mirror of
https://github.com/RVC-Boss/GPT-SoVITS.git
synced 2025-04-05 19:41:56 +08:00
Merge branch 'RVC-Boss:main' into main
This commit is contained in:
Kenn Zhang
GitHub
commit
866cde6f8b
@ -302,6 +302,8 @@ class Text2SemanticDecoder(nn.Module):
|
||||
xy_dec[:, -1]
|
||||
) ##不用改，如果用了cache的默认就是只有一帧，取最后一帧一样的
|
||||
# samples = topk_sampling(logits, top_k=top_k, top_p=1.0, temperature=temperature)
|
||||
if(idx==0):###第一次跑不能EOS否则没有了
|
||||
logits = logits[:, :-1] ###刨除1024终止符号的概率
|
||||
samples = sample(
|
||||
logits[0], y, top_k=top_k, top_p=1.0, repetition_penalty=1.35
|
||||
)[0].unsqueeze(0)
|
||||
|
||||
@ -1,81 +0,0 @@
|
||||
import os, torch, sys
|
||||
from subprocess import Popen
|
||||
|
||||
now_dir = os.getcwd()
|
||||
sys.path.append(now_dir)
|
||||
from config import (
|
||||
text_path,
|
||||
wav_dir,
|
||||
n_card,
|
||||
exp_name,
|
||||
n_parts,
|
||||
exp_dir,
|
||||
)
|
||||
|
||||
os.makedirs("%s/logs_s1" % exp_dir, exist_ok=True)
|
||||
os.makedirs("%s/logs_s2" % exp_dir, exist_ok=True)
|
||||
##############step1
|
||||
ps = []
|
||||
for i_part in range(n_parts):
|
||||
cmd = "python prepare/1-get-text.py %s %s %s %s %s %s" % (
|
||||
text_path,
|
||||
wav_dir,
|
||||
exp_name,
|
||||
i_part,
|
||||
n_parts,
|
||||
i_part % n_card,
|
||||
)
|
||||
print(cmd)
|
||||
p = Popen(cmd, shell=True)
|
||||
ps.append(p)
|
||||
for p in ps:
|
||||
p.wait()
|
||||
|
||||
opt = []
|
||||
for i_part in range(n_parts):
|
||||
txt_path = "%s/2-name2text-%s.txt" % (exp_dir, i_part)
|
||||
with open(txt_path, "r") as f:
|
||||
opt += f.read().strip("\n").split("\n")
|
||||
os.remove(txt_path)
|
||||
with open("%s/2-name2text.txt" % exp_dir, "w") as f:
|
||||
f.write("\n".join(opt) + "\n")
|
||||
|
||||
############step2
|
||||
ps = []
|
||||
for i_part in range(n_parts):
|
||||
cmd = "python prepare/2-get-hubert-wav32k.py %s %s %s %s %s %s" % (
|
||||
text_path,
|
||||
wav_dir,
|
||||
exp_name,
|
||||
i_part,
|
||||
n_parts,
|
||||
i_part % n_card,
|
||||
)
|
||||
print(cmd)
|
||||
p = Popen(cmd, shell=True)
|
||||
ps.append(p)
|
||||
for p in ps:
|
||||
p.wait()
|
||||
#############step3
|
||||
ps = []
|
||||
for i_part in range(n_parts):
|
||||
cmd = "python prepare/3-get-semantic.py %s %s %s %s %s" % (
|
||||
text_path,
|
||||
exp_name,
|
||||
i_part,
|
||||
n_parts,
|
||||
i_part % n_card,
|
||||
)
|
||||
print(cmd)
|
