Changelog_pt.md

2026-07-23

• Substituído o backend de separação de vocais e acompanhamento de UVR5 por PyMSS, com suporte à interrupção da separação durante a inferência (um algoritmo melhor de separação vocal pode melhorar significativamente a qualidade da inferência).
• Otimizado o carregamento e a reamostragem do áudio de entrada para usar processamento por GPU quando possível, melhorando a eficiência da inferência e reduzindo o uso da CPU.
• Corrigido um erro do CUDA Graph acionado ao habilitar a redução de ruído de entrada ou de saída durante a conversão de voz em tempo real.
• Corrigida a compatibilidade com libuv dos processos de treinamento no Windows.

2026-07-18

• Uso simplificado da interface web (não é mais necessário inserir um caminho para o áudio de entrada da inferência, melhoria dos logs em tempo real na interface, atualização automática da lista de modelos após salvar um modelo pequeno de inferência, detecção automática do caminho de índice correspondente após selecionar um modelo na página inicial de inferência etc.).
• A extração de características dos dados, o treinamento de modelos e a criação de índices agora podem ser interrompidos durante a execução e retomados após a reinicialização.
• Detecção automática da GPU para determinar o modo e a precisão da inferência.
• Correção de problemas de dependências (incluindo aqueles relacionados a pyworld, fairseq, matplotlib, PyAV e ambientes GPU do ONNX Runtime).
• Resolução de problemas de codificação.
• A interface web agora procura automaticamente uma porta disponível durante a inicialização.
• O treinamento com uma única GPU não usa mais DDP.
• O modelo-base permanece inalterado. Diversos problemas que afetavam a qualidade dos resultados foram corrigidos. Atualizar o pacote integrado/o código e executar novamente a inferência com um modelo já ajustado, ou treinar novamente com a nova versão antes de executar a inferência, pode melhorar os resultados.
• Adição de suporte ao algoritmo de extração de pitch FCPE.
• A GUI de conversão de voz em tempo real oferece aceleração de inferência com CUDA Graph, alcançando uma aceleração máxima de 4.7× na latência de inferência do algoritmo (resultado medido em uma RTX 4090D), enquanto a utilização da GPU permanece em torno de 20–30%.
• Remoção de recursos claramente obsoletos ou que não eram mais úteis.

2023-10-06

• Criamos uma GUI para alteração de voz em tempo real: go-realtime_gui.bat/realtime_gui.py (observe que você deve escolher o mesmo tipo de dispositivo de entrada e saída, por exemplo, MME e MME).
• Treinamos um modelo RMVPE de extração de pitch melhor.
• Otimizar o layout da GUI de inferência.

2023-08-13

1-Correção de bug regular

• Alterar o número total mínimo de épocas para 1 e alterar o número total mínimo de epoch para 2
• Correção de erros de treinamento por não usar modelos de pré-treinamento
• Após a separação dos vocais de acompanhamento, limpe a memória dos gráficos
• Alterar o caminho absoluto do faiss save para o caminho relativo
• Suporte a caminhos com espaços (tanto o caminho do conjunto de treinamento quanto o nome do experimento são suportados, e os erros não serão mais relatados)
• A lista de arquivos cancela a codificação utf8 obrigatória
• Resolver o problema de consumo de CPU causado pela busca do faiss durante alterações de voz em tempo real

Atualizações do 2-Key

• Treine o modelo de extração de pitch vocal de código aberto mais forte do momento, o RMVPE, e use-o para treinamento de RVC, inferência off-line/em tempo real, com suporte a PyTorch/Onnx/DirectML
• Suporte para placas gráficas AMD e Intel por meio do Pytorch_DML

(1) Mudança de voz em tempo real (2) Inferência (3) Separação do acompanhamento vocal (4) Não há suporte para treinamento no momento, mudaremos para treinamento de CPU; há suporte para inferência RMVPE de gpu por Onnx_Dml

2023-06-18

• Novos modelos v2 pré-treinados: 32k e 48k
• Correção de erros de inferência de modelo não-f0
• Para conjuntos de treinamento que excedam 1 hora, faça minibatch-kmeans automáticos para reduzir a forma dos recursos, de modo que o treinamento, a adição e a pesquisa do Index sejam muito mais rápidos.
• Fornecer um espaço de brinquedo vocal2guitar huggingface
• Exclusão automática de áudios de conjunto de treinamento de atalhos discrepantes
• Guia de exportação Onnx

Experimentos com falha:

• Recuperação de recurso: adicionar recuperação de recurso temporal: não eficaz
• Recuperação de recursos: adicionar redução de dimensionalidade PCAR: a busca é ainda mais lenta
• Aumento de dados aleatórios durante o treinamento: não é eficaz

Lista de tarefas：

• Vocos-RVC (vocoder minúsculo): não é eficaz
• Suporte de crepe para treinamento: substituído pelo RMVPE
• Inferência de crepe de meia precisão：substituída pelo RMVPE. E difícil de conseguir.
• Suporte ao editor de F0

2023-05-28

• Adicionar notebook jupyter v2, changelog em coreano, corrigir alguns requisitos de ambiente
• Adicionar consoante sem voz e modo de proteção de respiração
• Suporte à detecção de pitch crepe-full
• Separação vocal UVR5: suporte a modelos dereverb e modelos de-echo
• Adicionar nome e versão do experimento no nome do Index
• Suporte aos usuários para selecionar manualmente o formato de exportação dos áudios de saída durante o processamento de conversão de voz em lote e a separação vocal UVR5
• Não há mais suporte para o treinamento do modelo v1 32k

