So-VITS-SVC 与 Stable Diffusion 的云端部署记录

So-VITS-SVC-4.0 模型概述

so-vits-svc-4.0 是 svc-develop-team 开源的歌声合成模型，底层还是那套变分自编码器和对抗生成网络思路。它更擅长做音色迁移和风格转换，能把目标歌手的音色、音准、节奏感尽量学出来，最终输出听起来比较完整的合成歌声。原文里提到它支持 44.1kHz 采样率、适配多语言、推理后能在 8GB 显存设备上跑，这些信息都比较实用，尤其是显存门槛，决定了它更适合轻量试跑，而不是一上来就追求大规模生产。

So-VITS-SVC 部署步骤

1. 在镜像市场里选声音克隆类镜像，例如 svc-develop-team/so-vits-svc/so-vits-svc-4.0。
2. 创建并启动云实例，默认配置就够用。
3. 实例创建完成后，拿到登录凭证，也就是指令和密码。
4. 用 JupyterLab 登录实例环境。
5. 进入终端，切到 so-vits-svc 目录。
6. 执行 python webUI.py 启动 Web 界面。
7. 在本地配好 SSH 隧道，转发服务端口。
8. 浏览器访问 http://localhost:7860 即可使用。

这套流程没什么花活，重点是 WebUI 和本地端口转发这一步，少了它就只能在远端环境里操作，体验会差很多。

Stable Diffusion 3.5 Large Turbo 模型概述

Stable-Diffusion-3.5-Large-Turbo 是 Stability AI 的文生图模型，属于 Stable Diffusion 系列的升级版。它主打的是推理速度和更高分辨率输出，原生支持 1024x1024，也兼顾了 T2I、Inpainting、UpScale 这些常见场景。原文给出的参数量是 3.5B，推理显存约 12GB。对实际部署来说，这个数字比'模型很强'更有意义，因为它直接决定了你该怎么选机器。

Stable Diffusion 部署步骤

1. 在模型市场中选择文生图类镜像，例如 Stable-Diffusion-3.5-Large-Turbo。
2. 创建并启动实例。
3. 按平台提供的提示词描述进行图像生成。
4. 粘贴描述并运行生成任务。

如果只是快速验证效果，这样的部署方式已经够了。它省掉了不少环境折腾，代价是灵活度一般；真要做更细的参数调试，后面还是得回到完整的本地或自定义环境里。