||||
p = Popen(cmd, shell=True)
|
||||
ps.append(p)
|
||||
for p in ps:
|
||||
p.wait()
|
||||
opt = ["item_name semantic_audio"]
|
||||
for i_part in range(n_parts):
|
||||
semantic_path = "%s/6-name2semantic-%s.tsv" % (exp_dir, i_part)
|
||||
with open(semantic_path, "r") as f:
|
||||
opt += f.read().strip("\n").split("\n")
|
||||
os.remove(semantic_path)
|
||||
with open("%s/6-name2semantic.tsv" % exp_dir, "w") as f:
|
||||
f.write("\n".join(opt) + "\n")
|
||||
@ -61,7 +61,7 @@ sudo apt-get install python3.9-distutils
|
||||
#### Pip Packages
|
||||
|
||||
```bash
|
||||
pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet transformers
|
||||
pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet transformers jieba
|
||||
```
|
||||
|
||||
#### Additional Requirements
|
||||
|
||||
@ -10,16 +10,15 @@
|
||||
|
||||
5-清理TEMP文件夹缓存音频等文件
|
||||
|
||||
6-在参考音频结尾留空0.3s，削弱合成音频包含参考音频结尾的问题
|
||||
6-大幅削弱合成音频包含参考音频结尾的问题
|
||||
|
||||
待修复：
|
||||
### 20240122更新
|
||||
|
||||
1-过短输出文件返回重复参考音频的问题
|
||||
1-修复过短输出文件返回重复参考音频的问题。
|
||||
|
||||
2-batch size超过条数导致微调有问题
|
||||
2-经测试，英文日文训练原生支持（日文训练需要根目录不含非英文等特殊字符）。
|
||||
|
||||
3-hubert提取在half下出现nan概率更高的问题
|
||||
3-音频路径检查。如果尝试读取输入错的路径报错路径不存在，而非ffmpeg错误。
|
||||
|
||||
高优：
|
||||
待修复：-hubert提取在half下出现nan概率更高的问题
|
||||
|
||||
支持英文日文训练
|
||||
|
||||
@ -51,7 +51,7 @@ bash install.sh
|
||||
#### Pip包
|
||||
|
||||
```bash
|
||||
pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet
|
||||
pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet transformers
|
||||
```
|
||||
|
||||
#### 额外要求
|
||||
|
||||
@ -24,7 +24,7 @@
|
||||
https://github.com/RVC-Boss/GPT-SoVITS/assets/129054828/05bee1fa-bdd8-4d85-9350-80c060ab47fb
|
||||
|
||||
## 機能:
|
||||
1. **セロショット TTS:** 5秒間のボーカルサンプルを入力すると、即座にテキストから音声に変換されます。
|
||||
1. **ゼロショット TTS:** 5秒間のボーカルサンプルを入力すると、即座にテキストから音声に変換されます。
|
||||
|
||||
2. **数ショット TTS:** わずか1分間のトレーニングデータでモデルを微調整し、音声の類似性とリアリズムを向上。
|
||||
|
||||
@ -57,7 +57,7 @@ sudo apt-get install python3.9-distutils
|
||||
#### Pip パッケージ
|
||||
|
||||
```bash
|
||||
pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet
|
||||
pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet transformers
|
||||
```
|
||||
|
||||
#### 追加要件
|
||||
|
||||
@ -3,7 +3,7 @@
|
||||
"UVR5已开启": "UVR5 opened ",
|
||||
