Addestra, valuta ed esporta una voce in Applio

Una prima esecuzione dimostra che le registrazioni, la configurazione e l'hardware possono produrre un modello utilizzabile per la conversione. Lavora su copie di registrazioni che hai il permesso di usare. Mantieni due o tre frasi fuori dalla cartella di addestramento in modo da poter controllare il comportamento sulle registrazioni che il modello non ha mai visto.

Prepara gli input

1. Crea un nome esperimento breve e riconoscibile come speaking_trial_01. Dai un nome distinto a ogni prova, così da ritrovare i checkpoint in seguito.
2. Controlla le registrazioni a orecchio all'inizio, al centro e alla fine. Rimuovi clip con altre voci, musica, clipping o lunghe sezioni silenziose. Se Desktop dispone di strumenti di revisione dei set di dati, ispeziona le clip contrassegnate e prepara lì una copia per l'addestramento. La rimozione del silenzio e la regolazione del livello non possono riparare la distorsione udibile.
3. Seleziona il set di dati copiato in Training. Se Gradio richiede un percorso per la cartella, utilizzane uno sulla macchina su cui è in esecuzione il motore. Per un addestramento multivoce supportato dalla versione, conserva cartelle numeriche come 0 e 1 e registra quale persona rappresenta ciascun ID.
4. Scegli un vocoder e una frequenza di campionamento supportati insieme. Se usi pesi preaddestrati, scegli una coppia generatore/discriminatore compatibile. Controlla la frequenza di campionamento, la guida tramite pitch, l'architettura e i requisiti dell'autore per l'embedder. Registra l'embedder esatto e tutti i file personalizzati per un'inferenza successiva.
5. Scegli una dimensione batch adatta alla memoria della GPU e salva alcune esportazioni intermedie. Scegli un numero iniziale di epoche per provare la procedura. Aumentalo solo se migliori i risultati sulle registrazioni tenute da parte.

Esegui le fasi

In Desktop, puoi scegliere Automatic Training dopo aver esaminato il set di dati, la configurazione del modello, le epoche e le impostazioni di salvataggio. Avvia l'operazione una volta e controlla il registro. Per il controllo separato di ciascuna fase, utilizzare Manual Training Setup. Gradio espone i passaggi corrispondenti nel suo area Training.

Fase	Cosa succede	Cosa confermare prima di continuare
Preprocess	Applio legge il set di dati, prepara clip e ricampiona alla frequenza scelta.	Il registro mostra l'audio utilizzabile dalla cartella prevista. Se la tua build offre la normalizzazione Post, regola i livelli di ogni segmento dopo che il programma ha diviso l'audio. Usalo solo quando vuoi quel trattamento.
Extract	Applio crea le caratteristiche del contenuto audio e tutte le informazioni sull'intonazione necessarie alla configurazione.	Verifica che sia stato caricato l'embedder scelto e che l'estrazione sia terminata. Se cambi embedder, ripeti l'estrazione.
Train	L'esperimento apprende le caratteristiche della voce da tali caratteristiche.	Vengono visualizzati l'avanzamento delle epoche e il checkpoint configurato o i file di esportazione. In caso di errori di memoria insufficiente, ferma le altre attività che usano la GPU, riduci le dimensioni del batch e valuta la possibilità di disabilitare la memorizzazione nella cache del set di dati.
Generate Index	Applio crea dati di recupero opzionali dall'esperimento.	Conserva l'indice generato con l'esportazione corrispondente. Se hai scelto di saltare questa fase, lascia disattivato il recupero tramite indice durante il test.

Quando una fase fallisce, copia il suo primo errore e conferma i suoi input prima di eseguirla nuovamente. Se le registrazioni, la frequenza di campionamento o l'architettura cambiano sostanzialmente, un nuovo esperimento aiuta a tenere separati i file incompatibili. Ferma Realtime prima di avviare l'addestramento su GPU in Desktop.

Confronta i checkpoint sull'audio di prova

Apri Models → Export nel Desktop o trova il pulsante di esportazione nell'area di addestramento in Gradio. Salva un modello .pth per l'inferenza da un checkpoint intermedio e uno successivo, più l'indice se generato. Per ogni esportazione, converti le stesse frasi tenute da parte, usando sempre lo stesso Speaker ID, embedder, pitch e volume. Ascolta l'intelligibilità, la coerenza della voce sulle sillabe deboli e forti e gli artefatti sui respiri. Le metriche di addestramento aiutano a individuare problemi come un avanzamento bloccato. Ascoltare aiuta a decidere quale esportazione mantenere.

Riprendi senza ricostruire l'esperimento

Conserva la directory dell'esperimento insieme ai file di preelaborazione, alle feature estratte e ai checkpoint di addestramento G_*.pth e D_*.pth. Quando riprendi, mantieni lo stesso nome, la stessa architettura, la frequenza di campionamento e l'embedder. Scegli un numero totale di epoche superiore a quello già completato. In Desktop, lascia disattivato Fresh Training. Controlla le prime righe del registro per vedere quale checkpoint è stato caricato e fermati se l'addestramento riparte da zero. Usa il modello per l'inferenza nel convertitore. Per riprendere l'addestramento serve lo stato salvato dell'esperimento.