so-vits-svc：SoftVC VITS 歌声转换框架｜部署与使用全指南

项目仓库： https://github.com/svc-develop-team/so-vits-svc（默认分支 4.1-Stable）

许可证：AGPL-3.0 · 维护方：SvcDevelopTeam · Python 3.8.9 · 形态：Python 训练/推理脚本 · 状态：仓库即将归档（Archieve）

1 项目简介

so-vits-svc 是 SoftVC VITS 歌声转换（Singing Voice Conversion）框架：用 SoftVC 内容编码器提取源音频特征，直接送入 VITS，保留原始音高与语调，把歌声转换成目标音色。它与 VITS/TTS 不同——专注歌声转换，不做 TTS。

1.1 核心信息一览

1.2 适用场景

• 让动漫角色唱指定歌曲。
• 歌声音色转换。
• 学术研究。

1.3 能力边界（官方口径）

• 仅用于学术；不用于生产。
• 开发者意图是虚构角色；明确避免真人。
• 仓库即将归档。
• 发布视频必须注明输入源。

2 功能特性（4.1-Stable）

• Content Vec 12 层特征：兼容 4.0 分支。
• 浅层扩散（shallow diffusion）：提升音质。
• Whisper-PPG 编码器。
• 静态/动态声音融合。
• 响度嵌入。
• RVC 特征检索。
• NSF HiFiGAN 声码器：解决声音中断。

3 相关项目

• MoeVoiceStudio：带 f0 编辑器的工作室。
• 34j/so-vits-svc-fork：改进 UI 的 fork。
• w-okada/voice-changer：实时变声客户端。

4 官方跳转链接汇总

5 前置要求

• Python 3.8.9。
• 训练数据：目标音色的歌声切片。

6 方式一：克隆与训练

git clone -b 4.1-Stable https://github.com/svc-develop-team/so-vits-svc
cd so-vits-svc
pip install -r requirements.txt

按 README 下载预训练底模后训练。

7 方式二：Colab 在线

用官方 Colab Notebook 在云端训练。

8 关键配置

在 config.json 中加 speech_encoder 字段以兼容 4.0 模型：

"model": {
  "ssl_dim": 256,
  "n_speakers": 200,
  "speech_encoder": "vec256l9"
}

9 常见故障排查

• Python 版本：官方测试稳定版为 3.8.9。
• 数据授权：用户自行负责训练数据版权。

10 风险与合规说明

• AGPL-3.0 许可。
• 开发者明确：用于虚构角色，避免真人；发布视频必须注明输入源。
• 不得用于政治、宗教、违法用途。
• 仓库即将归档，新项目建议用 34j fork 或 MoeVoiceStudio。

本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。