"UVR5已关闭": "UVR5 closed",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "This software is open source under the MIT license. The author does not have any control over the software. Users who use the software and distribute the sounds exported by the software are solely responsible. <br>If you do not agree with this clause, you cannot use or reference any codes and files within the software package. See the root directory <b>Agreement-LICENSE.txt</b> for details.",
|
||||
"0-前置数据集获取工具": "0-Fech dataset",
|
||||
"0-前置数据集获取工具": "0-Fetch dataset",
|
||||
"0a-UVR5人声伴奏分离&去混响去延迟工具": "0a-UVR5 webui (for vocal separation, deecho, dereverb and denoise)",
|
||||
"是否开启UVR5-WebUI": "Open UVR5-WebUI",
|
||||
"UVR5进程输出信息": "UVR5 process output log",
|
||||
@ -128,7 +128,7 @@
|
||||
"已终止所有一键三连进程": "All one-clicking formatting tasks has been stopped",
|
||||
"已终止所有切割进程": "All audio slicing tasks has been stopped",
|
||||
"已终止所有语义token进程": "All semantics token tasks has been stopped",
|
||||
"按中文句号。切": "按中文句号。切",
|
||||
"按中文句号。切": "Slice by Chinese punct",
|
||||
"文本切分工具。太长的文本合成出来效果不一定好，所以太长建议先切。合成会根据文本的换行分开合成再拼起来。": "Text slicer tool, since there will be issues when infering long texts, so it is advised to cut first. When infering, it will infer respectively then combined together.",
|
||||
"文本进程执行中": "Text processing",
|
||||
"文本进程结束": "Finished text processing",
|
||||
|
||||
@ -111,12 +111,12 @@
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "処理対象音声フォルダーのパスを入力してください(エクスプローラーのアドレスバーからコピーしてください)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "処理対象音声ファイルのパスを入力してください(デフォルトは正しいフォーマットの例です)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "入力ソースの音量エンベロープと出力音量エンベロープの融合率 1に近づくほど、出力音量エンベロープの割合が高くなる",
|
||||
"输入监听": "输入监听",
|
||||
"输入监听": "入力を監視",
|
||||
"输入训练文件夹路径": "トレーニング用フォルダのパスを入力してください",
|
||||
"输入设备": "入力デバイス",
|
||||
"输入降噪": "入力ノイズの低減",
|
||||
"输出信息": "出力情報",
|
||||
"输出变声": "输出变声",
|
||||
"输出变声": "音声変換の出力",
|
||||
"输出设备": "出力デバイス",
|
||||
"输出降噪": "出力ノイズの低減",
|
||||
"输出音频(右下角三个点,点了可以下载)": "出力音声(右下の三点をクリックしてダウンロードできます)",
|
||||
@ -131,5 +131,158 @@
|
||||
"音调设置": "音程設定",
|
||||
"音频设备(请使用同种类驱动)": "オーディオデバイス(同じ種類のドライバーを使用してください)",
|
||||
"音高算法": "ピッチアルゴリズム",
|
||||
"额外推理时长": "追加推論時間"
|
||||
"额外推理时长": "追加推論時間",
|
||||
"打标工具WebUI已开启": "ラベリングツールWebUIが開始されました",
|
||||
"打标工具WebUI已关闭": "ラベリングツールWebUIが終了しました",
|
||||
"UVR5已开启": "UVR5が開始されました",
|
||||
"UVR5已关闭": "UVR5が終了しました",
|
||||
"TTS推理进程已开启": "TTS推論プロセスが開始されました",
|
||||
"TTS推理进程已关闭": "TTS推理プロセスが終了しました",
