Refactor: run "hatch run style:fmt"

style_bert_vits2/models/infer.py

@@ -126,6 +126,7 @@ def get_text(
             # 他の言語は word2ph の調整方法が思いつかないのでエラー
             if language_str == Languages.JP:
                 from style_bert_vits2.nlp.japanese.g2p import adjust_word2ph
+
                 word2ph = adjust_word2ph(word2ph, phone, given_phone)
                 # 上記処理により word2ph の合計が given_phone の長さと一致するはず
                 # それでも一致しない場合、大半は読み上げテキストと given_phone が著しく乖離していて調整し切れなかったことを意味する
@@ -302,5 +303,6 @@ def infer(
 class InvalidPhoneError(ValueError):
     pass
 
+
 class InvalidToneError(ValueError):
     pass

style_bert_vits2/nlp/japanese/g2p.py

@@ -143,7 +143,9 @@ def text_to_sep_kata(
                     raise YomiError(f"Cannot read: {word} in:\n{norm_text}")
                 ## 例外を送出しない場合
                 ## 読めない文字は「ん」として扱う
-                logger.warning(f"Cannot read: {word} in:\n{norm_text}, replaced with 'ん'")
+                logger.warning(
+                    f"Cannot read: {word} in:\n{norm_text}, replaced with 'ん'"
+                )
                 # word の文字数分「ん」を追加
                 yomi = "ン" * len(word)
             else:
@@ -159,7 +161,9 @@ def text_to_sep_kata(
 
 
 def adjust_word2ph(
-    word2ph: list[int], generated_phone: list[str], given_phone: list[str],
+    word2ph: list[int],
+    generated_phone: list[str],
+    given_phone: list[str],
 ) -> list[int]:
     """
     `g2p()` で得られた `word2ph` を、generated_phone と given_phone の差分情報を使っていい感じに調整する。
@@ -188,16 +192,21 @@ def adjust_word2ph(
         begin_index: int
         end_index: int
         value: list[str]
+
     class Diff(TypedDict):
         generated: DiffDetail
         given: DiffDetail
 
-    def extract_differences(generated_phone: list[str], given_phone: list[str]) -> list[Diff]:
+    def extract_differences(
+        generated_phone: list[str], given_phone: list[str]
+    ) -> list[Diff]:
         """
         最長共通部分列を基にして、二つのリストの異なる部分を抽出する。
         """
 
-        def longest_common_subsequence(X: list[str], Y: list[str]) -> list[tuple[int, int]]:
+        def longest_common_subsequence(
+            X: list[str], Y: list[str]
+        ) -> list[tuple[int, int]]:
             """
             二つのリストの最長共通部分列のインデックスのペアを返す。
             """
@@ -230,21 +239,42 @@ def adjust_word2ph(
         prev_x, prev_y = -1, -1
 
         # 共通部分のインデックスを基にして差分を抽出
-        for (x, y) in common_indices:
+        for x, y in common_indices:
-            diff_X = {"begin_index": prev_x + 1, "end_index": x, "value": generated_phone[prev_x + 1:x]}
+            diff_X = {
-            diff_Y = {"begin_index": prev_y + 1, "end_index": y, "value": given_phone[prev_y + 1:y]}
+                "begin_index": prev_x + 1,
+                "end_index": x,
+                "value": generated_phone[prev_x + 1 : x],
+            }
+            diff_Y = {
+                "begin_index": prev_y + 1,
+                "end_index": y,
+                "value": given_phone[prev_y + 1 : y],
+            }
             if diff_X or diff_Y:
                 differences.append({"generated": diff_X, "given": diff_Y})
             prev_x, prev_y = x, y
         # 最後の非共通部分を追加
         if prev_x < len(generated_phone) - 1 or prev_y < len(given_phone) - 1:
-            differences.append({
+            differences.append(
-                "generated": {"begin_index": prev_x + 1, "end_index": len(generated_phone) - 1, "value": generated_phone[prev_x + 1:len(generated_phone) - 1]},
+                {
-                "given": {"begin_index": prev_y + 1, "end_index": len(given_phone) - 1, "value": given_phone[prev_y + 1:len(given_phone) - 1]}
+                    "generated": {
-            })
+                        "begin_index": prev_x + 1,
+                        "end_index": len(generated_phone) - 1,
+                        "value": generated_phone[prev_x + 1 : len(generated_phone) - 1],
+                    },
+                    "given": {
+                        "begin_index": prev_y + 1,
+                        "end_index": len(given_phone) - 1,
+                        "value": given_phone[prev_y + 1 : len(given_phone) - 1],
+                    },
+                }
+            )
         # generated.value と given.value の両方が空の要素を diffrences から削除
         for diff in differences[:]:
-            if len(diff["generated"]["value"]) == 0 and len(diff["given"]["value"]) == 0:
+            if (
+                len(diff["generated"]["value"]) == 0
+                and len(diff["given"]["value"]) == 0
+            ):
                 differences.remove(diff)
 
