[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-nnsvs--nnsvs":3,"tool-nnsvs--nnsvs":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",154349,2,"2026-04-13T23:32:16",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":64,"owner_name":64,"owner_avatar_url":72,"owner_bio":73,"owner_company":73,"owner_location":73,"owner_email":73,"owner_twitter":73,"owner_website":73,"owner_url":74,"languages":75,"stars":88,"forks":89,"last_commit_at":90,"license":91,"difficulty_score":10,"env_os":92,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":96,"github_topics":98,"view_count":32,"oss_zip_url":73,"oss_zip_packed_at":73,"status":17,"created_at":107,"updated_at":108,"faqs":109,"releases":140},7291,"nnsvs\u002Fnnsvs","nnsvs","Neural network-based singing voice synthesis library for research","NNSVS 是一款专为学术研究设计的开源库，致力于利用神经网络技术实现高质量的歌声合成。它主要解决了传统合成方法在自然度、情感表达及音色控制上的局限，帮助研究人员更便捷地构建和实验先进的歌唱语音模型。\n\n这款工具特别适合人工智能领域的研究者、算法开发者以及音频技术爱好者使用。如果你希望深入探索基于深度学习的歌声生成机制，或需要一套灵活的框架来验证新的声学模型想法，NNSVS 提供了理想的实验平台。值得注意的是，普通用户若仅寻求简单的“一键唱歌”软件，可能需要一定的编程基础才能驾驭此工具。\n\n在技术亮点方面，NNSVS 不仅整合了高效的推理实现（如适配了 uSFGAN），还融合了前沿的扩散模型（Diffusion Models）技术，部分代码灵感源自知名的 DiffSinger 项目。这些特性使其能够生成更加细腻、逼真的演唱效果。作为由学界推动的项目，NNSVS 秉承开放共享的精神，旨在促进歌声合成技术的交流与进步，是相关领域科研工作中值得信赖的得力助手。","# NNSVS\n\n[![][docs-latest-img]][docs-latest-url]\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fnnsvs.svg)](https:\u002F\u002Fpypi.python.org\u002Fpypi\u002Fnnsvs)\n[![License](http:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-brightgreen.svg?style=flat)](LICENSE)\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-2210.15987-b31b1b.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.15987)\n![Python CI](https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fworkflows\u002FPython%20CI\u002Fbadge.svg)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fnnsvs\u002Fnnsvs\u002Fbranch\u002Fmaster\u002Fgraph\u002Fbadge.svg?token=Z66FDOQGH7)](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fnnsvs\u002Fnnsvs)\n\n[docs-latest-img]: https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-latest-blue.svg\n[docs-latest-url]: https:\u002F\u002Fnnsvs.github.io\u002Fnnsvs\u002F\n\nNeural network-based singing voice synthesis library for research\n\nDocumentation can be found at https:\u002F\u002Fnnsvs.github.io.\n\n## Citation\n\n```\n@article{yamamoto2022nnsvs,\n  title={NNSVS: A Neural Network-Based Singing Voice Synthesis Toolkit},\n  author={Yamamoto, Ryuichi and Yoneyama, Reo and Toda, Tomoki},\n  journal={arXiv preprint arXiv:2210.15987},\n  year={2022}\n}\n```\n\n## Acknowledgements\n\n- The inference implementation of uSFGAN was adapted from [chomeyama\u002FHN-UnifiedSourceFilterGAN](https:\u002F\u002Fgithub.com\u002Fchomeyama\u002FHN-UnifiedSourceFilterGAN).\n- The code for diffusion models was adapted from [DiffSinger](https:\u002F\u002Fgithub.com\u002FMoonInTheRiver\u002FDiffSinger).\n","# NNSVS\n\n[![][docs-latest-img]][docs-latest-url]\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fnnsvs.svg)](https:\u002F\u002Fpypi.python.org\u002Fpypi\u002Fnnsvs)\n[![License](http:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-brightgreen.svg?style=flat)](LICENSE)\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-2210.15987-b31b1b.