Update

colab.ipynb

@@ -54,11 +54,23 @@
         "!python initialize.py"
       ]
     },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {},
+      "outputs": [],
+      "source": [
+        "# Google driveを使う方はこちらを実行してください。\n",
+        "\n",
+        "from google.colab import drive\n",
+        "drive.mount(\"/content/drive\")"
+      ]
+    },
     {
       "cell_type": "markdown",
       "metadata": {},
       "source": [
-        "## 1. 初期設定\n",
+        "## 1. 初期設定（とデータセット作成）\n",
         "\n",
         "学習とその結果を保存するディレクトリ名を指定します。\n",
         "Google driveの場合はそのまま実行、カスタマイズしたい方は変更して実行してください。"
@@ -70,12 +82,17 @@
       "metadata": {},
       "outputs": [],
       "source": [
+        "# 学習に必要なファイルや途中経過が保存されるディレクトリ\n",
         "dataset_root = \"/content/drive/MyDrive/Style-Bert-VITS2/Data\"\n",
+        "\n",
+        "# 学習結果（音声合成に必要なファイルたち）が保存されるディレクトリ\n",
         "assets_root = \"/content/drive/MyDrive/Style-Bert-VITS2/model_assets\"\n",
         "\n",
         "import yaml\n",
         "\n",
+        "\n",
         "with open(\"configs/paths.yml\", \"w\", encoding=\"utf-8\") as f:\n",
+        "\n",
         "    yaml.dump({\"dataset_root\": dataset_root, \"assets_root\": assets_root}, f)"
       ]
     },
@@ -83,25 +100,31 @@
       "cell_type": "markdown",
       "metadata": {},
       "source": [
-        "## 2. Google Driveとの連携とデータの配置\n",
+        "### 音声ファイルからのデータセットの作成（ある人はスキップ可）\n",
         "\n",
-        "Google driveにデータを保存する方は、次のセルを実行して、Google driveと連携します。"
+        "音声ファイル（1ファイル2-12秒程度）とその書き起こしのデータセットを持っていない方は、音声ファイルのみから以下の手順でデータセットを作成することができます。デフォルトではGoogle drive上の`Style-Bert-VITS2/inputs/`に音声ファイル（wavファイル形式、1ファイルでも複数ファイルでも可）を置いて、下を実行すると、データセットが作られます。"
       ]
     },
     {
       "cell_type": "code",
       "execution_count": null,
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "xzbmRmVfP29m",
-        "outputId": "bd492fba-3cba-4002-b6d9-f144f701fce6"
-      },
+      "metadata": {},
       "outputs": [],
       "source": [
-        "from google.colab import drive\n",
-        "drive.mount(\"/content/drive\")"
+        "# 元となる音声ファイル（wav形式）を入れるディレクトリ\n",
+        "input_dir = \"/content/drive/MyDrive/Style-Bert-VITS2/inputs\"\n",
+        "# モデル名（話者名）を入力\n",
+        "model_name = \"your_model_name\"\n",
+        "\n",
+        "!python slice.py -i {input_dir} -o {dataset_root}/{model_name}/raw\n",
+        "!python transcribe.py -i {dataset_root}/{model_name}/raw -o {dataset_root}/{model_name}/esd.list --speaker_name {model_name} --compute_type float16"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {},
+      "source": [
+        "## 2. データの配置"
       ]
     },
     {
@@ -186,7 +209,7 @@
         "# 上でつけたフォルダの名前`Data/{model_name}/`\n",
         "model_name = \"your_model_name\"\n",
         "\n",
-        "# 学習のバッチサイズ。4ぐらいが最適か。VRAMのはみ出具合に応じて調整してください。\n",
+        "# 学習のバッチサイズ。VRAMのはみ出具合に応じて調整してください。\n",
         "batch_size = 4\n",
         "\n",
         "# 学習のエポック数（データセットを合計何周するか）。\n",