|
||||
"ASR任务开启": "ASRタスクが開始されました",
|
||||
"ASR任务完成": "ASRタスクが完了しました",
|
||||
"已有正在进行的ASR任务，需先终止才能开启下一次任务": "既に進行中のASRタスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止ASR进程": "ASRプロセスが終了しました",
|
||||
"SoVITS训练开始": "SoVITSのトレーニングが開始されました",
|
||||
"SoVITS训练完成": "SoVITSのトレーニングが完了しました",
|
||||
"已有正在进行的SoVITS训练任务，需先终止才能开启下一次任务": "既に進行中のSoVITSのトレーニングタスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止SoVITS训练": "SoVITSのトレーニングが終了しました",
|
||||
"GPT训练开始": "GPTトレーニング開始",
|
||||
"GPT训练完成": "GPTトレーニング完了",
|
||||
"已有正在进行的GPT训练任务，需先终止才能开启下一次任务": "既に進行中のGPTトレーニングタスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止GPT训练": "GPTトレーニングが終了しました",
|
||||
"切割执行中": "カット中",
|
||||
"切割结束": "カット終了",
|
||||
"已有正在进行的切割任务，需先终止才能开启下一次任务": "既に進行中のカットタスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止所有切割进程": "すべてのカットプロセスが終了しました",
|
||||
"文本进程执行中": "テキストプロセス実行中",
|
||||
"文本进程结束": "テキストプロセス終了",
|
||||
"已有正在进行的文本任务，需先终止才能开启下一次任务": "既に進行中のテキストタスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止所有文本进程": "すべてのテキストプロセスが終了しました",
|
||||
"SSL提取进程执行中": "SSL抽出プロセス実行中",
|
||||
"SSL提取进程结束": "SSL抽出プロセス終了",
|
||||
"已有正在进行的SSL提取任务，需先终止才能开启下一次任务": "既に進行中のSSL抽出タスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止所有1b进程": "すべての1bプロセスが終了しました",
|
||||
"语义token提取进程执行中": "意味トークン抽出プロセス実行中",
|
||||
"语义token提取进程结束": "意味トークン抽出プロセス終了",
|
||||
"已有正在进行的语义token提取任务，需先终止才能开启下一次任务": "既に進行中の意味トークン抽出タスクがあります。新たなタスクを開始する前に終了させてください",
|
||||
"已终止所有语义token进程": "すべての意味トークンプロセスが終了しました",
|
||||
"语义token提取进程已开始": "意味トークン抽出プロセスが開始されました",
|
||||
"语义token提取进程已结束": "意味トークン抽出プロセスが終了しました",
|
||||
"语义token提取进程已终止": "意味トークン抽出プロセスが終了しました",
|
||||
"语义token提取进程正在进行中": "意味トークン抽出プロセスが進行中です",
|
||||
"语义token提取任务已完成": "意味トークン抽出タスクが完了しました",
|
||||
"语义token提取任务正在进行中": "意味トークン抽出タスクが進行中です",
|
||||
"语义token提取任务已开始": "意味トークン抽出タスクが開始されました",
|
||||
"语义token提取任务已终止": "意味トークン抽出タスクが終了しました",
|
||||
"ワンクリックで三つのプロセスを開始": "ワンクリックで三つのプロセスを開始します",
|
||||
"ワンクリックで三つのプロセスを終了": "ワンクリックで三つのプロセスを終了します",
|
||||
"ワンクリックで三つのプロセスを中止": "ワンクリックで三つのプロセスを中止します",
|
||||
"ワンクリックで三つのプロセスが進行中": "ワンクリックで三つのプロセスが進行中です",
|
||||
"ワンクリックで三つのタスクが完了": "ワンクリックで三つのタスクが完了しました",
|
||||
"ワンクリックで三つのタスクが進行中": "ワンクリックで三つのタスクが進行中です",
|
||||
"ワンクリックで三つのタスクを開始": "ワンクリックで三つのタスクを開始します",
|
||||
"ワンクリックで三つのタスクを中止": "ワンクリックで三つのタスクを中止します",
|
||||
"0-前置数据集获取工具": "0-前置データセット取得ツール",
|
||||
"0a-UVR5人声伴奏分离&去混响去延迟工具": "0a-UVR5ボーカル伴奏分離＆リバーブディレイ除去ツール",
