通过本地部署/colab在线训练和推理Bert-vits模型的简易教程

VITS2 Backbone with bert

严禁将此项目用于一切违反《中华人民共和国宪法》，《中华人民共和国刑法》，《中华人民共和国治安管理处罚法》和《中华人民共和国民法典》之用途。

严禁用于任何政治相关用途。

基于b站up主团子是咸鱼的视频教程制作【Bert-Vits2 手把手本地部署录屏教程【已适配V1.1】】 https://www.bilibili.com/video/BV18N4y1Q7JK/?share_source=copy_web&vd_source=0850903c2c3f5ed7b220c9bda4e285f6

请配合教程视频食用：BV1zC4y1V7tX

【免费显卡?Bert-VITS2 colab脚本在线训练 教你免费在线训练属于自己的虚拟音声-哔哩哔哩】 https://b23.tv/gJWyXEs

原仓库链接：https://github.com/Stardust-minus/Bert-VITS2

基于原仓库有文件的修改

感谢所有贡献者作出的努力

colab训练脚本：https://colab.research.google.com/drive/146KM8ks4tZQyEPVHIPPQI6PYId_FW9Ue?

需要事先的准备工作：

1.若干时长的高质量语音文本

2.音频切割工具slicer-gui
3.数据处理和标注工具，来自b站up主领航员未鸟【Bert-VITS2/VITS】更快更准确！自动标注一键包来啦】 https://www.bilibili.com/video/BV1dr4y1X7RL/?share_source=copy_web&vd_source=0850903c2c3f5ed7b220c9bda4e285f6

1.克隆仓库

!git clone https://github.com/MengXing15646/Bert-VITS2

准备工作，数据集的准备

1.原始数据音频必须是.wav格式，使用slicer-gui将文件切割为短于20s的音频
2.按照【Bert-VITS2/VITS】更快更准确！自动标注一键包来啦】 https://www.bilibili.com/video/BV1dr4y1X7RL/?share_source=copy_web&vd_source=0850903c2c3f5ed7b220c9bda4e285f6 教程处理原始数据集
3.将处理后的clean_barbara.list文件上传到filelists文件夹，并改名成【自己需要的名字】
4.将preprocess_text文件中的名字改为【自己需要的名字】
5.创建raw文件夹和它的子文件夹【自己需要的名字】，将处理后的音频上传到【自己需要的名字】文件夹

至此准备工作完成，开始训练

2.安装需要的依赖

 %cd /content/Bert-VITS2/
!pip install -r requirements.txt

3.下载必要的模型到对应目录

hugging face不提供直链下载，使用二次分发下载模型

!wget -P bert/chinese-roberta-wwm-ext-large/ https://huggingface.co/hfl/chinese-roberta-wwm-ext-large/resolve/main/flax_model.msgpack
!wget -P bert/chinese-roberta-wwm-ext-large/ https://huggingface.co/hfl/chinese-roberta-wwm-ext-large/resolve/main/pytorch_model.bin
!wget -P bert/chinese-roberta-wwm-ext-large/ https://huggingface.co/hfl/chinese-roberta-wwm-ext-large/resolve/main/tf_model.h5

4.下载底模到对应文件夹

!wget -P logs/{datasetname}/ https://huggingface.co/Erythrocyte/bert-vits2_base_model/resolve/main/DUR_0.pth
!wget -P logs/{datasetname}/ https://huggingface.co/Erythrocyte/bert-vits2_base_model/resolve/main/D_0.pth
!wget -P logs/{datasetname}/ https://huggingface.co/Erythrocyte/bert-vits2_base_model/resolve/main/G_0.pth

5.重采样

!python resample.py

6.执行preprocess_text.py

!python preprocess_text.py

7.执行!python bert_gen.py

!python bert_gen.py

8.开始训练

!python train_ms.py -m {datasetname} -c configs/config.json

9.在线推理

!python webui.py