So-VITS-SVC是一个基于VITS（Vector-Quantized Variational Autoencoder with Multi-head Self-Attention）的开源人声克隆项目，可以用来生成高质量的人声合成音频，特别是用于翻唱歌曲。
So-VITS-SVC是由B站UP主@Saya睡大觉中和@羽毛布団共同开发的一个开源项目，其目标是实现端到端的人声克隆，即只需要输入一段人声音频和一段歌词，就可以生成相同或相似的人声唱出歌词的音频。该项目基于VITS模型，但做了一些改进和优化，例如增加了SVC（Speaker Verification Classifier）模块来提高音色的相似度，以及使用了更高采样率（44.1kHz）来提高音质。该项目目前已经发布了4.0版本，并提供了多种语言（中文、日文、英文等）和多种音色（碧蓝档案、初音未来、洛天依等）的预训练模型供用户下载和使用。
特色功能
- 高质量的人声合成：So-VITS-SVC模型可以生成接近原声或者原唱的人声合成音频，音质清晰，音色相似，音准准确，韵律自然，表现力丰富。可以适应不同风格和类型的歌曲，例如流行、摇滚、古风等，并且可以处理不同语言和方言的歌词。
- 简单易用的训练和推理：So-VITS-SVC模型提供了完整的训练和推理教程和工具包，用户只需要按照步骤进行操作，就可以在本地或者云端训练自己的音色模型，并用它来生成人声合成音频。该模型对于电脑的硬件要求并不高，只需要支持CUDA的6G显存以上的N卡，以及足够的硬盘空间。也提供了多种数据集预处理和切片工具，以及多种可视化和调试工具，方便用户优化和监控训练过程。
- 丰富多样的预训练模型：So-VITS-SVC模型目前已经提供了多种语言（中文、日文、英文等）和多种音色（碧蓝档案、初音未来、洛天依等）的预训练模型供用户下载和使用。这些预训练模型都经过了大量的数据集训练和优化，效果非常出色。用户可以直接用这些预训练模型来生成人声合成音频，也可以在这些预训练模型的基础上进行微调，以适应自己的需求。
收费价格
So-VITS-SVC模型是一个完全免费和开源的项目，用户可以在GitHub上获取该项目的源代码和相关资源，并且可以自由进行使用。