|
||||
"是否开启UVR5-WebUI": "UVR5-WebUIを開始しますか",
|
||||
"UVR5进程输出信息": "UVR5プロセス出力情報",
|
||||
"0b-语音切分工具": "0b-音声切断ツール",
|
||||
"音频自动切分输入路径，可文件可文件夹": "オーディオ自動切断入力パス、ファイルまたはフォルダー可",
|
||||
"切分后的子音频的输出根目录": "切断後のサブオーディオの出力ルートディレクトリ",
|
||||
"threshold:音量小于这个值视作静音的备选切割点": "threshold:音量がこの値より小さい場合は、サイレントと見なされる代替切断点",
|
||||
"min_length:每段最小多长，如果第一段太短一直和后面段连起来直到超过这个值": "min_length:各セクションの最小長さ、最初のセクションが短すぎる場合は、この値を超えるまで後続のセクションと連続しています",
|
||||
"min_interval:最短切割间隔": "min_interval:最短切断間隔",
|
||||
"hop_size:怎么算音量曲线，越小精度越大计算量越高（不是精度越大效果越好）": "hop_size:音量曲線の計算方法、小さいほど精度が高く計算量が多くなります（精度が高いほど効果が良いとは限りません）",
|
||||
"max_sil_kept:切完后静音最多留多长": "max_sil_kept:切断後のサイレントの最大保持長",
|
||||
"开启语音切割": "音声切断を開始",
|
||||
"终止语音切割": "音声切断を終了",
|
||||
"max:归一化后最大值多少": "max:正規化後の最大値",
|
||||
"alpha_mix:混多少比例归一化后音频进来": "alpha_mix:どの程度の割合で正規化後のオーディオを混合するか",
|
||||
"切割使用的进程数": "切断に使用されるプロセス数",
|
||||
"语音切割进程输出信息": "音声切断プロセス出力情報",
|
||||
"0c-中文批量离线ASR工具": "0c-中国語バッチオフラインASRツール",
|
||||
"开启离线批量ASR": "オフラインバッチASRを開始",
|
||||
"终止ASR进程": "ASRプロセスを終了",
|
||||
"批量ASR(中文only)输入文件夹路径": "バッチASR（中国語のみ）入力フォルダパス",
|
||||
"ASR进程输出信息": "ASRプロセス出力情報",
|
||||
"0d-语音文本校对标注工具": "0d-音声テキスト校正アノテーションツール",
|
||||
"是否开启打标WebUI": "ラベリングWebUIを開始しますか",
|
||||
"打标数据标注文件路径": "ラベリングデータアノテーションファイルパス",
|
||||
"打标工具进程输出信息": "ラベリングツールプロセス出力情報",
|
||||
"文本进程结束, SSL提取进程执行中": "テキストプロセス終了、SSL抽出プロセス実行中",
|
||||
"文本进程结束, SSL提取进程结束": "テキストプロセス終了、SSL抽出プロセス終了",
|
||||
"一键三连进程执行中": "ワンクリック三連プロセス実行中",
|
||||
"一键三连进程结束": "ワンクリック三連プロセス終了",
|
||||
"SoVITS训练进程执行中": "SoVITS訓練プロセス実行中",
|
||||
"SoVITS训练进程结束": "SoVITS訓練プロセス終了",
|
||||
"GPT训练进程执行中": "GPT訓練プロセス実行中",
|
||||
"GPT训练进程结束": "GPT訓練プロセス終了",
|
||||
"推理进程执行中": "推論プロセス実行中",
|
||||
"推理进程结束": "推論プロセス終了",
|
||||
"预训练的SoVITS-G模型路径": "事前学習済みのSoVITS-Gモデルのパス",
|
||||
"预训练的SoVITS-D模型路径": "事前学習済みのSoVITS-Dモデルのパス",
|
||||
"预训练的GPT模型路径": "事前学習済みのGPTモデルのパス",
|
||||
"GPU卡号以-分割，每个卡号一个进程": "GPUカード番号は-で区切り、各カード番号に1つのプロセス",
|
||||
"预训练的中文BERT模型路径": "事前学習済みの中国語BERTモデルのパス",
|
||||
"开启文本获取": "テキスト取得を開始",
|
||||
"终止文本获取进程": "テキスト取得プロセスを終了",
|
||||
"文本进程输出信息": "テキストプロセス出力情報",
|
||||
"预训练的SSL模型路径": "事前学習済みのSSLモデルのパス",
|
||||
"开启SSL提取": "SSL抽出を開始",
|
||||
"终止SSL提取进程": "SSL抽出プロセスを終了",
|
||||
"SSL进程输出信息": "SSLプロセス出力情報",
|
||||
"开启语义token提取": "セマンティックトークン抽出を開始",
|
||||
"终止语义token提取进程": "セマンティックトークン抽出プロセスを終了",
|
||||
"语义token提取进程输出信息": "セマンティックトークン抽出プロセス出力情報",
|
||||
"开启一键三连": "ワンクリック三連を開始",
