生成进度
待机显卡与系统
—每张卡的显存/负载温度都会实时显示;生成时单卡显存冲到 5 GB 上下属正常
歌词全文
运行日志
—加载中…
每张卡的显存/负载温度都会实时显示;生成时单卡显存冲到 5 GB 上下属正常
加载中…
挑一副骨架插进输入框,把括号里的提示改成你的词就行 —— [verse] 主歌、[chorus] 副歌、[bridge] 桥段这些标记要留着, 引擎靠它们分段。
存下来的是当前这一版方案(曲风、情绪、音色、调性、BPM、 时长、编曲描述和歌词)。下次点一下就能重新套用。
公网那份是独立历史,本机作品不会露出去。
—没有歌词时引擎会自己写词,这里决定它按哪种语言写; 歌词本身是中文/英文时,会自动跟着歌词走(选「自动判断」即可)。想只要伴奏就选「纯音乐」。
挂上训练好的音色适配器(LoRA),让成品往那个音色偏。适配器放在 models\adapters\ 下;训练用哪个底座就得配哪个精度的 DiT(现在的「头锅汤」是用 turbo 训的,请把上面的 DiT 精度切到 turbo 那一档)。
模型精度:越高越细腻,但越吃显存。BF16 满精度两档超过 6G 显存, 会走 CPU、慢很多;显卡上跑得动的最高档是 Q8_0。改完立即生效,不用重启。
没有歌词时引擎会自己写词,这里决定它按哪种语言写; 歌词本身是中文/英文时,会自动跟着歌词走(选「自动判断」即可)。想只要伴奏就选「纯音乐」。
高级:引导强度 0 = 不干预(引擎默认关掉 CFG);参考实现推荐 SFT 模型用 7~8,会让成品更贴你的描述与参考曲,代价是时间约 ×1.5~2。采样步数 0 = 自动(SFT 50 / turbo 8),提到 64~100 细节更多、更慢。
公网分两步开:先开公网端口(局域网里立刻能用),需要发给外面的人时再开公网地址(建隧道)。 隧道不常开 —— 频繁建会被服务商判滥用。公网那份是空历史的,本机的作品、参考歌曲、文件路径都不会露出去。
设置会保存在 conf\settings.json,重启服务后依然生效。
决定成品是 MP3 还是 WAV、多少位深。WAV 是无损,MP3 体积小方便分享。
模型精度决定画质与速度:Turbo 最快(8 步),XL-SFT 更细(50 步)。BF16 满精度在 6G 显存上会掉到 CPU,很慢。
本机自己用第一个;同一个 WiFi 下的手机用局域网那个;发给外面的人用公网。公网要手动开。
歌词校准页里每个字那颗 ▶ 只放这一个字。实际切片 = 字时间 − 前导 ~ 下一字时间 + 尾巴。前导太小会削掉字头的辅音,太大会把上一个字的尾音带进来;尾巴同理。精确到 0.001 秒。
公网那份默认是只读的:外面的人只能听和下载。打开这个开关后,公网账号(登录后)可以删掉自己生成的歌 —— 别人的删不了;删的是公网目录 out-public 里那份,本机 out 里的原文件不动。
顾问优先用本地大模型,不花云端额度。模型可以随便加:千问控制台那种选「本地」,DeepSeek 这类 OpenAI 兼容接口选「OpenAI 兼容」。
到点自己让顾问写词定曲并开工(走正常排队,不会插队)。 只在本机这份生效;开着的时候电脑得醒着。
公网入口要登录才能用,每个账号只看到自己的歌。这里能建号、改额度、看用量和审计。