tuna2134/sbv2-v2
1
0
Fork 0
Code Issues Pull Requests 1 Actions Packages Projects Releases Wiki Activity

Fix: maintain compatibility with Python 3.9

Browse Source
This commit is contained in:
tsukumi
2024-03-08 06:14:50 +00:00
parent 4a3519c4b9
commit 8add1b4202
10 changed files with 52 additions and 46 deletions
Download Patch File Download Diff File Expand all files Collapse all files

5
style_bert_vits2/text_processing/__init__.py
View File

@@ -1,4 +1,5 @@
import torch
from typing import Optional
from style_bert_vits2.constants import Languages
from style_bert_vits2.text_processing.symbols import (
@@ -16,7 +17,7 @@ def extract_bert_feature(
word2ph: list[int],
language: Languages,
device: torch.device | str,
assist_text: str | None = None,
assist_text: Optional[str] = None,
assist_text_weight: float = 0.7,
) -> torch.Tensor:
"""
@@ -27,7 +28,7 @@ def extract_bert_feature(
word2ph (list[int]): 元のテキストの各文字に音素が何個割り当てられるかを表すリスト
language (Languages): テキストの言語
device (torch.device | str): 推論に利用するデバイス
assist_text (str | None, optional): 補助テキスト (デフォルト: None)
assist_text (Optional[str], optional): 補助テキスト (デフォルト: None)
assist_text_weight (float, optional): 補助テキストの重み (デフォルト: 0.7)
Returns:

42
style_bert_vits2/text_processing/bert_models.py
View File

@@ -9,7 +9,7 @@ Style-Bert-VITS2 の学習・推論に必要な各言語ごとの BERT モデル
"""
import gc
from typing import cast
from typing import cast, Optional
import torch
from transformers import (
@@ -35,23 +35,23 @@ __loaded_tokenizers: dict[Languages, PreTrainedTokenizer | PreTrainedTokenizerFa
def load_model(
language: Languages,
pretrained_model_name_or_path: str | None = None,
pretrained_model_name_or_path: Optional[str] = None,
) -> PreTrainedModel | DebertaV2Model:
"""
指定された言語の BERT モデルをロードし、ロード済みの BERT モデルを返す
一度ロードされていれば、ロード済みの BERT モデルを即座に返す
ライブラリ利用時は常に pretrain_model_name_or_path (Hugging Face のリポジトリ名 or ローカルのファイルパス) を指定する必要がある
ロードにはそれなりに時間がかかるため、ライブラリ利用前に明示的に pretrained_model_name_or_path を指定してロードしておくべき
指定された言語の BERT モデルをロードし、ロード済みの BERT モデルを返す。
一度ロードされていれば、ロード済みの BERT モデルを即座に返す。
ライブラリ利用時は常に pretrain_model_name_or_path (Hugging Face のリポジトリ名 or ローカルのファイルパス) を指定する必要がある。
ロードにはそれなりに時間がかかるため、ライブラリ利用前に明示的に pretrained_model_name_or_path を指定してロードしておくべき。
Style-Bert-VITS2 では、BERT モデルに下記の 3 つが利用されている
これ以外の BERT モデルを指定した場合は正常に動作しない可能性が高い
Style-Bert-VITS2 では、BERT モデルに下記の 3 つが利用されている。
これ以外の BERT モデルを指定した場合は正常に動作しない可能性が高い。
- 日本語: ku-nlp/deberta-v2-large-japanese-char-wwm
- 英語: microsoft/deberta-v3-large
- 中国語: hfl/chinese-roberta-wwm-ext-large
Args:
language (Languages): ロードする学習済みモデルの対象言語
pretrained_model_name_or_path (str | None): ロードする学習済みモデルの名前またはパス。指定しない場合はデフォルトのパスが利用される (デフォルト: None)
pretrained_model_name_or_path (Optional[str]): ロードする学習済みモデルの名前またはパス。指定しない場合はデフォルトのパスが利用される (デフォルト: None)
Returns:
PreTrainedModel | DebertaV2Model: ロード済みの BERT モデル
@@ -81,23 +81,23 @@ def load_model(
def load_tokenizer(
language: Languages,
pretrained_model_name_or_path: str | None = None,
pretrained_model_name_or_path: Optional[str] = None,
) -> PreTrainedTokenizer | PreTrainedTokenizerFast | DebertaV2Tokenizer:
"""
指定された言語の BERT モデルをロードし、ロード済みの BERT トークナイザーを返す
一度ロードされていれば、ロード済みの BERT トークナイザーを即座に返す
ライブラリ利用時は常に pretrain_model_name_or_path (Hugging Face のリポジトリ名 or ローカルのファイルパス) を指定する必要がある
ロードにはそれなりに時間がかかるため、ライブラリ利用前に明示的に pretrained_model_name_or_path を指定してロードしておくべき
指定された言語の BERT モデルをロードし、ロード済みの BERT トークナイザーを返す。
一度ロードされていれば、ロード済みの BERT トークナイザーを即座に返す。
ライブラリ利用時は常に pretrain_model_name_or_path (Hugging Face のリポジトリ名 or ローカルのファイルパス) を指定する必要がある。
ロードにはそれなりに時間がかかるため、ライブラリ利用前に明示的に pretrained_model_name_or_path を指定してロードしておくべき。
Style-Bert-VITS2 では、BERT モデルに下記の 3 つが利用されている
これ以外の BERT モデルを指定した場合は正常に動作しない可能性が高い
Style-Bert-VITS2 では、BERT モデルに下記の 3 つが利用されている。
これ以外の BERT モデルを指定した場合は正常に動作しない可能性が高い。
- 日本語: ku-nlp/deberta-v2-large-japanese-char-wwm
- 英語: microsoft/deberta-v3-large
- 中国語: hfl/chinese-roberta-wwm-ext-large
Args:
language (Languages): ロードする学習済みモデルの対象言語
pretrained_model_name_or_path (str | None): ロードする学習済みモデルの名前またはパス。指定しない場合はデフォルトのパスが利用される (デフォルト: None)
pretrained_model_name_or_path (Optional[str]): ロードする学習済みモデルの名前またはパス。指定しない場合はデフォルトのパスが利用される (デフォルト: None)
Returns:
PreTrainedTokenizer | PreTrainedTokenizerFast | DebertaV2Tokenizer: ロード済みの BERT トークナイザー
@@ -127,7 +127,7 @@ def load_tokenizer(
def unload_model(language: Languages) -> None:
"""
指定された言語の BERT モデルをアンロードする
指定された言語の BERT モデルをアンロードする。
Args:
language (Languages): アンロードする BERT モデルの言語
@@ -143,7 +143,7 @@ def unload_model(language: Languages) -> None:
def unload_tokenizer(language: Languages) -> None:
"""
指定された言語の BERT トークナイザーをアンロードする
指定された言語の BERT トークナイザーをアンロードする。
Args:
language (Languages): アンロードする BERT トークナイザーの言語
@@ -159,7 +159,7 @@ def unload_tokenizer(language: Languages) -> None:
def unload_all_models() -> None:
"""
すべての BERT モデルをアンロードする
すべての BERT モデルをアンロードする。
"""
for language in list(__loaded_models.keys()):
@@ -169,7 +169,7 @@ def unload_all_models() -> None:
def unload_all_tokenizers() -> None:
"""
すべての BERT トークナイザーをアンロードする
すべての BERT トークナイザーをアンロードする。
"""
for language in list(__loaded_tokenizers.keys()):

