Use only one vq is enough
This commit is contained in:
16
models.py
16
models.py
@@ -345,10 +345,7 @@ class TextEncoder(nn.Module):
|
|||||||
self.ja_bert_proj = nn.Conv1d(1024, hidden_channels, 1)
|
self.ja_bert_proj = nn.Conv1d(1024, hidden_channels, 1)
|
||||||
self.en_bert_proj = nn.Conv1d(1024, hidden_channels, 1)
|
self.en_bert_proj = nn.Conv1d(1024, hidden_channels, 1)
|
||||||
self.emo_proj = nn.Linear(1024, 1024)
|
self.emo_proj = nn.Linear(1024, 1024)
|
||||||
self.emo_quantizer = nn.ModuleList()
|
self.emo_quantizer = VectorQuantize(
|
||||||
for i in range(0, n_speakers):
|
|
||||||
self.emo_quantizer.append(
|
|
||||||
VectorQuantize(
|
|
||||||
dim=1024,
|
dim=1024,
|
||||||
codebook_size=10,
|
codebook_size=10,
|
||||||
decay=0.8,
|
decay=0.8,
|
||||||
@@ -356,7 +353,6 @@ class TextEncoder(nn.Module):
|
|||||||
learnable_codebook=True,
|
learnable_codebook=True,
|
||||||
ema_update=False,
|
ema_update=False,
|
||||||
)
|
)
|
||||||
)
|
|
||||||
self.emo_q_proj = nn.Linear(1024, hidden_channels)
|
self.emo_q_proj = nn.Linear(1024, hidden_channels)
|
||||||
|
|
||||||
self.encoder = attentions.Encoder(
|
self.encoder = attentions.Encoder(
|
||||||
@@ -373,17 +369,16 @@ class TextEncoder(nn.Module):
|
|||||||
def forward(
|
def forward(
|
||||||
self, x, x_lengths, tone, language, bert, ja_bert, en_bert, emo, sid, g=None
|
self, x, x_lengths, tone, language, bert, ja_bert, en_bert, emo, sid, g=None
|
||||||
):
|
):
|
||||||
sid = sid.cpu()
|
|
||||||
bert_emb = self.bert_proj(bert).transpose(1, 2)
|
bert_emb = self.bert_proj(bert).transpose(1, 2)
|
||||||
ja_bert_emb = self.ja_bert_proj(ja_bert).transpose(1, 2)
|
ja_bert_emb = self.ja_bert_proj(ja_bert).transpose(1, 2)
|
||||||
en_bert_emb = self.en_bert_proj(en_bert).transpose(1, 2)
|
en_bert_emb = self.en_bert_proj(en_bert).transpose(1, 2)
|
||||||
if emo.size(-1) == 1024:
|
if emo.size(-1) == 1024:
|
||||||
emo_emb = self.emo_proj(emo.unsqueeze(1))
|
emo_emb = self.emo_proj(emo.unsqueeze(1))
|
||||||
emo_commit_loss = torch.zeros(1)
|
emo_commit_loss = torch.zeros(1).to(emo_emb.device)
|
||||||
emo_emb_ = []
|
emo_emb_ = []
|
||||||
for i in range(emo_emb.size(0)):
|
for i in range(emo_emb.size(0)):
|
||||||
temp_emo_emb, _, temp_emo_commit_loss = self.emo_quantizer[sid[i]](
|
temp_emo_emb, _, temp_emo_commit_loss = self.emo_quantizer(
|
||||||
emo_emb[i].unsqueeze(0).cpu()
|
emo_emb[i].unsqueeze(0)
|
||||||
)
|
)
|
||||||
emo_commit_loss += temp_emo_commit_loss
|
emo_commit_loss += temp_emo_commit_loss
|
||||||
emo_emb_.append(temp_emo_emb)
|
emo_emb_.append(temp_emo_emb)
|
||||||
@@ -391,8 +386,7 @@ class TextEncoder(nn.Module):
|
|||||||
emo_commit_loss = emo_commit_loss.to(emo_emb.device)
|
emo_commit_loss = emo_commit_loss.to(emo_emb.device)
|
||||||
else:
|
else:
|
||||||
emo_emb = (
|
emo_emb = (
|
||||||
self.emo_quantizer[sid[0]]
|
self.emo_quantizer.get_output_from_indices(emo.to(torch.int))
|
||||||
.get_output_from_indices(emo.to(torch.int).cpu())
|
|
||||||
.unsqueeze(0)
|
.unsqueeze(0)
|
||||||
.to(emo.device)
|
.to(emo.device)
|
||||||
)
|
)
|
||||||
|
|||||||
Reference in New Issue
Block a user