|
||||
"终止一键三连": "ワンクリック三連を終了",
|
||||
"一键三连进程输出信息": "ワンクリック三連プロセス出力情報",
|
||||
"1A-訓練集格式化工具": "1A-トレーニングセットフォーマットツール",
|
||||
"输出logs/实验名目录下应有23456开头的文件和文件夹": "logs/実験名ディレクトリには、23456で始まるファイルとフォルダが存在する必要があります",
|
||||
"*文本标注文件": "*テキストアノテーションファイル",
|
||||
"*训练集音频文件目录": "*トレーニングセットオーディオファイルディレクトリ",
|
||||
"训练集音频文件目录-拼接-list文件里波形对应的文件名（不是全路径）。": "トレーニングセットオーディオファイルディレクトリ-結合-listファイル内の波形に対応するファイル名（フルパスではありません）。",
|
||||
"1Aa-文本内容": "1Aa-テキスト内容",
|
||||
"1Ac-语义token提取": "1Ac-セマンティックトークン抽出",
|
||||
"1Aabc-训练集格式化一键三连": "1Aabc-トレーニングセットフォーマットワンクリック三連",
|
||||
"1B-微调训练": "1B-微調整訓練",
|
||||
"1Ba-SoVITS训练。用于分享的模型文件输出在SoVITS_weights下。": "1Ba-SoVITS訓練。共有モデルファイルはSoVITS_weightsに出力されます。",
|
||||
"1Bb-GPT训练。用于分享的模型文件输出在GPT_weights下。": "1Bb-GPT訓練。共有モデルファイルはGPT_weightsに出力されます。",
|
||||
"1C-推理": "1C-推論",
|
||||
"2-GPT-SoVITS-变声": "2-GPT-SoVITS-ボイスチェンジ",
|
||||
"开启SoVITS训练": "SoVITS訓練を開始",
|
||||
"终止SoVITS训练": "SoVITS訓練を終了",
|
||||
"SoVITS训练进程输出信息": "SoVITS訓練プロセス出力情報",
|
||||
"开启GPT训练": "GPT訓練を開始",
|
||||
"终止GPT训练": "GPT訓練を終了",
|
||||
"GPT训练进程输出信息": "GPT訓練プロセス出力情報",
|
||||
"是否开启TTS推理WebUI": "TTS推理WebUIを開始しますか",
|
||||
"TTS推理WebUI进程输出信息": "TTS推理WebUIプロセス出力情報",
|
||||
"施工中，请静候佳音": "工事中、お待ちください",
|
||||
"*实验/模型名": "実験/モデル名",
|
||||
"1A-训练集格式化工具": "1A-トレーニングセットフォーマットツール",
|
||||
"1Ab-SSL自监督特征提取": "1Ab-SSL自己監督による特徴抽出",
|
||||
"总训练轮数total_epoch，不建议太高": "トータルトレーニングラウンド数total_epoch、あまり高く設定しないことをお勧めします",
|
||||
"文本模块学习率权重": "テキストモジュールの学習率の重み",
|
||||
"选择训练完存放在SoVITS_weights和GPT_weights下的模型。默认的一个是底模，体验5秒Zero Shot TTS用。": "SoVITS_weightsとGPT_weightsに保存された訓練済みモデルを選択します。デフォルトの1つはベースモデルで、5秒間のZero Shot TTSを体験するために使用されます。",
|
||||
"*GPT模型列表": "*GPTモデルリスト",
|
||||
"*SoVITS模型列表": "*SoVITSモデルリスト",
|
||||
"GPU卡号,只能填1个整数": "GPUカード番号、整数のみ入力可能",
|
||||
"刷新模型路径": "モデルパスを更新",
|
||||
"*请上传并填写参考信息": "*参考情報をアップロードして記入してください",
|
||||
"请上传参考音频": "*参考音声をアップロードしてください",
|
||||
"参考音频的文本": "*参考音声のテキスト",
|
||||
"参考音频的语种": "参考音声の言語",
|
||||
"*请填写需要合成的目标文本": "*合成する目標テキストを入力してください",
|
||||
"需要合成的文本": "*合成するテキスト",
|
||||
"需要合成的语种": "*合成する言語",
|
||||
"合成语音": "音声合成",
|
||||
"输出的语音": "*出力音声",
|
||||
"文本切分工具。太长的文本合成出来效果不一定好，所以太长建议先切。合成会根据文本的换行分开合成再拼起来。": "テキスト分割ツール。長すぎるテキストを合成すると結果が必ずしも良くない可能性があるため、長すぎる場合は先に切ることをお勧めします。合成はテキストの改行に基づいて分割してから再結合します。",
|
||||
"需要合成的切分前文本": "合成する前の分割テキストが必要",
|
||||
"凑五句一切": "五文を一つにまとめる",
|
||||
"凑50字一切": "50文字を一つにまとめる",
|
||||
"按中文句号。切": "中国語の句点で切る。",
|
||||
