Shenrui-Ma/video-regen-recipes / templates/singing-cover/character-rvc
character-rvc-training-cover
Verified为用户指定角色发现与核验语音来源,整理授权录音和分组留出集,在固定 RVC v2/48k/F0 环境训练与选择模型、校验 added 索引,再分声部转换歌曲并混音交付;莫斯提马中文若舞仅为历史示例。
指定角色 RVC 训练与翻唱
1. 先发现来源,再补齐缺口
读 README、profile、sources 和来源发现协议。尊重用户指定角色、作品、语言和 CV;不要用历史莫斯提马或另一角色替换。先用 Agent 原生网页搜索官方/可信角色资料与语音,核对身份、语言和配音,再用 scripts/discover.py 的 yt-dlp 内建元数据搜索兜底;只有仍无可用来源才问用户补充,不能早早把搜集工作全部交回用户。
发现脚本接口:--character --series --language --actor(可选) --provider bilibili|youtube|both --output 新JSON,另支持重复 --alias、--limit 1..10、--timeout 10..180、--inspect-url 和 --yt-dlp。只搜元数据不下载,返回的是候选,不自动认定为官方或已获授权;它不是全网官方来源验证器。URL-only flat 候选用 inspect 补详情,搜索错误与真正无结果分别处理,不能把 412 或工具缺失当作角色无语音。读取来源页的逐项判断字段;身份匹配和权利许可是不同判断。已知角色仍可能有中日配等不同声线,不能仅以角色名配对。
建立新 job ID。权利状态保持 unknown / pending-review,直到取得本次具体依据;不要用一组 true 值代替授权书或继承旧用途字段。若身份明确而权限未明,可完成发现和计划,停在素材取得/训练之前,不因“先搜”越过权利边界。
2. 固定环境与输入
按部署固定官方 commit 4338f12c3c28c80b3ac015e2d0df66c41592746d,使用原拼写 requirments_cu118_py312.txt 与 HF 格式 assets/hubert_base/,不能换成旧 .pt。读取 model-catalog/dependencies.json,核对字节与可信来源;训练不需要 DDSP 权重。环境、下载和 GPU 分配均独立记录。用户指定远程主机时使用其已配置连接部署和取回,本机可只负责控制;不要猜主机、认证或 GPU 编号,也不要在 Mac 上把这条 CUDA 训练路线说成 MPS 已适配。
阶段开始前用 run_guard.py snapshot 冻结本次真实输入/参数;每次恢复和下游启动前 check。目录快照包括成员增加/删除和内容哈希,不能只凭 .done、mtime 或输出文件名跳过。helper 不是调度器,不会证明作业完成;只在输入静止且持有外部独占锁时使用。
3. 筛选与训练
按数据与训练先排除其他说话人、错误语言、BGM/混响过重、重复、失真和无有效语音的片段;保留原件、来源时间区间和排除理由。先按原始录音/台词/重复组留出,再切片;重叠窗口不能跨 train/holdout,holdout 不得进入检索索引。历史中文运行没有独立验证集,不得倒填。
逐阶段执行预处理、F0、HuBERT。per=3.7 是分块秒数,静音阈值为 -42 dB;v2 特征 768 维。build_filelist.py 默认拒绝不齐全样本,审查缺失列表后才用 --allow-incomplete,在报告中分列真实交集和 2 条 mute;进一步在 RVC 环境验证数组/音频内容。
训练前确认输出目录和配对底模,保存 CLI 与配置的差异;定期核对 G/D 和小模型确实保存。e50/e100/e150/e200 等候选用同一留出片段和演唱短段比较,不能默认 e150 最佳或仅以 loss 排序。小模型用于推理,G/D 用于恢复;只能载入可信档案。
4. 索引和转换关口
冻结特征集并验证 added 索引的新鲜度;上游会跳过已存在 added,也可能复用旧 trained,故变更特征时用新索引实验目录。训练四路交集和索引特征集合分别记录,历史是 86 vs 87,不得混为同一个计数。
按推理混音复用 DDSP 模板的分离方法,但不要执行其 DDSP 推理命令或加载 DDSP 权重。先审听分轨并冻结主唱/和声映射,再用配对 RVC 小模型/added 索引做短段 API 调用。显式设置环境根,不用 setdefault 或全局缓存串角色;每个声部新进程。检查返回采样率、非空有限值和 PCM 缩放,保留干声。
5. 验收、恢复和交付
听审短段后才整曲转换;模型、索引率、protect、移调每次只改一个变量。对齐时核对伴奏 frames、起点与内部漂移,不用强制拉伸掩盖错误;混音只复用哈希一致且已审听的声部。保留 raw、dry、FX、premaster、master 和人工工程,不能删干声或覆盖用户手动混音。
按恢复表只重跑受影响阶段;未知进程状态先查进程/日志/产物,不重复训练。完成须有实际交付文件、解码与格式/时长/响度/真峰值检查、谱系与明确听审结果。未听审只能交付 awaiting-listening-review 候选。分别报告历史证据、离线检查与本次真实训练/推理,不能互相替代。
需要画面时可选律动环 MV,只移交已冻结母带及哈希;不自动发布任何音频或模型。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |