VITS 纯中文微调

English Documentation Please Click here

该代码在wac81/vits_chinese上进行了轻微修改

从标贝数据集进行推断

1. 您可以获取预训练模型，并将预训练模型G放在./logs/woman_csmsc/G*.pth中
2. 运行 python infer.py

重新训练一个基本模型以供微调

1. 将16000hz的biaobei数据集复制到./test/csmsc
2. 您可以通过修改./text/init.py中的chinese_mode = True来切换英语或中文。
3. 准备文本例如./test/woman_csmsc.txt.2.cleaned，该文本是提完音素后的biaobei10000句。
4. 运行python3 train.py -c configs/woman_csmsc.json -m woman_csmsc

微调

如果您需要预训练模型，请从 百度云盘 进行下载，密码为VITS.

我提供了某人的微调预训练模型，见下载链接XXXG_40000.pth。该模型继承标贝的60k保存点，使用mockingbird项目里的一个issue进行微调40k得来， 由于只有66条所以质量一般。在实做中，微调1小时的效果往往就不错了，搜集的微调数据集的质量和数量决定了最终效果。

需要注意的是如果是微调，G和D的检查点都需要，160k的G虽然相比100k在loss上有所下降，但个人认为从主观听感上差距不大。

微调步骤如下：

1. 请将G和D的检查点放在./logs/woman_csmsc下。100k和160k均可。
2. 准备你的微调数据集，可参考以前mockingbird众多方法准备，准备好文本类似./input.txt
3. 将准备好的input.txt通过python txt2phoneme.py转化为output.txt的音素txt。
4. 音频文件放在./test/csmsc/，output.txt的内容复制到./test/woman_csmsc.txt.2.cleaned当中。
5. 运行 python3 train.py -c configs/woman_csmsc.json -m woman_csmsc即可开始微调。