<style> audio { width: 200px; height: 30px; } </style>

RVC okiba (随時モデルを追加しています: More models are uploaded regularly)

しばらく忙しいので更新停止中です(I'm busy now, so currently update is stopped.)

人気投票・アンケートへご協力ください (Please participate in the popularity poll and survey.)

<details> <summary>English</summary>

Text-to-Speech Demo here!

Update History

A collection of RVC v2 models (with index files) trained using approximately 1 hour (per model) of high-quality Japanese voice data of moe characters.

Samples can be found in the table below. (Japanese voice-change samples here)

• There are currently 63 girl voice models (A-K3) and 6 male voice models (man-A - man-F) (Will be updated regularly, and often epochs are updated to better version)
• The model names are unordered and do not carry any meaning.
• Epochs are adjusted for voice-changing purpose, but singing is maybe possible as samples at some quality.

Please use the data provided by this model at your own risk.

</details>

RVC置き場

モデルのダウンロードはこちらから

Text-to-Speech（テキストからの音声合成）のデモはこちら

更新履歴

RVC v2のモデル集（index付き）。 ボイチェンで実際に使用したサンプル（男声から変換）はこちらから、また通常サンプルは下の表から聴けます。

• 現在女性63モデル(A-K3)に男性6モデル(man-A - man-F)（随時更新します、またエポック数をたまにより良いバージョンに置き換えることもあります）
• モデル名は順不同で意味はありません
• 主にボイチェン用途を想定にエポックの調整をしています（が歌唱もサンプルの通りある程度はできると思われます）

<details> <summary>学習詳細</summary>

• 学習データ: 高品質な日本語発話データ、歌は無し。1ファイルの長さは4秒以上～多くても10数秒程度、無音カットやらの前処理はしていません。
• データセット量: 1モデルにつき基本は合計60分弱、素材が足りなかったときは30分~
• エポック数: 100-300エポックあたりから良さそうなものを選んだもの </details>

注意事項

使用は自己責任でお願いします。

出力サンプルと雑感 (Samples and comments)

ボイチェンで実際に使用したサンプル（男声から変換）は別ページにまとめてあります。

<details> <summary>変換前音声 (Input data)</summary>

• 発話 (Japanese speech) <audio controls preload="none" src="https://huggingface.co/litagin/rvc_okiba/resolve/main/jvs-samples/jvs002.wav"> 「また東寺のように五大明王と呼ばれる主要な明王の中央に配されることも多い」

• 歌 (Japanese child-song) <audio controls preload="none" src="https://huggingface.co/litagin/rvc_okiba/resolve/main/song-samples/input.wav"> でんでんむしむしかたつむり🐌

出典：sample jvs002, JVS corpus, sample_jvs001, JVS-MuSiC

</details>

<details> <summary>出力設定</summary>

RVC v2の推論タブでの変換

• ピッチ抽出: harvest
• ピッチ調整: 発話はjvs-samplesのファイル名に記載（記載なしはピッチ0）、歌唱は女性モデルは+12、男性モデルは0で統一
• index使用率: 発話は1、歌唱は0.75
• 何か保護するアレ: 0.33（デフォルト値のまま） </details>

女性モデル (Girl models)

• ~正直声のコメントの語彙が尽きてきた~
• 「高め」「低め」は、（学習データの声の高さが高め・低めなので、）「高い声（ピッチ）と相性がいい」「低い声と相性がいい」程度の意味です。
• 正確な声質や詳しい個人的な感想・5段階評価はボイチェンサンプル音声のページをご覧ください。

男性モデル (Male models)