"切分后文本": "分割後のテキスト",
|
||||
"后续将支持混合语种编码文本输入。": "今後、混合言語エンコードテキストの入力をサポートします。"
|
||||
}
|
||||
|
||||
@ -1,4 +1,4 @@
|
||||
import platform
|
||||
import platform,os
|
||||
import ffmpeg
|
||||
import numpy as np
|
||||
|
||||
|
||||
@ -119,7 +119,7 @@ def uvr(model_name, inp_root, save_root_vocal, paths, save_root_ins, agg, format
|
||||
with gr.Blocks(title="RVC WebUI") as app:
|
||||
gr.Markdown(
|
||||
value=
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>."
|
||||
i18n("本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.")
|
||||
)
|
||||
with gr.Tabs():
|
||||
with gr.TabItem(i18n("伴奏人声分离&去混响&去回声")):
|
||||
@ -144,7 +144,7 @@ with gr.Blocks(title="RVC WebUI") as app:
|
||||
minimum=0,
|
||||
maximum=20,
|
||||
step=1,
|
||||
label="人声提取激进程度",
|
||||
label=i18n("人声提取激进程度"),
|
||||
value=10,
|
||||
interactive=True,
|
||||
visible=False, # 先不开放调整
|
||||
|
||||
12
webui.py
12
webui.py
@ -442,7 +442,7 @@ def open1c(inp_text,exp_name,gpu_numbers,pretrained_s2G_path):
|
||||
yield "语义token提取进程执行中", {"__type__": "update", "visible": False}, {"__type__": "update", "visible": True}
|
||||
for p in ps1c:
|
||||
p.wait()
|
||||
opt = ["item_name semantic_audio"]
|
||||
opt = ["item_name\tsemantic_audio"]
|
||||
path_semantic = "%s/6-name2semantic.tsv" % opt_dir
|
||||
for i_part in range(all_parts):
|
||||
semantic_path = "%s/6-name2semantic-%s.tsv" % (opt_dir, i_part)
|
||||
@ -475,7 +475,7 @@ def open1abc(inp_text,inp_wav_dir,exp_name,gpu_numbers1a,gpu_numbers1Ba,gpu_numb
|
||||
try:
|
||||
#############################1a
|
||||
path_text="%s/2-name2text.txt" % opt_dir
|
||||
if(os.path.exists(path_text)==False or (os.path.exists(path_text)==True and os.path.getsize(path_text)<10)):
|
||||
if(os.path.exists(path_text)==False or (os.path.exists(path_text)==True and len(open(path_text,"r",encoding="utf8").read().strip("\n").split("\n"))<2)):
|
||||
config={
|
||||
"inp_text":inp_text,
|
||||
"inp_wav_dir":inp_wav_dir,
|
||||
@ -568,7 +568,7 @@ def open1abc(inp_text,inp_wav_dir,exp_name,gpu_numbers1a,gpu_numbers1Ba,gpu_numb
|
||||
yield "进度：1a1b-done, 1cing", {"__type__": "update", "visible": False}, {"__type__": "update", "visible": True}
|
||||
for p in ps1abc:p.wait()
|
||||
|
||||
opt = ["item_name semantic_audio"]
|
||||
opt = ["item_name\tsemantic_audio"]
|
||||
for i_part in range(all_parts):
|
||||
