https://www.yuque.com/yuqueyonghux2gzt8/ek7xd3
点击链接加入群聊【幻灵的炼丹工坊】：
获取整合包链接后进入网盘下载（目前 Fusion 使用 123 网盘发布）
下载完成后用 bandizip 或 7zip 进行解压（不要使用 winrar，会出现解压文件损坏的报错）
解压完成后进入整合包（整合包本体如下）
文件结构说明
| 文件夹 | 说明 |
|---|---|
| exp | 工作目录 |
| archieve | 训练归档文件夹 |
| models | 已训练模型文件夹 |
| dataset_raw | 原始数据集文件夹 |
| data | 可用于训练的数据集存放位置，完成训练后可删除 |
| tmp | 数据处理临时文件夹，完成数据处理后可删除 |
双击启动 WebUI.bat
初次启动可能需要等待一段时间。
出现提示框后，点击我同意，进入网页。
此时 cmd 控制台大概是这样的（使用 Fusion 时请勿关闭控制台！）
浏览器将自动打开网页，如下
:::tip 推荐使用 Edge、Chrome 浏览器打开网页，并关闭网页翻译和加速器。
打开 webui 的过程中可能会出现若干警告，具体请详见文末的常见报错。 :::
dataset_raw/
|-你的角色名字 1/
| | 1.wav
| | 2.wav
| | 3.wav
| ...
|-你的角色名字 2/
| | 1.wav
| | 2.wav
| | 3.wav
| ...
:::tip 如果是单说话人，你的 dataset_raw 文件夹里面应该是这样的
如果是多说话人，你的 dataset_raw 文件夹里面应该是这样的
数据集文件夹里应当是这样的
:::
注：数据集命名若包含 特殊字符或中文 则 可能 在处理时发生报错，可使用未鸟的批量重命名工具进行修正。
为了能够直观地教学，本次以单说话人进行示范。
选择 F0 预处理器（通常为默认）
此处以入门卡作演示
注：本教程以 ddsp6.0 为模型，其他算法的预处理/训练/推理界面略有不同，但操作逻辑相似。
训练批次大小：batch_size（bs），越大越好，越大越占显存，注意不能超过训练集条数。根据显存酌情调整，一般默认的数值不会爆显存
训练进程数：如果你显卡较好，可以设为 0，会提升速度但不影响质量
训练精度：默认 fp32（单精度），选择 fp16（半精度）、bf16（混合精度） 可以获得更快的速度和更低的显存占用，但是炸炉概率 up up
验证间隔：每 N 步验证一次，同时保存。默认 1000
日志间隔：每 N 步输出一次日志。默认 1，建议改为 100，否则报告较为频繁（不影响质量）
强制保存模型间隔：每 N 步保存一次模型。默认 1000
lr 衰减力度：高级玩法，不建议动
缓存设备：选择 cuda 可以获得更快的速度，但是需要更大显存的显卡 (SoVITS 主模型无效)，选择 cpu 则载入内存，减小硬盘 io 压力
缓存所有数据：若内存和显存较小则建议关闭，
最大训练轮数：默认 100000，不建议动，正常不需要跑这么久
使用预训练模型：是否调用底模。勾选可以大幅减少训练时间，如果不懂不要动
等待弹出训练 bat
训练时长与数据集时长、质量、算法、预测器、bs、lr、GPU 相关，因此一般建议每 1000-2000 步（step）停下进行试听。
Tensorboard 可作为 loss 数值上的参考
训练日子参数和推荐训练步数会在文档 DLC 中发布
注意：不要迷信步数和 loss，无论哪个算法都不是炼的越久越好的！
结束、暂停训练请按停止训练（或直接关闭训练 bat）
如果模型加载正常，则会显示相应的算法
接下来选择推理用的设备（优先使用 GPU）
加载成功后会显示说话人
若推理源没有经过人声分离，则需要勾选去除伴奏（可视歌曲情况勾选去除和声）
接下来选择推理参数
f0 提取器：用于音高提取/预测的模型，一般认为 remove 最均衡，fcpe 更自然（其余选项正在测试中，将在 DLC 中详细述）
变调：每 12 为一个八度，参考：女模型转男原声 12，男模型转女原声 -12，因异性声调不同的音色泄露、失真可以调节这个
切片阈值：人声切片的阈值，如推理源有底噪可以调为 -40 或更高
采样器：用于 reflow 的采样器，一般默认就好（二者差异正在实验中）
推理步数：推理步长，一般默认就行
T Start：不知道控制浅扩散的参数
共振峰偏移：值越大声音越细，值越小声音越粗
推理完成
可以试听推理后的音频，并对参数进行微调
保存完文件后，可以在其他软件内进行加伴奏、混音、和声等处理