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.15987)\n![Python CI](https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fworkflows\u002FPython%20CI\u002Fbadge.svg)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fnnsvs\u002Fnnsvs\u002Fbranch\u002Fmaster\u002Fgraph\u002Fbadge.svg?token=Z66FDOQGH7)](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fnnsvs\u002Fnnsvs)\n\n[docs-latest-img]: https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-latest-blue.svg\n[docs-latest-url]: https:\u002F\u002Fnnsvs.github.io\u002Fnnsvs\u002F\n\n基于神经网络的歌声合成库，用于研究用途。\n\n文档可在 https:\u002F\u002Fnnsvs.github.io 上找到。\n\n## 引用\n\n```\n@article{yamamoto2022nnsvs,\n  title={NNSVS：基于神经网络的歌声合成工具包},\n  author={山本隆一、米山玲央、户田智树},\n  journal={arXiv 预印本 arXiv:2210.15987},\n  year={2022}\n}\n```\n\n## 致谢\n\n- uSFGAN 的推理实现改编自 [chomeyama\u002FHN-UnifiedSourceFilterGAN](https:\u002F\u002Fgithub.com\u002Fchomeyama\u002FHN-UnifiedSourceFilterGAN)。\n- 扩散模型的相关代码改编自 [DiffSinger](https:\u002F\u002Fgithub.com\u002FMoonInTheRiver\u002FDiffSinger)。","# NNSVS 快速上手指南\n\nNNSVS 是一个基于神经网络的歌声合成研究工具库，支持多种先进的声学模型与声码器（如 uSFGAN、Diffusion 模型等）。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n- **操作系统**：Linux (推荐), macOS, Windows\n- **Python 版本**：3.8 或更高版本\n- **硬件要求**：推荐使用 NVIDIA GPU 进行模型训练和推理（需安装 CUDA 驱动）\n- **前置依赖**：\n  - `pip` (包管理工具)\n  - `git` (代码克隆)\n  - `ffmpeg` (用于音频处理)\n\n> **提示**：国内用户建议在安装 Python 依赖时使用清华或阿里镜像源以加速下载。\n\n## 安装步骤\n\n### 1. 克隆仓库\n首先从 GitHub 获取源代码：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs.git\ncd nnsvs\n```\n\n### 2. 安装依赖\n推荐使用虚拟环境（如 `venv` 或 `conda`）隔离依赖。\n\n**使用 pip 安装（推荐国内镜像）：**\n\n```bash\n# 使用清华大学镜像源加速安装\npip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\npip install -e . -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n**可选：安装开发依赖**\n如果您需要运行测试或构建文档：\n\n```bash\npip install -r requirements.dev.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 基本使用\n\nNNSVS 的核心功能通常通过命令行脚本或 Python API 调用。以下是最简单的流程示例，展示如何检查安装并查看可用命令。\n\n### 验证安装\n确认 `nnsvs` 相关命令已正确注册：\n\n```bash\npython -c \"import nnsvs; print(nnsvs.__version__)\"\n```\n\n### 典型工作流示例\nNNSVS 的标准使用流程包含数据预处理、模型训练和推理合成。以下是一个概念性的最小化操作示例（具体参数需根据数据集调整）：\n\n**1. 数据预处理**\n将乐谱和音频数据转换为模型可输入的格式：\n\n```bash\nnnsvs-bin-preprocess \\\n  --input-dir .\u002Fdata\u002Fraw \\\n  --output-dir .\u002Fdata\u002Fprocessed \\\n  --config conf\u002Fyour_config.yaml\n```\n\n**2. 模型训练**\n启动神经网络训练（需 GPU 支持）：\n\n```bash\nnnsvs-bin-train \\\n  --config conf\u002Fyour_config.yaml \\\n  --output-dir .\u002Fexp\u002Fyour_experiment\n```\n\n**3. 歌声合成（推理）**\n使用训练好的模型生成歌声：\n\n```bash\nnnsvs-bin-synthesize \\\n  --config conf\u002Fyour_config.yaml \\\n  --checkpoint .\u002Fexp\u002Fyour_experiment\u002Fcheckpoint_best.pth \\\n  --input-score .\u002Fdata\u002Ftest_score.txt \\\n  --output-wav .\u002Fresult\u002Foutput.wav\n```\n\n> **注意**：上述命令中的配置文件 (`yaml`) 和输入数据路径需要根据实际项目结构进行修改。详细参数说明请参阅 [官方文档](https:\u002F\u002Fnnsvs.github.io\u002Fnnsvs\u002F)。","一位独立音乐开发者希望为自制的虚拟歌手角色打造自然流畅的歌声合成引擎，以用于原创歌曲创作。\n\n### 没有 nnsvs 时\n- 必须从零搭建复杂的神经网络架构，反复调试声学模型与声源滤波器的耦合逻辑，开发周期长达数月。\n- 缺乏现成的高质量预训练模型参考，生成的歌声往往带有明显的机械感，难以处理颤音和气息等细腻情感。\n- 不同开源项目（如 DiffSinger 或 uSFGAN）的代码风格迥异，整合推理流程时需要大量手动修改，极易引入兼容性错误。\n- 缺少统一的评估指标和数据预处理工具，每次实验迭代都需编写重复脚本，严重拖慢研究进度。\n\n### 使用 nnsvs 后\n- 直接调用封装好的模块化 API，快速构建基于神经网络的歌声合成流水线，将原型开发时间从数月缩短至数周。