怎样优化个性化语音定制过程中的音质问题？

2025-08-23

1.5 K

提升SFT模型语音质量的完整方案

要解决个性化语音训练中的音质问题，需从数据准备到训练流程全面把控：

数据采集：
1. 确保单人语音数据时长至少30分钟以上
2. 使用16kHz以上采样率的WAV格式保存
3. 移除背景噪音明显的片段
Data preprocessing:利用项目集成的Whisper+FunASR+NISQA工具链：
- Whisper确保文本转录准确率
- FunASR进行语音活性检测
- NISQA评估语音质量并自动过滤低分样本
Training tips:
1. existsft.yamlset up inbatch_size=16cap (a poem)learning_rate=5e-5作为起点
2. 监控loss曲线，当验证集loss不再下降时停止训练
3. 训练完成后务必复制基础模型的sovits.pth权重文件

通过这种系统化的质量管控流程，可使定制语音的自然度接近专业录音水平。