# 安装Pytorch及其核心依赖，若已安装则跳过
# 参考自: https://pytorch.org/get-started/locally/
pip install torch torchvision torchaudio

#如果是win系统+Nvidia Ampere架构(RTX30xx)，根据 #21 的经验，需要指定pytorch对应的cuda版本
#pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

# 安装 Poetry 依赖管理工具, 若已安装则跳过
# 参考自: https://python-poetry.org/docs/#installation
curl -sSL https://install.python-poetry.org | python3 -

# 通过poetry安装依赖
poetry install

pip install -r requirements.txt

brew install swig

hubert_base.pt

./pretrained

./uvr5_weights

想测试v2版本模型的话，需要额外下载

./pretrained_v2

如果你正在使用Windows，则你可能需要这个文件，若ffmpeg和ffprobe已安装则跳过; ubuntu/debian 用户可以通过apt install ffmpeg来安装这2个库

./ffmpeg

https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe

./ffprobe

https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe

如果你想使用最新的RMVPE人声音高提取算法，则你需要下载音高提取模型参数并放置于RVC根目录

https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/rmvpe.pt

python infer-web.py

python -O infer_cli.py .\raw\whd.wav -i .\logs\nahida\added_IVF3204_Flat_nprobe_1_v1.index -f harvest -o .\output\whd_nahida_e200.wav -m .\weights\nahida_e200.pth  -ir 0.7 -d cuda:0 -fp

python -O infer_cli.py.\raw\whd.wav -i .\logs\nahida\added_IVF3104_Flat_nprobe_1_v1.index -m .\weights\nahida_e200.pth  -ir 0.7 -fp

python infer_cli.py -h

usage: infer_cli.py [-h] [-m MODEL] [-i INDEX] [-f F0METHOD] [-k KEY] [-ir INDEX_RATE] [-d DEVICE] [-fp] [-o OUTPUT] [-fr FILTER_RADIUS] [-s TGT_SR] [-rs RESAMPLE_SR] [-rms RMS_MIX_RATE] [-v VERSION] input_audio

positional arguments:
  input_audio           输入的音频文件路径

options:
  -h,   --help          show this help message and exit
  -m    --model
                        \weights路径下的pth文件 必填，无默认值
  -i    --index
                        索引文件路径 必填，无默认值
  -f    --f0method
                        f0的方法，可选‘pm’ ‘harvest’ 默认harvest
  -k    --key           升降调 默认0
  -ir   --index_rate
                        索引比例（取值0~1，越趋近于1理论上音色泄露更少）默认0.7
  -d    --device
                        使用的设备，默认 cuda:0 输入格式 <device_name>:<device_id>
  -fp,  --is_half       是否使用半精度运算 如果添加该flag，则使用fp16
                        半精度训练；若没有，则使用fp32单精度模式
  -o    --output        输出路径，可以不填写 若不填写则自动生成
  -fr   --filter_radius
                        对harvest音高识别的结果使用中值滤波，数值为滤波半径，使用可以削弱哑音 默认3
  -s    --tgt_sr
                        目标采样率 默认48000
  -rs   --resample_sr
                        后处理重采样至最终采样率，0为不进行重采样 默认0
  -rms  --rms_mix_rate
                        输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络 默认1
  -v    --version
                        模型版本, 默认为 v1

python train_cli.py preprocess D:\Data\Retrieval-based-Voice-Conversion-WebUI\dataset\nahida_main nahida    # 预处理数据

python train_cli.py f0 D:\Data\Retrieval-based-Voice-Conversion-WebUI\dataset\nahida_main nahida    # 提取f0

python train_cli.py train D:\Data\Retrieval-based-Voice-Conversion-WebUI\dataset\nahida_main nahida    # 正式训练

usage: train_cli.py [-h] [-sr SAMPLE_RATE] [-np N_P] [-gpus GPUS] [-if IF_F0] [-v {v1,v2}] [-f {pm,harvest,dio}] [-s SPK_ID] [-se SAVE_EPOCH] [-e TOTAL_EPOCH] [-bs BATCH_SIZE] [-sl IF_SAVE_LATEST] [-cg IF_CACHE_GPU]
                    [-sew IF_SAVE_EVERY_WEIGHTS] [-pg PRETRAINED_G] [-pd PRETRAINED_D]
                    {preprocess,f0,train} dataset_path exp_dir

positional arguments:
  dataset_path          数据集路径
  exp_dir               实验名称
  mode                  执行任务的类型 可选：preprocess f0 train

options:
  -h, --help            show this help message and exit
  -sr SAMPLE_RATE, --sample_rate SAMPLE_RATE
                        可选值32k 40k 48k 默认48k
  -np N_P, --n_p N_P    number of process cpus 可用于处理的cpu数量。默认为所有可用的cpu
  -gpus GPUS, --gpus GPUS
                        显卡选择 格式：0-1-2 表示使用卡0和卡1和卡2 默认0
  -if IF_F0, --if_f0 IF_F0
                        模型是否带音高指导(唱歌一定要, 语音可以不要) 默认True
  -v {v1,v2}, --version {v1,v2}
                        版本(目前仅40k支持了v2) 默认v1
  -f {pm,harvest,dio}, --f0method {pm,harvest,dio}
                        选择音高提取算法:输入歌声可用pm提速,高质量语音但CPU差可用dio提速,harvest质量更好但慢 默认harvest
  -s SPK_ID, --spk_id SPK_ID
                        speaker id 默认0（不要更改）
  -se SAVE_EPOCH, --save_epoch SAVE_EPOCH
                        保存频率 默认5
  -e TOTAL_EPOCH, --total_epoch TOTAL_EPOCH
                        总训练轮数total_epoch 默认40
  -bs BATCH_SIZE, --batch_size BATCH_SIZE
                        每张显卡的batch_size 默认值会根据显存大小自动计算。
  -sl IF_SAVE_LATEST, --if_save_latest IF_SAVE_LATEST
                        是否仅保存最新的ckpt文件以节省硬盘空间 默认True
  -cg IF_CACHE_GPU, --if_cache_gpu IF_CACHE_GPU
                        是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速 默认False
  -sew IF_SAVE_EVERY_WEIGHTS, --if_save_every_weights IF_SAVE_EVERY_WEIGHTS
                        是否在每次保存时间点将最终小模型保存至weights文件夹 默认True
  -pg PRETRAINED_G, --pretrained_g PRETRAINED_G
                        加载预训练底模G路径 默认pretrained/f0G48k.pth
  -pd PRETRAINED_D, --pretrained_d PRETRAINED_D
                        加载预训练底模D路径 默认pretrained/f0D48k.pth