怎么上网站做简易注销的步骤,win7架设asp网站,怎么编辑网站,免费做网站怎么做网站吗环境#xff1a;
Vits2.3-Extra-v2:中文特化修复版
auto_DataLabeling
干声10分钟左右.wav
问题描述#xff1a;
Vits2.3-Extra-v2:中文特化#xff0c;如何训练及推理#xff08;新手教程#xff09;
解决方案#xff1a;
一、准备数据集
切分音频
本次音频数据…环境
Vits2.3-Extra-v2:中文特化修复版
auto_DataLabeling
干声10分钟左右.wav
问题描述
Vits2.3-Extra-v2:中文特化如何训练及推理新手教程
解决方案
一、准备数据集
切分音频
本次音频数据自己录制干声10分钟左右
1.运行auto_DataLabeling\slicer-gui\slicer-gui.exe
2.点击左上角Add Audio Files导入源音频文件 3.将输出目录设置为auto_DataLabeling\raw_audio 点击start 切片好的音频经过手动筛选删除过短的音频 4.开始标注并清理标注
根据需求运行0.带标点符号的标注.bat 5.运行2.清理用于Bert_VITS2的标注.bat清理标注
如果要另外标注删除long_character_anno里面内容适用二次标注
6.运行auto_DataLabeling\raw_audio.VITS数据集批量重命名.bat自动重命名文件 完成 7.把重命名文件后的音频文件放入Bert-Vits2/dataset/你的数据集名称文件夹中 8.把clean_barbara.list复制到Bert-Vits2/filelists/文件夹中
提示别忘了改config.yml中的各个路径, 有些不好改的可以直接复制到Data文件夹里将生成的clean_barbara.list放入Bert-Vits2/filelists/文件夹中二、Vits2.3训练准备
1.声音重采样
将音频文件重采样为44100Hz可以使用Audacity或者ffmpeg
本次直接运行Bert-VITS2\resample.py
操作的目录见config.yml中的in_dir与out_dir
进入bert-vits2目录
2.运行下面命令进行声音重采样
python resample.py 3.划分标注数据
python preprocess_text.py4.生成bert特征文件
python bert_gen.py 如报错缺少模型Erlangshen-MegatronBert-1.3B-Chinese 下载后 配置文件这边改为1 再次生成ok 5.生成clap特征文件
python clap_gen.py 改写config.yml中的transcription_path为filelists/clean_barbara.list 6.使用底模
在config.yml中找到train_ms将use_base_model改为true并将num_workers改为少于cpu核心数的值
三、开始训练
修改config.json中的trainepoch为你想要的训练轮数,模型会在每一千步保存一次 1.运行
Bert-Vits2/train_ms.py2.查看训练train日志可以看到训练进度相关信息
四、推理
1.在models文件夹把最后训练好的文件G开头G_7000.pth拿来推理更改config.yml配置文件里面模型路径 2.启动web服务打开推理页面
python webui.py3.开始推理 4.推理完成试听音频文件如果听起来分辨不出说明效果可以如果不行还需要继续训练我这epoch 600轮效果可以了
