Glossario

Termine	Significato
Inferenza	Utilizzo di un modello addestrato per convertire una registrazione.
Checkpoint	File contenente i pesi del modello appresi. I checkpoint di ripresa e le esportazioni di inferenze hanno ruoli diversi.
Embedder	Componente che estrae una rappresentazione dell'audio sorgente per il motore di conversione.
Indice	Raccolta opzionale di vettori di caratteristiche apprese utilizzate durante il recupero.
Rapporto dell'indice	Con quale intensità un'implementazione utilizza le funzionalità recuperate durante la conversione.
F0	Frequenza fondamentale, utilizzata per rappresentare l'altezza nel tempo.
Estrattore del tono	Algoritmo che stima F0 da una registrazione.
Semitono	Un dodicesimo di ottava. Un cambiamento di 12 semitoni è un'ottava.
Vocoder	La parte della pipeline che genera la forma d'onda dai suoi ingressi di condizionamento.
Frequenza di campionamento	Il numero di campioni audio al secondo. È distinto dalla versione del modello e dalla trasposizione del tono.
Preallenamento	Pesi iniziali utilizzati durante l'addestramento di un nuovo modello.
Epoca	Un passaggio attraverso il set di dati di addestramento nella consueta configurazione di addestramento.
Passo	Un aggiornamento formativo. Le dimensioni del batch e del set di dati influiscono sulla relazione tra passaggi ed epoche.
Gambo	Una parte isolata di un mix, tipicamente vocale o strumentale.
Latenza	Il tempo che intercorre tra un evento di input e il suo output udibile.

Vedi Fondamenti di RVC, Modelli e file e Formazione per questi termini nel contesto.

Controlli di Ilaria RVC

Queste voci sono adattate dal glossario integrato in Ilaria RVC. I controlli disponibili possono variare in base alla versione.

Controllo	Significato
Modello vocale	Seleziona un checkpoint di inferenza e cerca il relativo indice corrispondente.
Aggiorna	Effettua nuovamente la scansione della libreria del modello. Successivamente controlla nuovamente la selezione.
Scarica voce da VRAM	Rilascia risorse di inferenza per liberare memoria GPU per altre attività.
ID altoparlante	Seleziona uno slot vocale all'interno del modello caricato. Utilizzare 0 per un tipico modello a singolo altoparlante.
RMVPE e FCPE	Estrattori di passo che stimano F0 nel tempo.
ContentVec / HuBERT	ContentVec è un codificatore di contenuti in stile HuBERT utilizzato nei flussi di lavoro RVC standard. Abbina l'encoder utilizzato nell'addestramento.
Mix inviluppo del volume	Imposta quanto da vicino le dinamiche di uscita seguono la sorgente.
Proteggi	Riduce l'influenza del recupero sulle consonanti sorde e sui respiri. Un valore più basso fornisce una protezione più forte. Un valore di 0,5 lo disabilita.
Ricampionamento	Regola la velocità di uscita. Un valore pari a 0 mantiene la velocità di output del modello.
Elabora dati	Prepara, ricampiona e suddivide le registrazioni. Ilaria RVC regola il livello di ogni fetta durante questa fase.
Estrazione delle caratteristiche	Calcola le caratteristiche del contenuto e le informazioni sull'intonazione per i modelli guidati dall'intonazione.
Dataset Checker	Segnala possibili ritagli, lunghe pause, file illeggibili e differenze di livello senza modificare la fonte.
Anteprime dell'allenamento	Converti la stessa breve registrazione di riferimento in diverse epoche per il confronto a orecchio.
Generatore e discriminatore	Il generatore impara a sintetizzare l'audio e il discriminatore fornisce feedback. La loro coppia di checkpoint G/D viene utilizzata per riprendere l'addestramento.
Interrompi e salva	Richiede un checkpoint ripristinabile. Attendere la conferma prima di chiudere.
Epoche totali	Obiettivo dell'epoca finale, comprese le epoche completate prima della ripresa.
Informazioni sul modello	Visualizza le proprietà del checkpoint memorizzate come velocità, guida del passo e precisione, ove disponibili.
Unisci modelli	Unisce pesi di inferenza compatibili. Inizia a testare la voce unita con il recupero disabilitato.
FP16 e FP32	Formati di precisione numerica. La precisione del peso in un'esportazione descrive il file archiviato.

I checkpoint HuBERT generici sono sconsigliati come encoder predefinito per la conversione vocale. Sono addestrati per rappresentare il parlato e possono conservare informazioni sul timbro di chi parla, che possono riaffiorare nell’audio convertito. In RVC usa l’encoder previsto dal modello, per esempio ContentVec se la voce è stata addestrata con quello.

Vedi Conversione vocale e Formazione per i flussi di lavoro che utilizzano questi controlli.