From 64047195b5879b748954b45499c6ea3452e39500 Mon Sep 17 00:00:00 2001 From: litagin02 Date: Fri, 12 Jan 2024 16:14:06 +0900 Subject: [PATCH] Update README --- README.md | 26 +++++++++++++++++--------- 1 file changed, 17 insertions(+), 9 deletions(-) diff --git a/README.md b/README.md index 8bbafaf..d01198e 100644 --- a/README.md +++ b/README.md @@ -90,7 +90,23 @@ model_assets ### 学習 -`Train.bat`をダブルクリックか`python webui_train.py`するとWebUIが起動します。 +学習には2-14秒程度の音声ファイルが少なくとも5個以上、またそれらの音声ファイルの書き起こしデータが必要です。 + +- 既存コーパスなどですでに分割された音声ファイルと書き起こしデータがある場合はそのまま（必要に応じて書き起こしファイルを修正して）使えます。下の「学習WebUI」を参照してください。 +- そうでない場合、（長さは問わない）音声ファイルのみがあれば、そこから学習にすぐに使えるようにデータセットを作るためのツールを同梱しています。 + +#### 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。 + +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。 + +データセットがどのようなものがいいかは各自試行錯誤中してください。 + +#### 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。 ### スタイルの生成 @@ -99,14 +115,6 @@ model_assets - 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。 -### 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。音声ファイルのみからでもこれを使って学習できます。 - -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。 - -データセットがどのようなものがいいかは各自試行錯誤中してください。 - ### API Server 構築した環境下で`python server_fastapi.py`するとAPIサーバーが起動します。