推理是是否需要用分离后的人声部分进行推理

[leonfrank]

如题，我直接将一首歌使用svc_inference.py 进行推理，但是出来的背景音音准全变了
是否需要将原歌曲分离成人声和背景音部分，然后使用人声部分推理，最后把人声和背景音合成一首歌呢？如果要合成用什么方法

[leonfrank]

另外，推理和训练是否需要用单声道的音频，还是单双声道都可以？