2023-05-13

• Limpar os códigos redundantes na versão antiga do tempo de execução no pacote de um clique: lib.infer_pack e uvr5_pack
• Correção do bug de pseudo multiprocessamento no pré-processamento do conjunto de treinamento
• Adição do ajuste do raio de filtragem mediana para o algoritmo de reconhecimento de inclinação da extração
• Suporte à reamostragem de pós-processamento para exportação de áudio
• A configuração "n_cpu" de multiprocessamento para treinamento foi alterada de "extração de f0" para "pré-processamento de dados e extração de f0"
• Detectar automaticamente os caminhos de Index na pasta de registros e fornecer uma função de lista suspensa
• Adicionar "Perguntas e respostas frequentes" na página da guia (você também pode consultar o wiki do RVC no github)
• Durante a inferência, o pitch da colheita é armazenado em cache quando se usa o mesmo caminho de áudio de entrada (finalidade: usando a extração do pitch da colheita, todo o pipeline passará por um processo longo e repetitivo de extração do pitch. Se o armazenamento em cache não for usado, os usuários que experimentarem diferentes configurações de raio de filtragem de timbre, Index e mediana de pitch terão um processo de espera muito doloroso após a primeira inferência)

2023-05-14

• Use o envelope de volume da entrada para misturar ou substituir o envelope de volume da saída (pode aliviar o problema de "muting de entrada e ruído de pequena amplitude de saída"). Se o ruído de fundo do áudio de entrada for alto, não é recomendável ativá-lo, e ele não é ativado por padrão (1 pode ser considerado como não ativado)
• Suporte ao salvamento de modelos pequenos extraídos em uma frequência especificada (se você quiser ver o desempenho em épocas diferentes, mas não quiser salvar todos os pontos de verificação grandes e extrair manualmente modelos pequenos pelo processamento ckpt todas as vezes, esse recurso será muito prático)
• Resolver o problema de "erros de conexão" causados pelo proxy global do servidor, definindo variáveis de ambiente
• Oferece suporte a modelos v2 pré-treinados (atualmente, apenas as versões 40k estão disponíveis publicamente para teste e as outras duas taxas de amostragem ainda não foram totalmente treinadas)
• Limita o volume excessivo que excede 1 antes da inferência
• Ajustou ligeiramente as configurações do pré-processamento do conjunto de treinamento

#######################

Histórico de registros de alterações:

2023-04-09

• Parâmetros de treinamento corrigidos para melhorar a taxa de utilização da GPU: A100 aumentou de 25% para cerca de 90%, V100: 50% para cerca de 90%, 2060S: 60% para cerca de 85%, P40: 25% para cerca de 95%; melhorou significativamente a velocidade de treinamento
• Parâmetro alterado: total batch_size agora é por GPU batch_size
• Total_epoch alterado: limite máximo aumentado de 100 para 1000; padrão aumentado de 10 para 20
• Corrigido o problema da extração de ckpt que reconhecia o pitch incorretamente, causando inferência anormal
• Corrigido o problema do treinamento distribuído que salvava o ckpt para cada classificação
• Aplicada a filtragem de recursos nan para extração de recursos
• Corrigido o problema com a entrada/saída silenciosa que produzia consoantes aleatórias ou ruído (os modelos antigos precisavam ser treinados novamente com um novo conjunto de dados)

Atualização 2023-04-16

• Adicionada uma mini-GUI de alteração de voz local em tempo real, iniciada com um clique duplo em go-realtime_gui.bat
• Filtragem aplicada para bandas de frequência abaixo de 50 Hz durante o treinamento e a inferência
• Diminuição da extração mínima de tom do pyworld do padrão 80 para 50 para treinamento e inferência, permitindo que vozes masculinas de tom baixo entre 50-80 Hz não sejam silenciadas
• A WebUI suporta a alteração de idiomas de acordo com a localidade do sistema (atualmente suporta en_US, ja_JP, zh_CN, zh_HK, zh_SG, zh_TW; o padrão é en_US se não for suportado)
• Correção do reconhecimento de algumas GPUs (por exemplo, falha no reconhecimento da V100-16G, falha no reconhecimento da P4)

Atualização de 2023-04-28

• Atualizadas as configurações do Index faiss para maior velocidade e qualidade
• Removida a dependência do total_npy; o futuro compartilhamento de modelos não exigirá a entrada do total_npy
• Restrições desbloqueadas para as GPUs da série 16, fornecendo configurações de inferência de 4 GB para GPUs com VRAM de 4 GB
• Corrigido o erro na separação do acompanhamento vocal do UVR5 para determinados formatos de áudio
• A mini-GUI de alteração de voz em tempo real agora suporta modelos de pitch não 40k e que não são lentos

Planos futuros:

Recursos:

• Opção de adição: extrair modelos pequenos para cada epoch salvo
• Adicionar opção: exportar mp3 adicional para o caminho especificado durante a inferência
• Suporte à guia de treinamento para várias pessoas (até 4 pessoas)

Modelo básico:

• Coletar arquivos wav de respiração para adicionar ao conjunto de dados de treinamento para corrigir o problema de sons de respiração distorcidos
• No momento, estamos treinando um modelo básico com um conjunto de dados de canto estendido, que será lançado no futuro