01 پہلے نتیجہ سن لیںمیں نے RVC اوپن سورس پروجیکٹ استعمال کرتے ہوئے چند گھنٹوں میں اپنا خصوصی لولی آواز کا ماڈل تربیت دیا۔ اس کا نتیجہ پیسے دے کر خریدے گئے کمرشل وائس چینجر سے کہیں بہتر ہے؛ آواز قدرتی اور جذبات سے بھرپور ہے۔ میں جس لہجے میں بولتا ہوں، یہ بھی اسی لہجے میں آؤٹ پٹ دیتا ہے۔02 RVC کی بنیادی منطقایک جملے میں: **اپنی آواز کو اپنی پسند کے صوتی رنگ میں تبدیل کرنا۔**RVC صرف “صوتی رنگ” تبدیل کرتا ہے، “جذبات” نہیں۔ آپ خوشی سے بولیں گے تو یہ خوشی سے جواب دے گا؛ آپ پرسکون انداز میں بولیں گے تو یہ بھی پرسکون انداز میں جواب دے گا۔ اسی لیے اچھا ماڈل قدرتی اور جذبات سے بھرپور ہونا چاہیے، مشینی نہیں۔ تربیت کا فارمولا: **مطلوبہ آواز کی آڈیو + RVC تربیت = آپ کا خصوصی ماڈل**03 پہلا مرحلہ: مواد تلاش کریںمواد کا معیار ماڈل کے نتیجے کا تعین کرتا ہے۔
لولی آواز تلاش کریں
معیار: یکساں صوتی رنگ، متنوع جذبات، پس منظر کی آواز سے پاک، 10-20 منٹ
توجہ: پورے وقت مدھم سرگوشی والے مواد کا استعمال نہ کریں، ورنہ ماڈل بھی “بے جذبات” ہوگا
04 دوسرا مرحلہ: مواد تیار کریںAudacity (مفت) استعمال کریں:
آڈیو درآمد کریں
اسے **مونو** میں تبدیل کریں
نمونہ کاری کی شرح **44100 Hz** کی تصدیق کریں
اسے **WAV فارمیٹ** میں برآمد کریں
اگر پس منظر کی آواز یا گونج ہو تو RVC کا بلٹ اِن “آلاتی اور انسانی آواز کی علیحدگی” فیچر استعمال کریں اور `VR-DeEchoNormal` منتخب کر کے اسے کم کریں۔05 تیسرا مرحلہ: ماڈل کی تربیتRVC WebUI کھولیں (`go-web.bat` پر ڈبل کلک کریں) → “تربیت” ٹیب میں جائیں| اہم پیرامیٹر | تجویز کردہ قدر ||---------|--------|| تجربے کا نام | انگریزی، مثلاً `my_loli_v1` || ورژن | `v2` || پچ الگورتھم | `rmvpe` || تربیت کے کل راؤنڈز | `200-300` || batch_size | `8` |ترتیبات مکمل ہونے کے بعد **`ایک کلک سے تربیت`** پر کلک کریں اور تکمیل کے لیے 1-2 گھنٹے انتظار کریں۔ ہر50 راؤنڈ کے بعد ایک ماڈل خودکار طور پر محفوظ ہوگا۔06 چوتھا مرحلہ: نتیجہ سنیں“ماڈل انفرنس” ٹیب میں جائیں:
صوتی رنگوں کی فہرست ریفریش کریں اور اپنا ماڈل منتخب کریں
اپنی ریکارڈنگ اپ لوڈ کریں
پچ تبدیلی: مردانہ آواز کو زنانہ آواز میں تبدیل کرنے کے لیے `+12`، زنانہ آواز کو زنانہ آواز میں تبدیل کرنے کے لیے `0` درج کریں
`rmvpe` کو منتخب کریں
“تبدیل کریں” پر کلک کریں
اگر نتیجہ پسند نہ آئے تو کسی اور راؤنڈ والے ماڈل کو آزمائیں یا “بے آواز مصمتوں کا تحفظ” پیرامیٹر تبدیل کریں۔07 پانچواں مرحلہ: لائیو وائس چینج`go-realtime-gui.bat` پر ڈبل کلک کریں:
اپنا `.pth` ماڈل لوڈ کریں (`.index` خالی چھوڑیں، تلاش کا تناسب `0` رکھیں)
ان پٹ ڈیوائس کے لیے مائیکروفون اور آؤٹ پٹ کے لیے ورچوئل آڈیو کیبل منتخب کریں
پچ تبدیلی میں `+12` درج کریں (مردانہ سے زنانہ)، اور `rmvpe` منتخب کریں
“آڈیو تبدیلی شروع کریں” پر کلک کریں
اس کے بعد OBS میں مائیکروفون کو ورچوئل آڈیو کیبل پر سیٹ کر دیں۔08 عام مسائل
آواز سخت اور بے جذبات ہے؟ → مسئلہ مواد کا ہے؛ زیادہ جذباتی مواد کا نیا مجموعہ لے کر دوبارہ تربیت کریں
میرا تربیت یافتہ ماڈل پیسے دے کر خریدے گئے ماڈل سے بہتر کیوں ہے؟ → کمرشل سافٹ ویئر اپنے ماحولیاتی نظام تک محدود رکھتے ہیں، آپ صرف ان کے مقررہ ماڈل خرید سکتے ہیں؛ RVC مکمل طور پر آپ کے اختیار میں ہے
کس قسم کی ترتیب درکار ہے؟ → کم از کم 4GB ویڈیو میموری والا N کارڈ، 16GB میموری
09 آخر میں“سخت ماڈل خریدنے کے لیے پیسے خرچ کرنے” سے “اعلیٰ معیار کا ماڈل خود تربیت دینے” تک دراصل صرف ایک教程 کا فرق ہے۔ اب آپ کے پاس صرف ایک ماڈل نہیں، بلکہ **کسی بھی آواز کو تخلیق کرنے کی صلاحیت** ہے۔
