人工智能AI技术早已深入到人们生活的每一个角落，君不见AI孙燕姿的歌声此起彼伏，不绝于耳，但并不是每个人都拥有一块N卡，没有GPU的日子总是不好过的，但是没关系，山人有妙计，本次我们基于Google的Colab免费云端服务器来搭建深度学习环境，制作AI特朗普，让他高唱《国际歌》。
Colab（全名Colaboratory ），它是Google公司的一款基于云端的基础免费服务器产品，可以在B端，也就是浏览器里面编写和执行Python代码，非常方便，贴心的是，Colab可以给用户分配免费的GPU进行使用，对于没有N卡的朋友来说，这已经远远超出了业界良心的范畴，简直就是在做慈善事业。
配置Colab
Colab是基于Google云盘的产品，我们可以将深度学习的Python脚本、训练好的模型、以及训练集等数据直接存放在云盘中，然后通过Colab执行即可。
接着安装Colab即可：
至此，云盘和Colab就关联好了，现在我们可以新建一个脚本文件my_sovits.ipynb文件，键入代码：
随后，按快捷键 ctrl + 回车，即可运行代码：
这里需要注意的是，Colab使用的是基于Jupyter Notebook的ipynb格式的Python代码。
Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。
随后设置一下显卡类型：
接着运行命令，查看GPU
版本：
程序返回：
这里建议选择Tesla T4的显卡类型，性能更突出。
至此Colab就配置好了。
配置So-vits
下面我们配置so-vits环境，可以通过pip命令安装一些基础依赖：
注意jupyter语言是通过叹号来运行命令。
注意，由于不是本地环境，有的时候colab会提醒：
此时numpy库需要重启runtime才可以导入操作。
重启runtime后，需要再重新安装一次，直到系统提示依赖已经存在：
随后，克隆so-vits项目，并且安装项目的依赖：
安装好依赖之后，定义一些前置工具方法：
这些方法可以帮助我们下载、解压和加载模型。
接着将特朗普的音色模型和配置文件进行下载，下载地址是：
随后模型文件放到项目的models文件夹，配置文件则放入config文件夹。
接着将需要转换的歌曲上传到和项目平行的目录中。
运行代码：
此时系统会自动在根目录，也就是content下寻找音乐文件，包含但不限于wav、flac、mp3等等，随后根据下载的模型进行推理，推理之前会自动对文件进行背景音分离以及降噪和切片等操作。
推理结束之后，会自动播放转换后的歌曲。
结语
如果是刚开始使用Colab，默认分配的显存是15G左右，完全可以胜任大多数训练和推理任务，但是如果经常用它挂机运算，能分配到的显卡配置就会渐进式地降低，如果需要长时间并且相对稳定的GPU资源，还是需要付费订阅Colab pro服务，另外Google云盘的免费使用空间也是15G，如果模型下多了，导致云盘空间不足，运行代码也会报错，所以最好定期清理Google云盘，以此保证深度学习任务的正常运行。