prophesier/diff-svc

Singing Voice Conversion via diffusion model

What it solves

它能够在保持原曲旋律的同时，将歌声从一个人转换为另一个人的音色（音色转换），并支持基础的音高修正。

How it works

该项目使用扩散模型将输入歌声转换为目标音色。它利用 Hubert 和 ContentVec 等组件进行音频音频处理，并支持多种音频格式与采样率（最高可达 44.1kHz）。

Who it’s for

对 AI 驱动的歌声转换与音色转换感兴趣的音乐家、音频工程师与研究人员。

Highlights

  • 支持 44.1kHz 的高保真音频。
  • 包含基础的音高修正能力。
  • 支持广泛的输入与输出音频格式。
  • 在推理过程中，针对长音频文件提供自动切片功能。