1
大佬你好，听了demo效果很不错，我打算提取我自己的语言模型的latent进行训练bigvgan，按照bigvagan-v2的默认配置，使用约100h数据训练了大概5w-step，音频听起来质量不佳，想请教你demo里的音频是训练bigvgan多少step呢，或者介意开源下bigvgan的训练配置吗？ 万分感谢！
Q
[index-tts]问题请教：bigvgan训练了多少step？
A
回答
8
batchsize=192训练了30万步，lr: 1e-04, 我们是用几万小时训的，你可以把这个模型作为初始化可以极大的加速收敛
3
感谢回复。和大佬的llm-latent维度不太一致，似乎不太适合初始化；还有个问题想请教下，大佬最终收敛后的loss是多少呢？
9
Gen Loss Total: 37.161, Mel Error: 1.787, s/b: 1.849
6
谢谢大佬
2
佬，再请教下，看推理代码spk-encoder是联合generator一起训练的，想问一下，spk-encoder也会接受来自判别loss的梯度？还有就是推理代码中计算了spk-encoder的contrastive-loss，想问一下mel_refer是怎么构造的呢？
9
spk-encoder的初始化会使用预训练的ECAPA_TDNN权重吗