\n- 内置适配 DiffSinger 和 uSFGAN 的先进模型架构，轻松生成包含丰富动态变化和自然颤音的高质量人声。\n- 统一了多种前沿模型的推理接口，无需关心底层实现差异，即可灵活切换或对比不同算法的合成效果。\n- 提供完整的数据预处理、特征提取及客观评估工具链，让开发者能专注于模型调优而非重复造轮子。\n\nnnsvs 通过提供标准化且前沿的研究级工具链，极大降低了高保真歌声合成技术的门槛，让创作者能将精力集中于音乐本身。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnnsvs_nnsvs_50617f68.png","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fnnsvs_48e5c582.png",null,"https:\u002F\u002Fgithub.com\u002Fnnsvs",[76,80,84],{"name":77,"color":78,"percentage":79},"Python","#3572A5",90.1,{"name":81,"color":82,"percentage":83},"Shell","#89e051",9.7,{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",0.3,734,83,"2026-04-07T05:40:10","MIT","未说明",{"notes":94,"python":92,"dependencies":95},"提供的 README 片段主要包含项目简介、徽章（如 PyPI 版本、许可证、arXiv 论文链接）及致谢信息，未列出具体的运行环境需求（如操作系统、GPU、内存、Python 版本或依赖库）。详细的环境配置通常位于项目的完整文档网站 (https:\u002F\u002Fnnsvs.github.io) 或 requirements.txt 文件中。该项目基于神经网络歌声合成，通常隐含需要 PyTorch 环境及 GPU 支持以进行训练或高效推理。",[92],[14,97],"音频",[99,100,101,102,103,104,105,106],"singing-voice-synthesis","dnn","pytorch","kiritan","singing-voice","python","deep-learning","singing-synthesis","2026-03-27T02:49:30.150509","2026-04-14T12:28:02.473830",[110,115,120,125,130,135],{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},32736,"如何在 macOS 或 Windows 上解决运行 recipe 时出现的 'end_time 不匹配' 或 'fastdtw' 编译错误？","这通常是因为 Cython 生成的 fastdtw\u002F_fastdtw.cpp 文件与环境不兼容。解决方法是：在运行 setup.py 之前删除 fastdtw\u002F_fastdtw.cpp 文件，或者在运行 setup.py 时添加 -f (或 --force) 选项强制重新编译。如果遇到链接器错误，可能需要检查并应用相关的本地仓库修复补丁。","https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fissues\u002F48",{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},32737,"Colab 演示笔记本无法运行怎么办？是否有更新的版本？","维护者已修复了 Colab 笔记本的问题并简化了安装流程。请使用以下最新链接尝试：\n- Colab 链接：https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fr9y9\u002Fnnsvs\u002Fblob\u002Fmaster\u002Fnotebooks\u002FDemos.ipynb\n- GitHub 源码链接：https:\u002F\u002Fgithub.com\u002Fr9y9\u002Fnnsvs\u002Ftree\u002Fmaster\u002Fnotebooks\n注意：目前的演示主要专注于日语歌声合成，其他语言的演示可能需要自行调整。","https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fissues\u002F78",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},32738,"NNSVS 目前的音质水平如何？是否达到了预期目标？","根据维护者的确认，NNSVS 已经实现了与 Sinsy 和 NEUTRINO 相当的音质水平。相关的高质量音频演示可以在 SoundCloud 上找到（例如 NNSVS 2022\u002F12 版本），标志着该项目在核心音质目标上已取得阶段性成功。","https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fissues\u002F1",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},32739,"是否支持中文歌声合成？有哪些数据集可以使用？","项目已开始支持中文歌声合成，推荐使用 OpenCPOP 数据集。维护者已上传了基于该数据集的样本，并计划合并相关的 recipe。在使用 OpenCPOP 数据时需注意，部分音频包含超过 5 秒的长静音片段（如编号 2020000775 等），且约有 16% 的数据被归类为非 voiced 声音，预处理时可能需要特别处理。","https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fissues\u002F105",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},32740,"如何在声学模型中集成 GAN 以提升音质？效果如何？","可以参考维护者在 TTS 领域的 GANTTS 项目经验将其应用于 SVS。实验表明，引入 GAN 后声学模型效果显著提升，甚至在训练早期（如第 5 个 epoch）就能观察到明显的音质改善。具体的实现细节和对比图谱可在相关 Issue 的评论中查看。","https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fissues\u002F85",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},32741,"关于时长建模（Duration modeling）考虑方差的问题是如何解决的？","针对时长建模中方差处理的问题，维护者通过特定的代码提交（PR #81 中的 commits）进行了修复。