split

README.md

@@ -1,5 +1,47 @@
 # Style-Bert-VITS2
 
+## 分離型 mel acoustic model / Vocoder 学習
+
+`train_ms_mel.py` は、従来の一体型 `SynthesizerTrn` とは別に、次の2段階の
+学習を提供します。
+
+1. 音素・BERT・style・speaker 条件から log-mel spectrogram を生成する
+   acoustic model の単体学習
+2. 学習済み acoustic model と学習済み Generator (Vocoder) を接続した
+   end-to-end fine-tuning
+
+Acoustic model の単体学習:
+
+```bash
+python train_ms_mel.py \
+  -c Data/your_model/config.json \
+  --stage acoustic
+```
+
+Vocoder の単体学習（ground-truth mel を入力）:
+
+```bash
+python train_ms_mel.py \
+  -c Data/your_model/config.json \
+  --stage vocoder
+```
+
+一貫学習（両方のチェックポイント指定が必須）:
+
+```bash
+python train_ms_mel.py \
+  -c Data/your_model/config.json \
+  --stage joint \
+  --acoustic-checkpoint Data/your_model/models/ACOUSTIC_10000.pth \
+  --vocoder-checkpoint Data/your_model/models/VOCODER_10000.pth
+```
+
+`--vocoder-checkpoint` は standalone Vocoder のほか、従来の `G_*.pth` に
+含まれる形状互換な `dec.*` も初期値として読み込めます。joint 学習時の CFM サンプリングは
+acoustic model まで勾配を通し、メモリ使用量を抑えるため
+`train.segment_size / data.hop_length` フレームだけを Vocoder に渡します。
+品質とメモリの調整には `--joint-timesteps` を使用します。
+
 **利用の際は必ず[お願いとデフォルトモデルの利用規約](/docs/TERMS_OF_USE.md)をお読みください。**
 
 Bert-VITS2 with more controllable voice styles.