Python-远程-1个月

项目编号：【34417】
Bert vits2需求
1. 模型训练
1.1 音频克隆api
a.稳定性：提供一个稳定的克隆api。
i.16G显存下面能够长时间稳定跑音色克隆。（会有专门的音色克隆服务器，可能存在克隆效果试听）
ii.克隆限制：为了避免爆显存导致的程序崩溃。告知该接口的使用限制。（原始音频时长等。）

b.便捷性：提供模板音频文件、音色名字即可克隆。
i.自动选择一个训练较好的模型，作为生成的模型。
ii.克隆接口需返回该模型的文件名称、文件路径。

1.2 兜底：如果复杂度较高，短期内无法实现，采用预预训练模型的模式
a.训练多个优质模型。
b.后续用户需要复刻模型的情况，协助训练。


2. 流式推理
2.1 项目包
a.项目包：需要将整个项目打包成绿色包。（整合cuda环境）
b.稳定性：需要项目能稳定运行，常规使用的时候不存在崩溃闪退的情况。（可能会连续推理十几个小时）
c.更新：后续bert vits2项目迭代后，可能会存在升级，需要你方协助。

2.2 模型调优
a.推理速度：需要对模型量化处理（减小显存占用）
b.推理速度：基于4060（8G），如果推理速度不理想，需要优化推理速度。（更改推理框架或者其他调优）
c.推理（暂定）：需要多路推理。（多路推理可能需要更高显存的配置）


2.3 模型优化
a.文本支持：模型对部分文本支持不佳的情况下进行调优。（好像bert vit2对纯数字支持不佳？及其他异常情况）
b.推理衔接：两段文本之间，推理间隙是否存在过长的情况。
c.性能相关：推理时间过长，是否存在爆显存等异常情况，期望能够一直保持稳定显存占用。（双方协助一起测试）

2.4 推理相关
a.排队机制：需要和你方商议如何实现。
b.音质相关：流式推理确保音质较高，别出现破音、失真、机械音等情况。
c.稳定性：确保能够稳定推理七八个小时，不出现卡顿。
d.模型支持：新的声音模型，放入指定目录后，无需重启程序即可在推理接口内调用该模型。
e.sdk：出一份简单的接口调用文档，对接的过程出现异常，需协助我们研发接入sdk。

2.5 进阶功能
a.插队机制：二期考虑增加同用户的互动，要考虑如何优雅的插队。


备注：
1、还需要解决该项目上面其他未考虑到的问题。
2、该项目运行的时候，如果出现了异常情况，白天需要半小时内响应并尽快修复。