         return differences
@@ -275,7 +305,8 @@ def adjust_word2ph(
             # current_diff が None でない場合、generated_phone から始まる差分がある
             if current_diff is not None:
                 # generated から given で変わった音素数の差分を取得 (2増えた場合は +2 だし、2減った場合は -2)
-                diff_in_phonemes = len(current_diff["given"]["value"]) - len(current_diff["generated"]["value"])
+                diff_in_phonemes = \
+                    len(current_diff["given"]["value"]) - len(current_diff["generated"]["value"])  # fmt: skip
                 # adjusted_word2ph[(読み上げテキストの各文字のインデックス)] に上記差分を反映
                 adjusted_word2ph[word2ph_element_index] += diff_in_phonemes
             # adjusted_word2ph[(読み上げテキストの各文字のインデックス)] に処理が完了した分の音素として 1 を加える
@@ -284,13 +315,13 @@ def adjust_word2ph(
             current_generated_index += 1
 
     # この時点で given_phone の長さと adjusted_word2ph に記録されている音素数の合計が一致しているはず
-    assert len(given_phone) == sum(adjusted_word2ph), f"{len(given_phone)} != {sum(adjusted_word2ph)}"
+    assert len(given_phone) == sum(adjusted_word2ph), f"{len(given_phone)} != {sum(adjusted_word2ph)}"  # fmt: skip
 
     # generated_phone から given_phone の間で音素が減った場合 (例: a, sh, i, t, a -> a, s, u) 、
     # adjusted_word2ph の要素の値が 1 未満になることがあるので、1 になるように値を増やす
     ## この時、adjusted_word2ph に記録されている音素数の合計を変えないために、
     ## 値を 1 にした分だけ右隣の要素から増やした分の差分を差し引く
-    for adjusted_word2ph_element_index, adjusted_word2ph_element in enumerate(adjusted_word2ph):
+    for adjusted_word2ph_element_index, adjusted_word2ph_element in enumerate(adjusted_word2ph):  # fmt: skip
         # もし現在の要素が 1 未満ならば
         if adjusted_word2ph_element < 1:
             # 値を 1 にするためにどれだけ足せばいいかを計算
@@ -316,7 +347,7 @@ def adjust_word2ph(
     # 逆に、generated_phone から given_phone の間で音素が増えた場合 (例: a, s, u -> a, sh, i, t, a) 、
     # 1文字あたり7音素以上も割り当てられてしまう場合があるので、最大6音素にした上で削った分の差分を次の要素に加える
     # 次の要素に差分を加えた結果7音素以上になってしまう場合は、その差分をさらに次の要素に加える
-    for adjusted_word2ph_element_index, adjusted_word2ph_element in enumerate(adjusted_word2ph):
+    for adjusted_word2ph_element_index, adjusted_word2ph_element in enumerate(adjusted_word2ph):  # fmt: skip
         if adjusted_word2ph_element > 6:
             diff = adjusted_word2ph_element - 6
             adjusted_word2ph[adjusted_word2ph_element_index] = 6
@@ -634,7 +665,7 @@ def __align_tones(
         elif phone in PUNCTUATIONS:
             # phone が punctuation の場合 → (phone, 0) を追加
             result.append((phone, 0))
-        elif phone == 'N' or phone == 'n':
+        elif phone == "N" or phone == "n":
             # ここに到達するのは raise_yomi_error=False 時に読めない文字を「ん」に代替した場合のみ
             # この際、phone_tone_list には「ん」の音素は含まれていないので、(phone, 0) を追加
             result.append((phone, 0))