项目名：VITS-fast-fine-tuning （VITS 快速微调）
项目地址：https://github.com/Plachtaa/VITS-fast-fine-tuning
支持语言：中、日、英
官方简介：
这个代码库会指导你如何将自定义角色（甚至你自己），加入预训练的VITS模型中，在1小时内的微调使模型具备如下功能：
在 模型所包含的任意两个角色 之间进行声线转换
以 你加入的角色声线 进行中日英三语 文本到语音合成。
本项目使用的底模涵盖常见二次元男/女配音声线（来自原神数据集）以及现实世界常见男/女声线（来自VCTK数据集），支持中日英三语，保证能够在微调时快速适应新的声线。
干声，一般指录音以后未经过任何空间性质或的后期处理和加工的纯人声。
为了保证最好的合成效果，数据集越干净越好。当然也不是必须使用干声数据，也可以使用从视频中分离的人声来进行训练，效果也还可以。
录制可以直接使用手机进行录音，如果电脑有效果较好的麦克风，也可以使用麦克风进行录制（如果可以自定义录制音频格式，建议选择wav）。
如果进行视频人声分离，我这给大家推荐几个分离相关的网站和项目。
将音频转码为wav格式，码率等配置保持原始音频质量即可。可以使用格式工厂、ShanaEncoder等转码软件进行音频转码。
将我们的音频数据切分成多个5-15s的小段，这个范围仅供参考。需要注意的是，如果音频时长过长，在训练过程中会占用更多的显存，所以为了降低显存和显卡负担，建议大家切分成小段。
那么切分方式同样也多种多样，可以使用视频剪辑软件、音频编辑软件、格式转换软件、第三方软件等。
我这边就以windows用户为例，给大家推荐一款开源的音频批量自动分割软件slicer-gui（源自b站），官方下载地址：https://github.com/flutydeer/audio-slicer/releases/download/v1.1.0/slicer-gui-windows-v1.1.0.zip
完成以上分割后，我们将我们分割好的音频文件，存入一个文件夹中，需要注意的是，此文件夹的命名就是我们训练时的说话人配置，所以需要慎重取名，并不要和其他说话人重复。最后将存放音频的文件夹再存入一个名为：custom_character_voice 的文件夹中，最后打包压缩包即可。需要注意，此文件夹在源码中是默认的配置，所以建议大家保持一致，可以避免不必要的麻烦。那么最终的文件目录结构如下：
我们先安装git，在终端运行命令
然后clone项目到目录。（注意，如果您选择的VITS-fast-fine-tuning的镜像，那可能需要先删除默认的文件夹，重新clone项目）
如果您没有选择做好的官方镜像，则需要手动安装相关环境，具体可以参考官方笔记：https://colab.research.google.com/drive/1pn1xnFfdLK63gVXDwV4zCXfVeo8c-I-0?usp=sharing
1. 安装运行环境
2.下载预训练模型（以下步骤如果不进行训练，皆可以跳过）
可以根据自己的需求下载对应的模型，不一定全部都下载。
下载好后，需要将配置文件和预训练模型移动到指定路径，我这里提供了shell脚本，您可以创建名为 init.sh 的文件，贴入以下内容，然后通过 bash init.sh CJE 来运行脚本，选择需要使用的预训练模型。最后就是预训练模型的传参，分别是 CJE、CJ、C。
3.上传数据集并解压
4.数据预处理
我这里提供了shell脚本，您可以创建一个data_pre.sh的文件，将以下内容写入，然后使用bash data_pre.sh 运行，第一个传参是选择训练的目标语言（需要有配套的预训练模型），第二个传参为0表示不使用预训练模型，直接进行训练，非0则使用预训练模型。例如： bash data_pre.sh CJE 就是使用预训练模型CJE训练CJE三语模型。
在完成运行环境和前期准备后，则可以进行我们的训练了。
打开终端，在项目根目录运行以下命令即可，其中 -m 后为模型输出路径， --max_epochs 后为最大迭代次数，到达后会自动停止。您可以根据自己需求自行更改，默认为存储在 OUTPUT_MODEL文件夹中，训练100个迭代。
下面是训练日志内容，可以看到训练相关的配置，迭代次数，损失率，输出的模型等内容。等待训练完成即可，期间也可以随时终止训练。
将我们的模型和配置文件放到指定文件夹下（配置文件放到项目根目录，模型放到OUTPUT_MODEL文件夹下），项目根目录运行以下命令，打开web UI服务，进行推理。其中 --model_dir 后就是模型路径，可以自行修改，配置文件默认读取的 项目路径下的 finetune_speaker.json 。
需要注意的是，默认服务跑在 http://127.0.0.1:7860，如果您需要公网访问，可以做修改端口至6006，开放AutoDL对应实例的自定义服务功能，或者自建内网穿透。