Glossar

Begriff	Bedeutung
Inferenz	Verwendung eines trainierten Modells zum Konvertieren einer Aufnahme.
Checkpoint	Datei mit gelernten Modellgewichten. Lebenslaufkontrollpunkte und Inferenzexporte haben unterschiedliche Rollen.
Embedder	Komponente, die eine Darstellung des Quellaudios für die Konvertierungs-Engine extrahiert.
Index	Optionale Sammlung erlernter Merkmalsvektoren, die beim Abruf verwendet werden.
Indexverhältnis	Wie stark eine Implementierung abgerufene Features während der Konvertierung nutzt.
F0	Grundfrequenz, wird zur Darstellung der Tonhöhe über der Zeit verwendet.
Tonhöhenextraktor	Algorithmus, der F0 aus einer Aufnahme schätzt.
Halbton	Ein Zwölftel einer Oktave. Eine Änderung von 12 Halbtönen entspricht einer Oktave.
Vocoder	Der Teil der Pipeline, der die Wellenform aus seinen Konditionierungseingängen generiert.
Abtastrate	Die Anzahl der Audio-Samples pro Sekunde. Es unterscheidet sich von der Modellversion und der Tonhöhentransposition.
Vor dem Training	Startgewichte, die beim Training eines neuen Modells verwendet werden.
Epoche	Ein Durchgang durch den Trainingsdatensatz im üblichen Trainingsaufbau.
Schritt	Ein Trainingsupdate. Die Stapelgröße und die Datensatzgröße wirken sich auf die Beziehung zwischen Schritten und Epochen aus.
Stem	Ein isolierter Teil einer Mischung, normalerweise ein Gesangs- oder Instrumentalteil.
Latenz	Die Zeit zwischen einem Eingabeereignis und seiner hörbaren Ausgabe.

Siehe RVC-Grundlagen, Modelle und Dateien und Schulung] für diese Begriffe im Kontext.

Ilaria RVC-Steuerelemente

Diese Einträge sind aus dem in Ilaria RVC integrierten Glossar übernommen. Die verfügbaren Steuerelemente können je nach Version variieren.

Steuerung	Bedeutung
Sprachmodell	Wählt einen Inferenzprüfpunkt aus und sucht nach seinem passenden Index.
Aktualisieren	Scannt die Modellbibliothek erneut. Überprüfen Sie Ihre Auswahl anschließend noch einmal.
Stimme aus VRAM entladen	Gibt Inferenzressourcen frei, um GPU-Speicher für andere Aufgaben freizugeben.
Sprecher-ID	Wählt einen Sprachslot innerhalb des geladenen Modells aus. Verwenden Sie 0 für ein typisches Modell mit einem Lautsprecher.
RMVPE und FCPE	Pitch-Extraktoren, die F0 über die Zeit schätzen.
ContentVec / HuBERT	ContentVec ist ein Inhaltsencoder im HuBERT-Stil, der in Standard-RVC-Workflows verwendet wird. Passen Sie den im Training verwendeten Encoder an.
Lautstärke-Hüllkurvenmischung	Legt fest, wie genau die Ausgangsdynamik der Quelle folgt.
Schützen	Reduziert den Einfluss des Abrufs auf stimmlose Konsonanten und Atemzüge. Ein niedrigerer Wert bietet einen stärkeren Schutz. Ein Wert von 0,5 deaktiviert es.
Resampling	Passt die Ausgaberate an. Ein Wert von 0 behält die Ausgaberate des Modells bei.
Daten verarbeiten	Bereitet Aufzeichnungen vor, resampelt sie und schneidet sie in Slices. Ilaria RVC passt in dieser Phase den Pegel jedes Slice an.
Merkmalsextraktion	Berechnet Inhaltsmerkmale und Tonhöheninformationen für tonhöhengesteuerte Modelle.
Dataset Checker	Kennzeichnet mögliches Abschneiden, lange Pausen, unlesbare Dateien und Ebenenunterschiede, ohne die Quelle zu bearbeiten.
Trainingsvorschauen	Konvertieren Sie dieselbe kurze Referenzaufnahme über mehrere Epochen hinweg zum Vergleich nach Gehör.
Generator und Diskriminator	Der Generator lernt, Audio zu synthetisieren und der Diskriminator gibt Feedback. Ihr G/D-Kontrollpunktpaar wird verwendet, um das Training fortzusetzen.
Anhalten und speichern	Fordert einen fortsetzbaren Kontrollpunkt an. Warten Sie vor dem Schließen auf die Bestätigung.
Gesamtepochen	Endgültiges Epochenziel, einschließlich der vor der Wiederaufnahme abgeschlossenen Epochen.
Modellinformationen	Zeigt gespeicherte Prüfpunkteigenschaften wie Geschwindigkeit, Neigungsführung und Präzision an, sofern verfügbar.
Modelle zusammenführen	Mischt kompatible Inferenzgewichte. Beginnen Sie mit dem Testen der zusammengeführten Stimme bei deaktiviertem Abruf.
FP16 und FP32	Numerische Präzisionsformate. Die Gewichtsgenauigkeit bei einem Export beschreibt die gespeicherte Datei.

Generische HuBERT-Checkpoints sind als Standardencoder für Stimmkonvertierung nicht empfohlen. Sie wurden für Sprachrepräsentationen trainiert und können Merkmale der Klangfarbe der Ausgangsstimme in die Ausgabe übertragen. Verwende den Encoder, den das RVC-Modell erwartet, etwa ContentVec, wenn das Modell damit trainiert wurde.

Siehe Sprachkonvertierung und Schulung] für Arbeitsabläufe, die diese Steuerelemente verwenden.