Zależy od złożoności i rozmiaru modelu. Na jednym wydajnym GPU:
- DDSP: około 6 godzin.
- RAVE: około 12 godzin.
- AFTER: około 24 godzin.
Gdy model będzie gotowy do pobrania, otrzymasz e-mail. Trening działa w tle, więc możesz zamknąć przeglądarkę i wrócić później. Gdy dane będą gotowe, przejdź do treningu neuronowych modeli audio.