Real-Time-Voice-Cloning项目包含三个核心训练包：encoder、synthesizer和vocoder。每个包负责处理不同的音频任务，确保语音克隆能够顺利进行。你可以通过访问项目的官方GitHub链接Real-Time-Voice-Cloning Wiki下载预训练模型。如果无法访问该链接，也可以从其他资源下载，并将解压后的文件分别放入encoder、synthesizer和vocoder三个对应的文件夹中。