docs
This commit is contained in:
litagin02
15
README.md
15
README.md
@@ -4,6 +4,8 @@ Bert-VITS2 with more controllable voice styles.
|
||||
|
||||
https://github.com/litagin02/Style-Bert-VITS2/assets/139731664/e853f9a2-db4a-4202-a1dd-56ded3c562a0
|
||||
|
||||
You can install via `pip install style-bert-vits2` (inference only), see [library.ipynb](/library.ipynb) for example usage.
|
||||
|
||||
- **解説チュートリアル動画** [YouTube](https://youtu.be/aTUSzgDl1iY) [ニコニコ動画](https://www.nicovideo.jp/watch/sm43391524)
|
||||
- [English README](docs/README_en.md)
|
||||
- [](http://colab.research.google.com/github/litagin02/Style-Bert-VITS2/blob/master/colab.ipynb)
|
||||
@@ -12,6 +14,7 @@ https://github.com/litagin02/Style-Bert-VITS2/assets/139731664/e853f9a2-db4a-420
|
||||
|
||||
- [**リリースページ**](https://github.com/litagin02/Style-Bert-VITS2/releases/)、[更新履歴](/docs/CHANGELOG.md)
|
||||
|
||||
- 2024-03-15: ver 2.4.0 (大規模リファクタリングや種々の改良、ライブラリ化)
|
||||
- 2024-02-26: ver 2.3 (辞書機能とエディター機能)
|
||||
- 2024-02-09: ver 2.2
|
||||
- 2024-02-07: ver 2.1
|
||||
@@ -42,6 +45,8 @@ CLIでの使い方は[こちら](/docs/CLI.md)を参照してください。
|
||||
|
||||
### インストール
|
||||
|
||||
Pythonライブラリとしてのpipでのインストールや使用例は[library.ipynb](/library.ipynb)を参照してください。
|
||||
|
||||
#### GitやPythonに馴染みが無い方
|
||||
|
||||
Windowsを前提としています。
|
||||
@@ -107,8 +112,8 @@ model_assets
|
||||
|
||||
#### データセット作り
|
||||
|
||||
- `Dataset.bat`をダブルクリックか`python webui_dataset.py`すると、音声ファイルからデータセットを作るためのWebUIが起動します（音声ファイルを適切な長さにスライスし、その後に文字の書き起こしを自動で行います）。
|
||||
- 指示に従った後、閉じて下の「学習WebUI」でそのまま学習を行うことができます。
|
||||
- `App.bat`をダブルクリックか`python app.py`したところの「データセット作成」タブから、音声ファイルを適切な長さにスライスし、その後に文字の書き起こしを自動で行えます。
|
||||
- 指示に従った後、下の「学習」タブでそのまま学習を行うことができます。
|
||||
|
||||
注意: データセットの手動修正やノイズ除去等、細かい修正を行いたい場合は[Aivis](https://github.com/tsukumijima/Aivis)や、そのデータセット部分のWindows対応版 [Aivis Dataset](https://github.com/litagin02/Aivis-Dataset) を使うといいかもしれません。ですがファイル数が多い場合などは、このツールで簡易的に切り出してデータセットを作るだけでも十分という気もしています。
|
||||
|
||||
@@ -116,12 +121,12 @@ model_assets
|
||||
|
||||
#### 学習WebUI
|
||||
|
||||
- `Train.bat`をダブルクリックか`python webui_train.py`するとWebUIが起動するので指示に従ってください。
|
||||
- `App.bat`をダブルクリックか`python app.py`して開くWebUIの「学習」タブから指示に従ってください。
|
||||
|
||||
### スタイルの生成
|
||||
|
||||
- デフォルトスタイル「Neutral」以外のスタイルを使いたい人向けです。
|
||||
- `Style.bat`をダブルクリックか`python webui_style_vectors.py`するとWebUIが起動します。
|
||||
- `App.bat`をダブルクリックか`python app.py`して開くWebUIの「スタイル作成」タブから、音声ファイルを使ってスタイルを生成できます。
|
||||
- 学習とは独立しているので、学習中でもできるし、学習が終わっても何度もやりなおせます（前処理は終わらせている必要があります）。
|
||||
- スタイルについての仕様の詳細は[clustering.ipynb](clustering.ipynb)を参照してください。
|
||||
|
||||
@@ -140,7 +145,7 @@ API仕様は起動後に`/docs`にて確認ください。
|
||||
### マージ
|
||||
|
||||
2つのモデルを、「声質」「声の高さ」「感情表現」「テンポ」の4点で混ぜ合わせて、新しいモデルを作ることが出来ます。
|
||||
`Merge.bat`をダブルクリックか`python webui_merge.py`するとWebUIが起動します。
|
||||
`App.bat`をダブルクリックか`python app.py`して開くWebUIの「マージ」タブから、2つのモデルを選択してマージすることができます。
|
||||
|
||||
### 自然性評価
|
||||
|
||||
|
||||
@@ -4,7 +4,7 @@
|
||||
"cell_type": "markdown",
|
||||
"metadata": {},
|
||||
"source": [
|
||||
"# Style-Bert-VITS2 (ver 2.4) のGoogle Colabでの学習\n",
|
||||
"# Style-Bert-VITS2 (ver 2.4.0) のGoogle Colabでの学習\n",
|
||||
"\n",
|
||||
"Google Colab上でStyle-Bert-VITS2の学習を行うことができます。\n",
|
||||
"\n",
|
||||
|
||||
@@ -46,6 +46,7 @@
|
||||
|
||||
**API**
|
||||
|
||||
- `server_fastapi.py`の実行時に全てのモデルファイルを読み込もうとする挙動を修正。音声合成がリクエストされて初めてそのモデルを読み込むように変更（APIを使わない音声合成のときと同じ挙動）
|
||||
- `server_fastapi.py`の音声合成エンドポイント`/voice`について、GETメソッドに加えてPOSTメソッドを追加。GETメソッドでは多くの制約があるようなのでPOSTを使うことが推奨されます。
|
||||
|
||||
**CLI**
|
||||
|
||||
Reference in New Issue
Block a user