Whisper-VITS-SVC
PlayVoice/whisper-vits-svcRevisado por IA
Verificado pelo RepoPicks Radar em
O que é Whisper-VITS-SVC?
Um motor para conversão de voz cantada: você grava uma música e ele a recanta com a voz de um cantor cujo modelo você treinou a partir de arquivos de áudio. Também mistura vozes para criar uma nova. É voltado para quem está aprendendo deep learning: o README diz que são necessários conhecimentos básicos de Python e PyTorch e que os autores não vão criar um pacote de um clique. Você precisa de uma placa de vídeo NVIDIA (6 GB de memória de vídeo para treinar), Python, FFmpeg, vários arquivos de modelo baixados manualmente e uma longa lista de comandos. Não funciona em tempo real.
Whisper-VITS-SVC é grátis e de código aberto (MIT) e pode substituir Kits AI e Respeecher.
Quão fácil é instalar Whisper-VITS-SVC?
D · terminal, várias ferramentas ou placa específica · Windows
- Windows D
- Linux D
Não há instalador em nenhuma plataforma: tanto no Windows quanto no Linux você instala Python e PyTorch, baixa manualmente cinco arquivos de modelo separados (speaker encoder, whisper large-v2, HuBERT, crepe, modelo pré-treinado) e executa muitos comandos para preparar dados, treinar e converter. Treinar exige uma placa NVIDIA com pelo menos 6 GB de memória de vídeo, e o README afirma que nenhum pacote de um clique será feito.
Em breve: instale com 1 clique pelo app RepoPicks.
Whisper-VITS-SVC no GitHub
- Estrelas
- 2.864em 10 de nov. de 2026
- Downloads
- 15.01033 na semana
- Crescimento
- —sem ganho na última leitura
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, Linux
- Você precisa instalar
- Python, Placa NVIDIA, FFmpeg
- Para compilar a partir do código
- Python, Placa NVIDIA, FFmpeg
- Espaço em disco
- 150 MB–450 MB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis · Não é necessário nenhum serviço pago; os modelos e o código são gratuitos.
- Licença
- MIT (Permissiva)
- Pode substituir
- Kits AI, Respeecher
- Última mudança no GitHub
- 23 de abr. de 2024
Sinais de risco de Whisper-VITS-SVC (7)
- Atençãoreleases desatualizadas
Última release em 2023-10-05 (há 1131 dias)
checagem automática
- AtençãoLinks de download para sites de arquivos
O README linka para https://drive.google.com/drive/folders/15oeBYf6Qn1edONkVLXe82MzdIi3O_9m3
checagem automática
- AtençãoDependências com vulnerabilidades conhecidas
Dependências fixadas com vulnerabilidades conhecidas (OSV): gradio: GHSA-26jh-r8g2-6fpr, GHSA-279j-x4gx-hfrh, GHSA-34rf-p3r3-58x2
checagem automática
- Atençãoprojeto não é mais atualizado
README.md diz "No More Upgrade"; o último commit é de 2024-04-23 (930 dias antes da checagem).
revisão por IA
- Atençãoclonagem de voz de pessoas reais
A descrição do repositório é "Core Engine of Singing Voice Conversion & Singing Voice Clone" e o README lista "SNAC | Samsung | One Shot Clone of VITS"; copiar a voz de um cantor real é restrito em alguns países e pode exigir a permissão dessa pessoa.
revisão por IA
- Infoespelho de pacotes de terceiros
Passo de instalação no README.md: "pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt" instala os pacotes Python a partir de um espelho na China em vez do índice oficial.
revisão por IA
- Infomodelos de compartilhamento de arquivos e sites externos
README.md pede que você busque best_model.pth.tar em uma pasta do Google Drive, large-v2.pt em openaipublic.azureedge.net e full.pth em outro repositório do GitHub; ninguém verifica esses arquivos por você.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em Whisper-VITS-SVC
- Se os cinco downloads de modelos listados no README ainda estão disponíveis, já que o projeto parou de ser atualizado em 2024.
- O uso real de disco: as checagens estimam 150-450 MB para o código, mas só o arquivo whisper large-v2 já ocupa alguns gigabytes e os dados de treinamento preparados crescem com seu áudio.
- Se o treinamento realmente cabe em 6 GB de memória de vídeo, e quantas horas leva em uma placa de vídeo doméstica comum.
- Se funciona no Windows: o environment.yml incluído lista apenas pacotes de Linux.
- A qualidade da voz cantada convertida, que depende das suas próprias gravações.