三年多以前，我還在玩sovits的時候， 那個時候聲音的模型是需要分離（去環境背景音）出乾聲， 然後做訓練的。

然後需要對資料集進行一個篩選，去掉底噪大的部分，然後開始進行訓練。
一般訓練8000步左右，音色還原度最佳， 如果超過8000步，評分還在25以下，這個資料集和訓練基本就廢了， 如果你硬要繼續訓練，一口氣訓練到超過14000步， 就會出現所謂的“發散”， 最終導致出來的聲音要么是“電音嚴重”要么就是“人不人鬼不鬼”。
這裡像不像量化交易的開發步驟？提取乾聲的過程， 就是給機器自學習和預測模型找資料集的過程， 去掉底噪大的部分， 就是篩選掉裡面的無效行情（1分鐘暴漲暴跌的部分），訓練8000步， 不會出現嚴重的過擬合，訓練到14000步“發散”（嚴重過擬合） 最終導致實盤結果無限接近於：擲硬幣。
雖然不在一個賽道裡， 但是底層邏輯是相同的。
會不會在未來某一天，擊敗我們的不是行業本身的人， 而是跨行踩過來的人， 就真不好說了。。。