リアルタイム特化推論の追加 #371
Merged
リアルタイム特化推論の追加 #371
Conversation
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
|
advanced settingにsilent frontの設定があるのでそれを使います silent_front→ ピッチの推定とfaissのretrievalに影響、過去の特徴を使いまわす(feature qualityみたいな名前にしたい) |
|
silent frontでピッチ推定の高速化をしつつ、過去のピッチと検索特徴量を使いまわすように変更しました。 onnxについては変更ありません。onnxは従来とほぼ同等の動きをします。 あみたろさんのRVC V2モデル、onnxモデル、自作ピッチ無しv2モデルで動作確認済みです。 |
|
ありがとうございます！ |
|
遅くなりました。 |
nadare881
commented
Jul 5, 2023
| @@ -97,13 +103,14 @@ def exec( | |||
|
|
|||
| # RVC QualityがOnのときにはsilence_frontをオフに。 | |||
| silence_front = silence_front if repeat == 0 else 0 | |||
| pitchf = pitchf if repeat == 0 else torch.zeros([pitchf.shape[0], pitchf.shape[1] * 2]) | |||
There was a problem hiding this comment.
ここの変更がバグっているので修正する
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Add this suggestion to a batch that can be applied as a single commit.
This suggestion is invalid because no changes were made to the code.
Suggestions cannot be applied while the pull request is closed.
Suggestions cannot be applied while viewing a subset of changes.
Only one suggestion per line can be applied in a batch.
Add this suggestion to a batch that can be applied as a single commit.
Applying suggestions on deleted lines is not supported.
You must change the existing code in this line in order to create a valid suggestion.
Outdated suggestions cannot be applied.
This suggestion has been applied or marked resolved.
Suggestions cannot be applied from pending reviews.
Suggestions cannot be applied on multi-line comments.
Suggestions cannot be applied while the pull request is queued to merge.
Suggestion cannot be applied right now. Please check back later.
リアルタイム推論に向けた高速化したinfer関数の実装中です。
この実装中に現在の実装における問題点が見つかりました。
faissのretrievalのあとpitchを小さくしてsilent frontに通し、inferencerに与えるfeatsやpitchの長さを短くしています。
rvcのinferencerはdecoderにおいてtransformerやwavenetで遠くのピッチや特徴量を見るのですが、現在の実装であるとbuffer sizeが小さいほど推論が不安定になり、ふにゃふにゃした声になってしまいます。
そこで、リアルタイム推論の関数で高速化しつつ、silent frontを廃止し入力に長めのデータを入れることでbuffer sizeが小さい時の安定性を上げます。
現在作成済みのonnxはもう一度作り直さないと遅くなってしまうかもしれないですが、よろしくお願いいたします。