1.训练数据集格式不对，尤其是preprocess.py预处理后生成的文件xxx_train.txt.cleaned，一定要亲自打开检查一遍，特别是对于中日混合训练，或者多说话人训练，cleaner很容易忘记改，导致整个文件处理上就是有问题的，最后训练出来的肯定也是有问题

(资料图片)

比如中日混合训练是带标签[zh],[JA]的，但是预处理后，这些标签会去掉，我有一次，cleaner忘记改了，还是用的Japanese的cleaner，最后[zh]标签都没有去掉，但是训练也不报错，整个音素都是用日语的标记，中文有的音日语没有直接不给你标，最后中文是完全说不了

2.batchsize设置过大，导致显存爆了，最常见的错误，把bs（batchsize）改小就行了

3060显卡，16g内存可以开到8（群友经验）

我的是v100显卡，bs一般开到32

3.多说话人训练中，config里面n_speaker设置的不对，vits多说话人是严格按照序号从0开始的，并且序号最大的人数就会被程序看作最大人数，例如你有一个序号为0，1，2 ，20的训练集，虽然实际只有4个人，但是程序会看作有21人，中间没有的序号，会用0表示。

但是这也是后续加人训练的一种思路，一般来说，训练开始了，后续是不能接着加人训练的，想要加人只能重头训练，但是我们可以设置比如0，1，2序号的说话人序列，n_speaker设置大一点，大1到2比较合适，太大会影响bs

n_speaker设置过小常见报错：too much value to unpack 

4.在训练中日混合模型中，最容易忘记核对下载中文数据集的采样率是否一致，导致采样率不一致报错。下载的中文数据集很多都是44k的采样率，但如果日语的是20k的采样率就会报错。常见的报错为：SR don not match 其中SR是采样率。

5.训练集里面参杂了一些空行，会导致报错，常见报错 too much value to unpack 

6.如果是训练中日混合模型，需要改text文件夹下的cleaner，然后训练集格式改成中日混合的格式（[JA] [ZH])

7.对于数据集处理，如果是gal的语音，h语音最好能去掉一些，要不然还是有一些负面影响，可以直接在文本搜索あああ，うう，之类的，进行删除，不需要全部删除，但是可以大概删删