Whisper-VITS-SVC
PlayVoice/whisper-vits-svcRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es Whisper-VITS-SVC?
Un motor para conversión de voz al cantar: grabas una canción y él la vuelve a cantar con la voz de un cantante cuyo modelo entrenaste a partir de archivos de audio. También mezcla voces para crear una nueva. Está pensado para personas que están aprendiendo deep learning: el README dice que se necesitan conocimientos básicos de Python y PyTorch y que los autores no harán un paquete de un solo clic. Necesitas una tarjeta gráfica NVIDIA (6 GB de memoria de video para entrenar), Python, FFmpeg, varios archivos de modelo descargados a mano y una larga lista de comandos. No funciona en tiempo real.
Whisper-VITS-SVC es gratis y de código abierto (MIT) y puede reemplazar a Kits AI y Respeecher.
¿Qué tan fácil es instalar Whisper-VITS-SVC?
D · terminal, varias herramientas o tarjeta específica · Windows
- Windows D
- Linux D
No hay instalador en ninguna plataforma: tanto en Windows como en Linux instalas Python y PyTorch, descargas a mano cinco archivos de modelo distintos (speaker encoder, whisper large-v2, HuBERT, crepe, modelo preentrenado) y ejecutas muchos comandos para preparar datos, entrenar y convertir. Entrenar necesita una tarjeta NVIDIA con al menos 6 GB de memoria de video, y el README afirma que no se hará ningún paquete de un solo clic.
Pronto: instala con 1 clic desde la app RepoPicks.
Whisper-VITS-SVC en GitHub
- Estrellas
- 2864el 10 nov 2026
- Descargas
- 15.01033 en la semana
- Crecimiento
- —sin ganancia en la última lectura
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, Linux
- Necesitas instalar
- Python, Tarjeta NVIDIA, FFmpeg
- Para compilar desde el código
- Python, Tarjeta NVIDIA, FFmpeg
- Espacio en disco
- 150 MB–450 MB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · No se necesita ningún servicio de pago; los modelos y el código son gratuitos.
- Licencia
- MIT (Permisiva)
- Puede reemplazar
- Kits AI, Respeecher
- Último cambio en GitHub
- 23 abr 2024
Señales de riesgo de Whisper-VITS-SVC (7)
- Atenciónreleases desactualizadas
Última release el 2023-10-05 (hace 1131 días)
revisión automática
- AtenciónEnlaces de descarga a sitios de archivos
El README enlaza a https://drive.google.com/drive/folders/15oeBYf6Qn1edONkVLXe82MzdIi3O_9m3
revisión automática
- AtenciónDependencias con vulnerabilidades conocidas
Dependencias fijadas con vulnerabilidades conocidas (OSV): gradio: GHSA-26jh-r8g2-6fpr, GHSA-279j-x4gx-hfrh, GHSA-34rf-p3r3-58x2
revisión automática
- Atenciónproyecto ya no se actualiza
README.md dice "No More Upgrade"; el último commit es del 2024-04-23 (930 días antes de la comprobación).
revisión con IA
- Atenciónclonación de voz de personas reales
La descripción del repositorio es "Core Engine of Singing Voice Conversion & Singing Voice Clone" y el README menciona "SNAC | Samsung | One Shot Clone of VITS"; copiar la voz de un cantante real está restringido en algunos países y puede necesitar el permiso de esa persona.
revisión con IA
- Infoespejo externo de paquetes
Paso de instalación en README.md: "pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt" instala los paquetes de Python desde un espejo en China en lugar del índice oficial.
revisión con IA
- Infomodelos desde sitios de archivos compartidos y externos
README.md te pide obtener best_model.pth.tar desde una carpeta de Google Drive, large-v2.pt desde openaipublic.azureedge.net y full.pth desde otro repositorio de GitHub; nadie revisa esos archivos por ti.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de Whisper-VITS-SVC
- Si las cinco descargas de modelos que menciona el README siguen disponibles, ya que el proyecto dejó de actualizarse en 2024.
- El uso real de disco: las comprobaciones estiman 150-450 MB para el código, pero solo el archivo whisper large-v2 ocupa varios gigabytes y los datos de entrenamiento preparados crecen con tu audio.
- Si entrenar realmente cabe en 6 GB de memoria de video, y cuántas horas toma en una tarjeta gráfica doméstica normal.
- Si funciona en Windows: el environment.yml incluido solo lista paquetes de Linux.
- La calidad de la voz cantada convertida, que depende de tus propias grabaciones.