- WebUI参数说明
- 选择主模型文件
- 主模型配套的配置文件
- 主模型配套的扩散模型
- 扩散模型配套的配置文件
- 聚类模型或特征检索。（可选）
聚类模型：需单独训练聚类模型，其可以减小音色泄露，使得音色更接近于原声（效果不是很明显）。单纯的完全使用聚类模型，会导致出现口齿不清，降低咬字的情况。因此，需要设置好混合比例。
特征检索：同样可以减小音色泄露，但会增加推理时间，咬字比聚类稍好。同样需要设置混合比例。
以上两种模型，若需要择一加载即可。
- 选择推理设备，建议使用GPU（速度快一些）
- NSF-HIFIGAN增强在训练集较少时建议开启，有明显增强作用
全扩散推理开启后将不会使用主模型，而是只使用扩散模型推理
- 1和2选择完毕，3、4、5可选。点击按钮即可加载模型。加载结束后，信息会显示在下面的Output Message中
- 模型加载完毕后，训练时指定的说话人名单会在此处罗列出来。选择说话人，即选择用谁的训练集来推理。
- f0预测器，最好是与模型训练时使用的预测器一致。目前推荐的是rmvpe
- 变调：-24~+24，通常男变女用+12，女变男用-12。此处，值越大声调越高，值越低声调越低沉。注意：声调高低始终有个范围，若过高容易出现静音、破音等情况，过低同理。
- 聚类模型/特征检索混合比例，范围0~1，若启用建议0.5
- 切片阈值：推理时，会根据该阈值对输入音频进行切片。同训练集切片时用的阈值作用相同。
- noise_scale：建议不动
- 浅扩散步数：即扩散推理时的步数，完整的高斯扩散共1000步。步数越多越接近扩散结果，主模型的推理结果则会被抑制。若只是想去掉噪音、电音，建议30-50步即可。
- pad：开头结尾自动填静音的时间。官方给的解释是，未知原因导致开头结尾会有异响，所以直接填一段静音即可解决
- 音频自动切片：即切片长度，单位s。0为不切片。切片的好处是，可以将多个片段同时进行推理，再融合。减少推理时间，但相应的也会增加资源占用，尤其是显存。
- 音频切片的交叉淡入长度，单位为s。如果切片后人声不连续，可调整该值。可以理解为前切片的片尾与后切片的片头重叠一部分（即交叉），然后做淡入处理。
- 切片需要舍弃的片尾比例，即为18中交叉长度的保留比例。范围0~1，左开右闭。
- 增强器基础音域，单位半音。+1表示升高一个半音，-1表示降低一个半音。
- F0过滤阈值，使用crepe预测器时，该值才有效。目前推荐使用rmvpe，所以该参数基本无用。
- 输入源响度与输出响度占比，1为完全使用输出响度。输出响度则取决于训练时的响度嵌入等操作。
- 二次编码：官方未详细解释，建议不开。
动态声线融合：该选项无法使用。默认关闭。声线融合主要是将输入源中（模型声线、输入音频声线）所有声线融合到一起，生成一个不存在的声线。
- 添加待推理的人声，并点击音频转换，即可开始推理