Windows 10/11下用Anaconda搞定so-vits-svc 4.0环境：告别CUDA版本冲突和pip安装报错
Windows系统下用Anaconda搭建so-vits-svc 4.0语音合成环境的完整指南
对于刚接触AI语音合成的新手来说，环境配置往往是第一个拦路虎。CUDA版本冲突、pip安装失败、依赖库不兼容等问题让很多人还没开始训练模型就已经放弃。本文将带你用Anaconda在Windows系统上搭建一个干净、可复现的so-vits-svc 4.0开发环境，彻底解决这些烦人的配置问题。
1. 环境准备：Anaconda与CUDA的完美搭配
Anaconda是Python环境管理的利器，它能创建独立的虚拟环境，避免不同项目间的依赖冲突。对于so-vits-svc这样的复杂项目，使用conda环境是明智之选。
1.1 安装Anaconda与基础配置
首先从Anaconda官网下载最新版安装包。安装时务必勾选"Add Anaconda to my PATH environment variable"选项，这样可以直接在命令行使用conda命令。
安装完成后，打开Anaconda Prompt（不要用普通cmd），执行以下命令测试是否安装成功：
conda --version接下来配置conda的镜像源以加速下载：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes1.2 CUDA版本选择与安装
CUDA版本是导致大多数问题的根源。通过以下命令查看你的显卡支持的CUDA版本：
nvidia-smi在输出中找"CUDA Version"这一行。需要注意的是，这里显示的是驱动支持的最高CUDA版本，实际安装时可以选低版本。
目前PyTorch稳定支持的最高CUDA版本是11.7，即使你的驱动支持12.x，也建议安装11.7。从NVIDIA官网下载CUDA 11.7的安装包。
安装时选择"自定义安装"，取消勾选"Visual Studio Integration"（除非你需要VS开发）。安装完成后验证：
nvcc -V如果显示版本为11.7，说明安装成功。即使nvidia-smi仍显示更高版本也不用担心，这是正常现象。
2. 创建conda虚拟环境
隔离的环境能避免各种依赖冲突。我们创建一个专用于so-vits-svc的Python 3.9环境（so-vits-svc目前不支持Python 3.10+）：
conda create -n sovits python=3.9 conda activate sovits接下来安装PyTorch。不要直接从PyTorch官网复制pip安装命令，而是使用conda安装：
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch验证PyTorch是否能正确识别CUDA：
import torch print(torch.__version__) print(torch.cuda.is_available()) # 应该输出True3. 安装so-vits-svc依赖项
创建一个requirements.txt文件，内容如下：
Flask==2.1.2 Flask_Cors==3.0.10 gradio==3.4.1 numpy==1.23.5 playsound==1.3.0 PyAudio==0.2.12 pydub==0.25.1 pyworld==0.3.2 requests==2.28.1 scipy==1.10.0 sounddevice==0.4.5 SoundFile==0.10.3.post1 starlette==0.19.1 tqdm==4.63.0 scikit-maad praat-parselmouth tensorboard librosa fairseq然后安装这些依赖：
pip install -r requirements.txt有些库可能需要额外处理。例如PyAudio在Windows上可能安装失败，可以尝试：
conda install -c conda-forge pyaudio4. 安装FFmpeg与项目配置
FFmpeg是处理音频文件必不可少的工具。从FFmpeg官网下载Windows版本，解压后将bin目录添加到系统PATH环境变量中。
验证安装：
ffmpeg -version现在可以克隆so-vits-svc的代码仓库了：
git clone https://github.com/svc-develop-team/so-vits-svc.git cd so-vits-svc下载所需的预训练模型：
- contentvec模型：checkpoint_best_legacy_500.pt，放在hubert目录下
- 底模文件：G_0.pth和D_0.pth，放在logs/44k目录下
5. 数据准备与预处理
高质量的训练数据是获得好模型的关键。建议准备至少100条干净的人声样本（最好是1000+），每条4-8秒，格式为wav。目录结构如下：
dataset_raw/ ├───speaker0 │ ├───sample1.wav │ └───sample2.wav └───speaker1 ├───sample1.wav └───sample2.wav在dataset_raw目录下创建config.json，内容类似：
{ "n_speakers": 2, "spk": { "speaker0": 0, "speaker1": 1 } }开始预处理数据：
python resample.py python preprocess_flist_config.py python preprocess_hubert_f0.py预处理完成后，dataset目录会包含处理好的数据，可以删除dataset_raw目录了。
6. 训练配置与启动
编辑configs/config.json，根据你的GPU显存调整batch_size：
- 6GB显存：2-3
- 8GB显存：4-6
- 更高显存：可以适当增加
开始训练：
python train.py -c configs/config.json -m 44k训练过程中常见问题及解决方案：
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| CUDA out of memory | batch_size太大 | 减小batch_size |
| 训练速度慢 | CPU瓶颈或GPU未充分利用 | 关闭其他程序，检查任务管理器 |
| 损失不下降 | 学习率不合适 | 调整config.json中的learning_rate |
训练日志保存在logs/44k/train.log，可以通过它监控训练进度。
7. 模型推理与应用
训练完成后，模型会保存在logs/44k目录下。要进行推理，首先准备干声音频放在raw目录下，然后编辑inference_main.py中的参数：
parser.add_argument('-m', '--model_path', type=str, default="logs/44k/G_latest.pth", help='模型路径') parser.add_argument('-c', '--config_path', type=str, default="configs/config.json", help='配置文件路径') parser.add_argument('-n', '--clean_names', type=str, nargs='+', default=["my_audio.wav"], help='wav文件名列表') parser.add_argument('-t', '--trans', type=int, nargs='+', default=[0], help='音高调整') parser.add_argument('-s', '--spk_list', type=str, nargs='+', default=['speaker0'], help='目标说话人')运行推理：
python inference_main.py生成的音频会保存在results目录下。如果效果不理想，可以尝试：
- 增加训练数据量
- 延长训练时间
- 调整模型参数
- 使用更高质量的原始音频
记得定期保存模型检查点，防止训练中断导致进度丢失。随着训练进行，你会逐渐听到模型效果的提升，这是一个需要耐心的过程，但最终结果值得等待。