VITS 模型踩坑记录

fgo玉藻前训练集:

wav_trans:480条

wav_val:25条

训练效果不算很满意，主要原因应该是训练集数量不够

损失函数从57k开始收敛。后面迭代到了150k次，与前面并无明显差别。500条左右的训练集差不多这样就是极限了

还有一点猜测：

mooncell 玉藻前 玉藻前的语音集语调变化明显。语气词、高音也较多，部分语音推测后明显有爆音的音频。训练集text符号没有完全处理？可能这类语调明显的游戏音频可能还需要更多的训练集。