import json import os import shutil import subprocess import sys import gradio as gr import yaml python = sys.executable def subprocess_wrapper(cmd): return subprocess.run( cmd, stdout=sys.stdout, stderr=subprocess.PIPE, text=True, ) def get_path(model_name): assert model_name != "", "モデル名は空にできません" dataset_path = os.path.join("Data", model_name) lbl_path = os.path.join(dataset_path, "esd.list") train_path = os.path.join(dataset_path, "train.list") val_path = os.path.join(dataset_path, "val.list") config_path = os.path.join(dataset_path, "config.json") return dataset_path, lbl_path, train_path, val_path, config_path def initialize(model_name, batch_size, epochs, bf16_run): dataset_path, _, train_path, val_path, config_path = get_path(model_name) if os.path.isfile(config_path): config = json.load(open(config_path, "r", encoding="utf-8")) else: # Use default config config = json.load(open("configs/config.json", "r", encoding="utf-8")) config["model_name"] = model_name config["data"]["training_files"] = train_path config["data"]["validation_files"] = val_path config["train"]["batch_size"] = batch_size config["train"]["epochs"] = epochs config["train"]["bf16_run"] = bf16_run model_path = os.path.join(dataset_path, "models") try: shutil.copytree(src="pretrained", dst=model_path) except FileExistsError: return f"Error: モデルフォルダ {model_path} が既に存在します。問題なければ削除してください。" except FileNotFoundError: return "Error: pretrainedフォルダが見つかりません。" with open(config_path, "w", encoding="utf-8") as f: json.dump(config, f, indent=2) if not os.path.exists("config.yml"): shutil.copy(src="default_config.yml", dst="config.yml") # yml_data = safe_load(open("config.yml", "r", encoding="utf-8")) with open("config.yml", "r", encoding="utf-8") as f: yml_data = yaml.safe_load(f) yml_data["model_name"] = model_name yml_data["dataset_path"] = dataset_path with open("config.yml", "w", encoding="utf-8") as f: yaml.dump(yml_data, f, allow_unicode=True) return "Step 1: 初期設定が完了しました" def resample(model_name): dataset_path, _, _, _, _ = get_path(model_name) in_dir = os.path.join(dataset_path, "raw") out_dir = os.path.join(dataset_path, "wavs") result = subprocess_wrapper( [ python, "resample.py", "--in_dir", in_dir, "--out_dir", out_dir, "--sr", "44100", ] ) if result.stderr: return f"{result.stderr}" return "Step 2: 音声ファイルの前処理が完了しました" def preprocess_text(model_name): dataset_path, lbl_path, train_path, val_path, config_path = get_path(model_name) lines = open(lbl_path, "r", encoding="utf-8").readlines() with open(lbl_path, "w", encoding="utf-8") as f: for line in lines: path, spk, language, text = line.strip().split("|") path = os.path.join(dataset_path, "wavs", os.path.basename(path)).replace( "\\", "/" ) f.writelines(f"{path}|{spk}|{language}|{text}\n") result = subprocess_wrapper( [ python, "preprocess_text.py", "--config-path", config_path, "--transcription-path", lbl_path, "--train-path", train_path, "--val-path", val_path, ] ) if result.stderr: return f"{result.stderr}" return "Step 3: 書き起こしファイルの前処理が完了しました" def bert_gen(model_name): _, _, _, _, config_path = get_path(model_name) result = subprocess_wrapper([python, "bert_gen.py", "--config", config_path]) if result.stderr: return f"{result.stderr}" return "Step 4: