Fix: maintain compatibility with Python 3.9

style_bert_vits2/models/commons.py

@@ -5,7 +5,7 @@
 
 import torch
 from torch.nn import functional as F
-from typing import Any, Optional
+from typing import Any, Optional, Union
 
 
 def init_weights(m: torch.nn.Module, mean: float = 0.0, std: float = 0.01) -> None:
@@ -180,12 +180,12 @@ def generate_path(duration: torch.Tensor, mask: torch.Tensor) -> torch.Tensor:
     return path
 
 
-def clip_grad_value_(parameters: torch.Tensor | list[torch.Tensor], clip_value: Optional[float], norm_type: float = 2.0) -> float:
+def clip_grad_value_(parameters: Union[torch.Tensor, list[torch.Tensor]], clip_value: Optional[float], norm_type: float = 2.0) -> float:
     """
     勾配の値をクリップする
 
     Args:
-        parameters (torch.Tensor | list[torch.Tensor]): クリップするパラメータ
+        parameters (Union[torch.Tensor, list[torch.Tensor]]): クリップするパラメータ
         clip_value (Optional[float]): クリップする値。None の場合はクリップしない
         norm_type (float): ノルムの種類
 

style_bert_vits2/nlp/bert_models.py

@@ -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, Optional
+from typing import cast, Optional, Union
 
 import torch
 from transformers import (
@@ -27,16 +27,16 @@ from style_bert_vits2.logging import logger
 
 
 # 各言語ごとのロード済みの BERT モデルを格納する辞書
-__loaded_models: dict[Languages, PreTrainedModel | DebertaV2Model] = {}
+__loaded_models: dict[Languages, Union[PreTrainedModel, DebertaV2Model]] = {}
 
 # 各言語ごとのロード済みの BERT トークナイザーを格納する辞書
-__loaded_tokenizers: dict[Languages, PreTrainedTokenizer | PreTrainedTokenizerFast | DebertaV2Tokenizer] = {}
+__loaded_tokenizers: dict[Languages, Union[PreTrainedTokenizer, PreTrainedTokenizerFast, DebertaV2Tokenizer]] = {}
 
 
 def load_model(
     language: Languages,
     pretrained_model_name_or_path: Optional[str] = None,
-) -> PreTrainedModel | DebertaV2Model:
+) -> Union[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。
@@ -54,7 +54,7 @@ def load_model(
         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
+        Union[PreTrainedModel, DebertaV2Model]: ロード済みの BERT モデル
     """
 
     # すでにロード済みの場合はそのまま返す
@@ -82,7 +82,7 @@ def load_model(
 def load_tokenizer(
     language: Languages,
     pretrained_model_name_or_path: Optional[str] = None,
-) -> PreTrainedTokenizer | PreTrainedTokenizerFast | DebertaV2Tokenizer:
+) -> Union[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。
@@ -100,7 +100,7 @@ def load_tokenizer(
         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
+        Union[PreTrainedTokenizer, PreTrainedTokenizerFast, DebertaV2Tokenizer]: ロード済みの BERT トークナイザー
     """
 
     # すでにロード済みの場合はそのまま返す

style_bert_vits2/nlp/chinese/bert_feature.py

@@ -8,13 +8,13 @@ from style_bert_vits2.constants import Languages
 from style_bert_vits2.nlp import bert_models
 
 
-__models: dict[torch.device | str, PreTrainedModel] = {}
+__models: dict[str, PreTrainedModel] = {}
 
 
 def extract_bert_feature(
     text: str,
     word2ph: list[int],
-    device: torch.device | str,
+    device: str,
     assist_text: Optional[str] = None,
     assist_text_weight: float = 0.7,
 ) -> torch.Tensor:
@@ -24,7 +24,7 @@ def extract_bert_feature(
     Args:
         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
+        device (str): 推論に利用するデバイス
         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)
 

style_bert_vits2/nlp/japanese/__init__.py

@@ -1,2 +0,0 @@
-from style_bert_vits2.nlp.japanese.g2p import g2p  # noqa: F401
-from style_bert_vits2.nlp.japanese.normalizer import normalize_text  # noqa: F401

style_bert_vits2/nlp/japanese/bert_feature.py

@@ -9,13 +9,13 @@ from style_bert_vits2.nlp import bert_models
 from style_bert_vits2.nlp.japanese.g2p import text_to_sep_kata
 
 
-__models: dict[torch.device | str, PreTrainedModel] = {}
+__models: dict[str, PreTrainedModel] = {}
 
 
 def extract_bert_feature(
     text: str,
     word2ph: list[int],
-    device: torch.device | str,
+    device: str,
     assist_text: Optional[str] = None,
     assist_text_weight: float = 0.7,
 ) -> torch.Tensor:
@@ -25,7 +25,7 @@ def extract_bert_feature(
     Args:
         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
+        device (str): 推論に利用するデバイス
         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)