステップ 総エポック数: 270エポック