主要解决了因估计的时间滞后（time-lags）导致计算出的 L_hat 可能为负值的问题，虽然这种情况很少发生，但修复后模型运行更加稳定。","https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fissues\u002F80",[141,146,151,156,161],{"id":142,"version":143,"summary_zh":144,"released_at":145},247500,"v0.1.1","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fcompare\u002Fv0.1.0...v0.1.1","2023-10-09T15:58:19",{"id":147,"version":148,"summary_zh":149,"released_at":150},247501,"v0.1.0","## 变更内容\n* [ICASSP 2023] @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F147 中提交的开发更新\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F151 中添加了用于复现我们 NNSVS 论文中实验结果的配方\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F152 中移除了针对已不再可用数据的配方\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F155 中在 setup.py 中添加了 train_acoustic 入口点\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F156 中从多流模型中移除了 vib_model 和 vib_flag_model\n* @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F158 中修复了 natsume_singing 的官方 URI\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F159 中修复了配置测试，以覆盖未测试过的声学模型配置\n* @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F160 中用 f0_extractor 替换了重复使用的 use_harvest 选项\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F162 中修复了 Namine Ritsu 数据库的训练\u002F验证\u002F测试划分\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F157 中添加了对 hn-uSFGAN 和 SiFi-GAN 的配方级支持\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F163 中添加了基于 mcep 的非周期性参数化支持\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F164 中添加了使用 NNSVS 第 0 阶段生成的数据训练 DiffSinger 的指南\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F165 中为基类实现了 has_residual_lf0_prediction 方法\n* @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F166 中修复了 oniku_kurumi_utagoe_db，使其使用 run_common_steps_dev.sh\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F168 中移除了硬编码的 num_mels=80，并支持任意值\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F170 中对声学模型训练进行了性能优化\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F172 中修复了基于 MDN 的多流模型\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F173 中公开了自回归解码器实现的初始值参数\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F174 中弃用了未使用的选项，并为多流模型添加了一个新选项\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F175 中支持基于扩散的声学模型\n* preprocess：@r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F176 中添加了针对异常值的 workaround\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F177 中添加了针对 Opencpop 语料库的配方\n* @oatsu-gh 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F182 中更新了 enunu2nnsvs.py，添加了 main() 函数\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F186 中对 svs.py 和 gen.py 进行了内部重构，以使 NNSVS 更具可扩展性\n* @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F190 中修改了代码，不再使用 tempfile，以避免 Windows 系统中的 PermissionError\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F192 中修复了与 matplotlib 相关的 CI 问题\n* @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F193 中添加了对短且单个片段的检查\n* @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F194 中更新了依赖项，以支持 Python 3.10 和 3.11","2023-10-09T15:21:45",{"id":152,"version":153,"summary_zh":154,"released_at":155},247502,"v0.0.3","## 变更内容\n* 修复数据库名称错误。由 @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F102 中完成。\n* 将 dev 分支合并到 master 分支。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F109 中完成。\n* 修复 Conv1dResNet 的 bug，并添加测试以防止未来出现意外的 bug。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F111 中完成。