Docs and bump default pytorch version to 2.2.1 latest

README.md

@@ -67,8 +67,7 @@ git clone https://github.com/litagin02/Style-Bert-VITS2.git
 cd Style-Bert-VITS2
 python -m venv venv
 venv\Scripts\activate
-# PyTorch 2.2.x系は今のところは学習エラーが出るので前のバージョンを使う
-pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118
+pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
 pip install -r requirements.txt
 python initialize.py  # 必要なモデルとデフォルトTTSモデルをダウンロード
 ```
@@ -170,13 +169,6 @@ python speech_mos.py -m <model_name>
 - safetensors形式のサポート、デフォルトでsafetensorsを使用するように
 - その他軽微なbugfixやリファクタリング
 
-## TODO
-- [x] デフォルトのJVNVモデルにJP-Extra版のものを追加
-- [x] LinuxやWSL等、Windowsの通常環境以外でのサポート ← おそらく問題ないとの報告あり
-- [x] 複数話者学習での音声合成対応（学習は現在でも可能）
-- [x] `server_fastapi.py`の対応、とくにAPIで使えるようになると嬉しい人が増えるのかもしれない
-- [x] モデルのマージで声音と感情表現を混ぜる機能の実装
-- [ ] 英語等多言語対応？
 
 ## References
 In addition to the original reference (written below), I used the following repositories:

colab.ipynb

@@ -28,7 +28,7 @@
         "\n",
         "Style-Bert-VITS2の環境をcolab上に構築します。グラボモードが有効になっていることを確認し、以下のセルを順に実行してください。\n",
         "\n",
-        "最近のcolabのアップデートにより、エラーダイアログ「WARNING: The following packages were previously imported in this runtime: [pydevd_plugins]」が出るが、「キャンセル」を選択して続行してください。"
+        "**最近のcolabのアップデートにより、エラーダイアログ「WARNING: The following packages were previously imported in this runtime: [pydevd_plugins]」が出るが、「キャンセル」を選択して続行してください。**"
       ]
     },
     {
@@ -43,7 +43,6 @@
         "!git clone https://github.com/litagin02/Style-Bert-VITS2.git\n",
         "%cd Style-Bert-VITS2/\n",
         "!pip install -r requirements.txt\n",
-        "# !apt install libcublas11\n",
         "!python initialize.py --skip_jvnv"
       ]
     },

docs/CLI.md

@@ -7,7 +7,7 @@ git clone https://github.com/litagin02/Style-Bert-VITS2.git
 cd Style-Bert-VITS2
 python -m venv venv
 venv\Scripts\activate
-pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118
+pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
 pip install -r requirements.txt
 ```
 

docs/paperspace.md

@@ -28,7 +28,7 @@ git clone https://github.com/litagin02/Style-Bert-VITS2.git
 環境構築（デフォルトはPyTorch 1.x系、Python 3.9の模様）
 ```bash
 cd /storage/sbv2/Style-Bert-VITS2
-pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118 && pip install -r requirements.txt
+pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 && pip install -r requirements.txt
 ```
 事前学習済みモデル等のダウンロード、またパスを`/notebooks/`以下のものに設定
 ```bash
@@ -57,7 +57,7 @@ mkdir inputs
 unzip Foo.zip -d inputs
 cd /storage/sbv2/Style-Bert-VITS2
 python slice.py --model_name Foo -i /notebooks/inputs
-python transcribe.py --model_name Foo
+python transcribe.py --model_name Foo --use_hf_whisper
 ```
 
 それが終わったら、以下のコマンドで一括前処理を行う（パラメータは各自お好み、バッチサイズ5か6でVRAM 16GBギリくらい）。

style_bert_vits2/tts_model.py

@@ -380,7 +380,6 @@ class TTSModelHolder:
     def get_model_for_gradio(
         self, model_name: str, model_path_str: str
     ) -> tuple[gr.Dropdown, gr.Button, gr.Dropdown]:
-
         model_path = Path(model_path_str)
         if model_name not in self.model_files_dict:
             raise ValueError(f"Model `{model_name}` is not found")