@pastecat
Для начала - WebUI "все-в-одном": https://github.com/gitmylo/audio-webui. Движки TTS, retrieval-based voice conversion (RVC), генерация музыки по текстовым запросам... Подходит для "пробы пера", если машина потянет. Проверено лично мной на GTX1660 6GB.

Ultimate Vocal Remover: https://github.com/Anjok07/ultimatevocalremovergui. Набор моделек для извлечения вокала. Также проверено на GTX1660 6GB.