\n* 重构 model.py：将其拆分为两个模块。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F113 中完成。\n* 为 MDN 添加 nn.Dropout。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F114 中完成。\n* 文档更新：将模型拆分为通用模型和声学模型。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F115 中完成。\n* 为 CI 添加配方测试。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F116 中完成。\n* 撤销 #114 提交，并添加向后兼容性测试。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F117 中完成。\n* 添加 MDNv2：在 MDN (v1) 的基础上加入 dropout。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F118 中完成。\n* 使用 `C-VUV_Voiced` 和 `C-VUV_Unvoiced` 标志实现 correct_vuv_by_phone 功能。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F119 中完成。\n* 重构配方。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F120 中完成。\n* 为后置滤波器添加平滑功能。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F121 中完成。\n* 添加 GV 后置滤波器。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F122 中完成。\n* 为数据预处理添加 correct_vuv 选项。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F123 中完成。\n* 增加更多文档。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F124 中完成。\n* 支持使用 train_resf0.py 训练非 resf0 声学模型。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F125 中完成。\n* 移除 MultistreamParametricModel。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F126 中完成。\n* 为低通滤波器添加测试，并增加对边界情况的处理。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F127 中完成。\n* 修复在不使用动态特征时出现的错误。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F128 中完成。\n* 重新审视自回归模型：重构 Tacotron 代码。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F129 中完成。\n* 更新文档：将 nnsvs 仓库迁移到 https:\u002F\u002Fgithub.com\u002Fnnsvs 组织。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F130 中完成。\n* 更新 README.md，修正文档链接。由 @nicolalandro 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F131 中完成。\n* 修复 Taco 推理中关于缩减因子的问题。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F132 中完成。\n* 修复 NonAttentiveDecoder 输出格式为 (B, T, C)。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F133 中完成。\n* 修复声码器在不同特征提取设置下的训练问题。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F134 中完成。\n* 添加允许过滤长片段的选项。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F135 中完成。\n* 修复预处理中 corect_vuv 选项的 bug。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F136 中完成。\n* 针对 scipy 1.9.0 的修复。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F137 中完成。\n* svs.py 的设备分配错误。由 @taroushirani 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F138 中完成。\n* 开发分支更新。由 @r9y9 在 https:\u002F\u002Fgithub.com\u002Fnnsvs\u002Fnnsvs\u002Fpull\u002F139 中完成。\n* 修复差异颤音模式的 bug。由 @r9y9 在 https:\u002F\u002Fgithub.","2022-10-15T13:51:34",{"id":157,"version":158,"summary_zh":159,"released_at":160},247503,"v0.0.2","一个应能与 https:\u002F\u002Fgithub.com\u002Foatsu-gh\u002FENUNU\u002Freleases\u002Ftag\u002Fv0.4.0 兼容的版本\n\n## 新特性\n\n- 使用 MDN 时长模型优化了时序控制 #80\n- 通过残差 F0 预测改进了声学模型 #76\n\n## 错误修复\n\n- MDN 模型中的 numpy.linalg.LinAlgError https:\u002F\u002Fgithub.com\u002Fr9y9\u002Fnnsvs\u002Fissues\u002F94","2022-04-29T06:45:48",{"id":162,"version":163,"summary_zh":164,"released_at":165},247504,"v0.0.1","注意：即将对项目进行大规模重构并添加新功能（可能包含破坏性 API 变更），因此将为此发布一个新的版本标记。\n\nnnsvs 的初始版本，包含一些实验性功能，如颤音建模和数据增强。该版本应与目前可用的 nnsvs 相关工具（例如 ENUNU）兼容。支持 Hydra ≥v1.0.0 且 \u003Cv1.2.0。\n\nPyPI 上也提供了发布包，因此您可以通过 `pip install nnsvs` 安装核心库。","2022-03-10T15:15:11"]