Add files via upload

README.md

@@ -1,18 +1,25 @@
 # SoftVC VITS Singing Voice Conversion
 ## English docs
 [英语资料](Eng_docs.md)
+
+---
 ## Update
 > 据不完全统计，多说话人似乎会导致**音色泄漏加重**，不建议训练超过5人的模型，目前的建议是如果想炼出来更像目标音色，**尽可能炼单说话人的**\
 > 断音问题已解决，音质提升了不少\
 > 2.0版本已经移至 sovits_2.0分支\
 > 3.0版本使用FreeVC的代码结构，与旧版本不通用\
 > 与[DiffSVC](https://github.com/prophesier/diff-svc) 相比，在训练数据质量非常高时diffsvc有着更好的表现，对于质量差一些的数据集，本仓库可能会有更好的表现，此外，本仓库推理速度上比diffsvc快很多
 
+---
 ## 模型简介
 歌声音色转换模型，通过SoftVC内容编码器提取源音频语音特征，与F0同时输入VITS替换原本的文本输入达到歌声转换的效果。同时，更换声码器为 [NSF HiFiGAN](https://github.com/openvpi/DiffSinger/tree/refactor/modules/nsf_hifigan) 解决断音问题
+
+---
 ## 注意
 + 当前分支是32khz版本的分支，32khz模型推理更快，显存占用大幅减小，数据集所占硬盘空间也大幅降低，推荐训练该版本模型
 + 如果要训练48khz的模型请切换到[main分支](https://github.com/innnky/so-vits-svc/tree/main) 
+
+---
 ## 预先下载的模型文件
 + soft vc hubert：[hubert-soft-0d54a1f4.pt](https://github.com/bshall/hubert/releases/download/v0.1/hubert-soft-0d54a1f4.pt)
   + 放在hubert目录下
@@ -31,8 +38,12 @@ wget -P logs/32k/ https://huggingface.co/innnky/sovits_pretrained/resolve/main/G
 wget -P logs/32k/ https://huggingface.co/innnky/sovits_pretrained/resolve/main/D_0.pth
 
 ```
+
+---
 ## colab一键数据集制作、训练脚本
 [一键colab](https://colab.research.google.com/drive/1_-gh9i-wCPNlRZw6pYF-9UufetcVrGBX?usp=sharing)
+
+---
 ## 数据集准备
 仅需要以以下文件结构将数据集放入dataset_raw目录即可
 ```shell
@@ -47,6 +58,7 @@ dataset_raw
     └───xxx7-xxx007.wav
 ```
 
+---
 ## 数据预处理
 1. 重采样至 32khz
 
@@ -68,17 +80,39 @@ python preprocess_hubert_f0.py
 ```
 执行完以上步骤后 dataset 目录便是预处理完成的数据，可以删除dataset_raw文件夹了
 
+---
 ## 训练
 ```shell
 python train.py -c configs/config.json -m 32k
 ```
 
+---
 ## 推理
 
-使用[inference_main.py](inference_main.py)
+使用 [inference_main.py](inference_main.py)
 + 更改model_path为你自己训练的最新模型记录点
 + 将待转换的音频放在raw文件夹下
 + clean_names 写待转换的音频名称
 + trans 填写变调半音数量
 + spk_list 填写合成的说话人名称
 
+---
+## Onnx导出
+使用 [onnx_export.py](onnx_export.py)
++ 新建文件夹：checkpoints 并打开
++ 在checkpoints文件夹中新建一个文件夹作为项目文件夹，文件夹名为你的项目名称
++ 将你的模型更名为model.pth，配置文件更名为config.json，并放置到刚才创建的文件夹下
++ 将 [onnx_export.py](onnx_export.py) 中path = "NyaruTaffy" 的 "NyaruTaffy" 修改为你的项目名称
++ 运行 [onnx_export.py](onnx_export.py) 
++ 等待执行完毕，在你的项目文件夹下会生成一个model.onnx，即为导出的模型
+   ### Onnx模型支持的UI
+   + [MoeSS](https://github.com/NaruseMioShirakana/MoeSS)
+---
+## Gradio（WebUI）
+使用 [sovits_gradio.py](sovits_gradio.py)
++ 新建文件夹：checkpoints 并打开
++ 在checkpoints文件夹中新建一个文件夹作为项目文件夹，文件夹名为你的项目名称
++ 将你的模型更名为model.pth，配置文件更名为config.json，并放置到刚才创建的文件夹下
++ 运行 [sovits_gradio.py](sovits_gradio.py) 
+
+---

onnx_export.py

@@ -11,6 +11,9 @@
 from hubert import hubert_model_onnx
 
 def main(HubertExport,NetExport):
+
+    path = "NyaruTaffy"
+
     if(HubertExport):
         device = torch.device("cuda")
         hubert_soft = hubert_model_onnx.hubert_soft("hubert/model.pt")
@@ -30,7 +33,6 @@ def main(HubertExport,NetExport):
                         input_names=input_names,
                         output_names=output_names)
     if(NetExport):
-        path = "NyaruTaffy"
         device = torch.device("cuda")
         hps = utils.get_hparams_from_file(f"checkpoints/{path}/config.json")
         SVCVITS = SynthesizerTrn(
@@ -55,7 +57,7 @@ def main(HubertExport,NetExport):
                             test_pitch.to(device),
                             test_sid.to(device)
                         ),
-                        "a.onnx",
+                        f"checkpoints/{path}/model.onnx",
                         dynamic_axes={
                             "hidden_unit": [0, 1],
                             "pitch": [1]