Retrieval-based-Voice-Conversion-WebUI（簡稱 RVC），提供完全基於 Web 的 GUI 介面，可以讓您輕鬆的在上頭訓練人聲成 .pth 模型檔，即讓 AI 學會一個人的聲音，是 AI 語音領域近期相當火熱的軟體（雖然在台灣還沒什麼人知道），下載及安裝使用方式還請先看我的上篇文章。這次要來嘗試的是 RVC 提供之「ckpt 處理」中「模型融合」的功能，

Retrieval-based-Voice-Conversion-WebUI（簡稱 RVC），該工具可以讓您輕鬆的在上頭訓練人聲成 .pth 模型檔，即讓 AI 學會一個人的聲音。進階使用還可以將 .pth 模型檔依照比例融合，創造完全獨一無二的聲音！此次示範人聲模型融合效果 。
文字稿：ChatGPT
模型訓練集聲源：ずんだもんCV：伊藤ゆいな & 東北イタコCV：木戸衣吹
插圖來源：https://zunko.jp/con_illust.html

▲ 時間軸空降：
00:00:00 片頭
00:00:02…

當 AI 逐漸成為創作者工具的一環，能與繪圖軟體無縫整合的解決方案也愈來愈受到矚目。Krita 作為自由開源、廣受插畫與漫畫創作者愛用的繪圖軟體，現在也能透過 krita-ai-diffusion 插件直接使用 Stable Diffusion 進行圖像生成，讓 AI 真正融入創作流程中。前陣子我曾介紹過 Krita 結合 Stable Diffusion 的應用初探，不少人應該會好奇，

如果說雙人互動是 AI 繪圖的試金石，那麼「四人的樂團表演」簡直就是模型的地獄級試煉。在過去的 Stable Diffusion 時代，當我們試圖在單一提示詞中塞入四個不同的角色時，往往會面臨嚴重的「語義碰撞（Semantic Collision）」。最常見的慘狀莫過於四個人的髮色變得一模一樣、樂器與肢體發生詭異的融合…