RepoPicks Radar

Atualizado todo dia por volta das 23:30 UTC

Guias

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

2.8642.8652.866 6 de nov.7 de nov.8 de nov.9 de nov.10 de nov. 2.8642.8652.866 6 de nov.8 de nov.10 de nov.

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.

Projetos parecidos

O app RepoPicks

Em breve: instale com 1 clique pelo app RepoPicks.

Antes de baixar

Baixar do GitHub

Ver a página da versão no GitHub