semantic_path = "%s/6-name2semantic-%s.tsv" % (opt_dir, i_part)
|
||||
with open(semantic_path, "r",encoding="utf8") as f:
|
||||
@ -704,9 +704,9 @@ with gr.Blocks(title="GPT-SoVITS WebUI") as app:
|
||||
gr.Markdown(value=i18n("1Ba-SoVITS训练。用于分享的模型文件输出在SoVITS_weights下。"))
|
||||
with gr.Row():
|
||||
batch_size = gr.Slider(minimum=1,maximum=40,step=1,label=i18n("每张显卡的batch_size"),value=default_batch_size,interactive=True)
|
||||
total_epoch = gr.Slider(minimum=1,maximum=20,step=1,label=i18n("总训练轮数total_epoch，不建议太高"),value=8,interactive=True)
|
||||
total_epoch = gr.Slider(minimum=1,maximum=25,step=1,label=i18n("总训练轮数total_epoch，不建议太高"),value=8,interactive=True)
|
||||
text_low_lr_rate = gr.Slider(minimum=0.2,maximum=0.6,step=0.05,label=i18n("文本模块学习率权重"),value=0.4,interactive=True)
|
||||
save_every_epoch = gr.Slider(minimum=1,maximum=50,step=1,label=i18n("保存频率save_every_epoch"),value=4,interactive=True)
|
||||
save_every_epoch = gr.Slider(minimum=1,maximum=25,step=1,label=i18n("保存频率save_every_epoch"),value=4,interactive=True)
|
||||
if_save_latest = gr.Checkbox(label=i18n("是否仅保存最新的ckpt文件以节省硬盘空间"), value=True, interactive=True, show_label=True)
|
||||
if_save_every_weights = gr.Checkbox(label=i18n("是否在每次保存时间点将最终小模型保存至weights文件夹"), value=True, interactive=True, show_label=True)
|
||||
gpu_numbers1Ba = gr.Textbox(label=i18n("GPU卡号以-分割，每个卡号一个进程"), value="%s" % (gpus), interactive=True)
|
||||
@ -717,7 +717,7 @@ with gr.Blocks(title="GPT-SoVITS WebUI") as app:
|
||||
gr.Markdown(value=i18n("1Bb-GPT训练。用于分享的模型文件输出在GPT_weights下。"))
|
||||
with gr.Row():
|
||||
batch_size1Bb = gr.Slider(minimum=1,maximum=40,step=1,label=i18n("每张显卡的batch_size"),value=default_batch_size,interactive=True)
|
||||
total_epoch1Bb = gr.Slider(minimum=2,maximum=100,step=1,label=i18n("总训练轮数total_epoch"),value=15,interactive=True)
|
||||
total_epoch1Bb = gr.Slider(minimum=2,maximum=50,step=1,label=i18n("总训练轮数total_epoch"),value=15,interactive=True)
|
||||
if_save_latest1Bb = gr.Checkbox(label=i18n("是否仅保存最新的ckpt文件以节省硬盘空间"), value=True, interactive=True, show_label=True)
|
||||
if_save_every_weights1Bb = gr.Checkbox(label=i18n("是否在每次保存时间点将最终小模型保存至weights文件夹"), value=True, interactive=True, show_label=True)
|
||||
save_every_epoch1Bb = gr.Slider(minimum=1,maximum=50,step=1,label=i18n("保存频率save_every_epoch"),value=5,interactive=True)
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user