5
style_bert_vits2/text_processing/chinese/bert_feature.py
View File

@@ -1,4 +1,5 @@
import sys
from typing import Optional
import torch
from transformers import PreTrainedModel
@@ -14,7 +15,7 @@ def extract_bert_feature(
text: str,
word2ph: list[int],
device: torch.device | str,
assist_text: str | None = None,
assist_text: Optional[str] = None,
assist_text_weight: float = 0.7,
) -> torch.Tensor:
"""
@@ -24,7 +25,7 @@ def extract_bert_feature(
text (str): 中国語のテキスト
word2ph (list[int]): 元のテキストの各文字に音素が何個割り当てられるかを表すリスト
device (torch.device | str): 推論に利用するデバイス
assist_text (str | None, optional): 補助テキスト (デフォルト: None)
assist_text (Optional[str], optional): 補助テキスト (デフォルト: None)
assist_text_weight (float, optional): 補助テキストの重み (デフォルト: 0.7)
Returns:

5
style_bert_vits2/text_processing/english/bert_feature.py
View File

@@ -1,4 +1,5 @@
import sys
from typing import Optional
import torch
from transformers import PreTrainedModel
@@ -14,7 +15,7 @@ def extract_bert_feature(
text: str,
word2ph: list[int],
device: torch.device | str,
assist_text: str | None = None,
assist_text: Optional[str] = None,
assist_text_weight: float = 0.7,
) -> torch.Tensor:
"""
@@ -24,7 +25,7 @@ def extract_bert_feature(
text (str): 英語のテキスト
word2ph (list[int]): 元のテキストの各文字に音素が何個割り当てられるかを表すリスト
device (torch.device | str): 推論に利用するデバイス
assist_text (str | None, optional): 補助テキスト (デフォルト: None)
assist_text (Optional[str], optional): 補助テキスト (デフォルト: None)
assist_text_weight (float, optional): 補助テキストの重み (デフォルト: 0.7)
Returns:

5
style_bert_vits2/text_processing/japanese/bert_feature.py
View File

@@ -1,4 +1,5 @@
import sys
from typing import Optional
import torch
from transformers import PreTrainedModel
@@ -15,7 +16,7 @@ def extract_bert_feature(
text: str,
word2ph: list[int],
device: torch.device | str,
assist_text: str | None = None,
assist_text: Optional[str] = None,
assist_text_weight: float = 0.7,
) -> torch.Tensor:
"""
@@ -25,7 +26,7 @@ def extract_bert_feature(
text (str): 日本語のテキスト
word2ph (list[int]): 元のテキストの各文字に音素が何個割り当てられるかを表すリスト
device (torch.device | str): 推論に利用するデバイス
assist_text (str | None, optional): 補助テキスト (デフォルト: None)
assist_text (Optional[str], optional): 補助テキスト (デフォルト: None)
assist_text_weight (float, optional): 補助テキストの重み (デフォルト: 0.7)
Returns: