リアルタイム声質変換。変換の経路は paper_snv の段 P93 の K3G
(門と重みつきの前段 → 符号と回路の 3 組の平均 → rvoc3hi・48 kHz・240 サンプル = 5 ms 単位)で、Rust の
lightvc_core::snv_stream::SnvStream が流す。実時間には 4 スレッド(--threads 4・既定)が要る。研究の現状は current/README.md と current/RESEARCH.md。
# オフライン変換(48 kHz mono WAV)
lightvc-app snv --input in.wav --output out.wav --operator my_voice.wav --target target_voice.wav --semitones 5
# リアルタイム変換(マイク → スピーカー)
lightvc-app realtime-snv --operator my_voice.wav --target target_voice.wav --semitones 5
# GUI(オフライン / リアルタイム / 声の一覧)
lightvc-app gui
--operator: 操作者(自分)の普通の発話(計 30 秒程度・複数可・48 kHz)--target: 目標の声の参照(計 20 秒以上・複数可・48 kHz)。架空の声か、本人の同意がある声だけを使う--semitones: 固定の半音(運用は 0 / 5 / 7 / 12)- 部品の書き出しは既定で
results/snv_p45_gate_t80_export・results/snv_k3g16kv_export・results/rvoc3hi/export_330k(--front/--model/--vocで変える。配布物ではmodels/front_gate・models/k3g・models/rvoc3hi)
CLAP / VST3 プラグインは cargo run -p lightvc-xtask -- bundle で作る。エディタの Model / Enrollment に書き出しの場所と登録の WAV を入れて Load する。
重みはリポジトリに含めない。配布物(cargo run -p lightvc-xtask -- package)に入れる重みの学習データと第三者のライセンスは NOTICE に書いてある。
- 設計目標: E2E p95 < 30 ms(理想 20 ms 級・p95 ≥ 50 ms は失格)。
- Windows の WASAPI 共有モードでは 30 ms を切れない。30 ms 級には ASIO ドライバが要る(ASIO SDK は再配布不可のため同梱しない)。