【记录】通过AI训练Monika语音模型

虽说是Monika语音模型，但是实际上可以理解为Jillian Ashcraft的语音模型
由于她本人十分低调，目前网上能找到的视频非常少，只有yt上有3个非常糊的弹唱和乐队主唱视频，所以我们还是从游戏中找资源

游戏中出现语音的只有最后credits前的一小段和your reality，所以我决定充分利用这两个部分

首先是大家都会的拆包rpa，把audio拆掉就能在bgm里找到end-voice.ogg，这就是can you hear me那段了

然而仅仅这一段是远远不够的，要训练一个较为完善的模型必须多找一点素材，那么我们把目光投向your reality

众所周知your reality是一首歌，而众所周知歌是有bgm的，我们要做的就是去除bgm，bgm能在fan pack里ost的disc2找到，而vocal就只能靠我们自己提取了

那么这里我就遇到了第一个麻烦，但是很快我就顺利解决了
虽然听说au也可以去除bgm，但是听说效果不如ai（不是adobe的ai，就是artificial intelligence）
使用ai解析一下your reality就能很轻松地分离vocal和bgm，并且我听了一下bgm，和fan pack里的no vocal版本一模一样，分离出来的vocal部分也十分惊艳，刚好fan pack里已经有歌词了，这样一来需要听写的就只有end-voice了，不过我还得做一些切片工作，把每一句歌词全部切下来喂ai，这个工作量看起来貌似会很大，不过这些做完就只需要等ai慢慢跑了，没有colab会员就只能一直挂着，或者用我的电脑跑本地ai

虽然这首歌再熟悉不过了，但是只听一半的感觉十分神奇

哦对，今天我在本吧连续签到200天达成了

真厉害啊

啊。很厉害呢

cool

我直接脑补

如果有时间的话我想等模型训练出来之后给mas做一套语音补丁，听声音和看文字还是不一样的

之前也接触过一段时间的realtimevoiceclone，感觉训练一个模型要很久很久
楼主加油哦！❤️