BERT特徴ファイルの生成が完了しました" def style_gen(model_name): dataset_path, _, _, _, config_path = get_path(model_name) result = subprocess_wrapper( [python, "style_gen.py", "--config", config_path, "--model", dataset_path] ) if result.stderr: return f"{result.stderr}" return "Step 5: スタイル特徴ファイルの生成が完了しました" def train(model_name): dataset_path, _, _, _, config_path = get_path(model_name) result = subprocess_wrapper( [python, "train_ms.py", "--config", config_path, "--model", dataset_path] ) if result.stderr: return f"{result.stderr}" return "Final Step: 学習が完了しました!" initial_md = """ # Style-Bert-VITS2 学習用WebUI ## 使い方 - データを準備して、各ステップを順に実行してください。進捗状況等はターミナルに表示されます。 - 途中から学習を再開する場合は、モデル名を入力してFinal Stepだけ実行すればよいです。 注意: 音声合成で使うには、スタイルベクトルファイル`style_vectors.npy`を作る必要があります。これは、`Style.bat`を実行してそこで作成してください。 動作は軽いはずなので、学習中でも実行でき、何度でも繰り返して試せます。 """ prepare_md = """ まず音声データ（wavファイルで1ファイルが2-15秒程度の、長すぎず短すぎない発話のものをいくつか）と、書き起こしテキストを用意してください。 それを次のように配置します。 ``` ├── Data │ ├── {モデルの名前} │ │ ├── esd.list │ │ ├── raw │ │ │ ├── ****.wav │ │ │ ├── ****.wav │ │ │ ├── ... ``` wavファイル名やモデルの名前は空白を含まない半角で、wavファイルの拡張子は小文字`.wav`である必要があります。 `raw` フォルダにはすべてのwavファイルを入れ、`esd.list` ファイルには、以下のフォーマットで各wavファイルの情報を記述してください。 ``` ****.wav|{話者名}|{言語ID、ZHかJPかEN}|{書き起こしテキスト} ``` 例： ``` wav_number1.wav|hanako|JP|こんにちは、聞こえて、いますか？ wav_next.wav|taro|JP|はい、聞こえています……。 english_teacher.wav|Mary|EN|How are you? I'm fine, thank you, and you? ... ``` 日本語話者の単一話者データセットでも構いません。 """ if __name__ == "__main__": with gr.Blocks(theme="NoCrypt/miku") as app: gr.Markdown(initial_md) with gr.Accordion(label="データの前準備", open=False): gr.Markdown(prepare_md) model_name = gr.Textbox( label="モデル名", ) info = gr.Textbox(label="状況") with gr.Row(): with gr.Column(): gr.Markdown(value="### Step 1: 設定ファイルの生成") batch_size = gr.Slider( label="バッチサイズ", info="VRAM 12GBで4くらい", value=4, minimum=1, maximum=64, step=1, ) epochs = gr.Slider( label="エポック数", info="100もあれば十分そう", value=100, minimum=1, maximum=1000, step=1, ) bf16_run = gr.Checkbox( label="bfloat16を使う", info="新しめのグラボだと学習が早くなるかも、古いグラボだと動かないかも", value=True, ) generate_config_btn = gr.Button(value="実行", variant="primary") with gr.Column(): gr.Markdown(value="### Step 2: 音声ファイルの前処理") resample_btn = gr.Button(value="実行", variant="primary") with gr.Column(): gr.Markdown(value="### Step 3: 書き起こしファイルの前処理") preprocess_text_btn = gr.Button(value="実行", variant="primary") with gr.Column(): gr.Markdown(value="### Step 4: BERT特徴ファイルの生成") bert_gen_btn = gr.Button(value="実行", variant="primary") with gr.Column(): gr.Markdown(value="### Step 5: スタイル特徴ファイルの生成") style_gen_btn = gr.Button(value="実行", variant="primary") with gr.Row(): with gr.Column(): gr.Markdown(value="### Final Step: 学習") train_btn = gr.Button(value="学習", variant="primary") generate_config_btn.click( initialize, inputs=[model_name, batch_size, epochs, bf16_run], outputs=[info], ) resample_btn.click(resample, inputs=[model_name], outputs=[info]) preprocess_text_btn.click(preprocess_text, inputs=[model_name], outputs=[info]) bert_gen_btn.click(bert_gen, inputs=[model_name], outputs=[info]) style_gen_btn.click(style_gen, inputs=[model_name], outputs=[info]) train_btn.click(train, inputs=[model_name], outputs=[info]) app.launch(share=False, server_port=7860, inbrowser=True)