git clone https://github.com/fishaudio/Bert-VITS2.git
pip install -r requirements.txt放置到根目录 bert 文件夹下覆盖
https://huggingface.co/hfl/chinese-roberta-wwm-ext-large
https://huggingface.co/ku-nlp/deberta-v2-large-japanese-char-wwm
https://huggingface.co/microsoft/deberta-v3-large
放置到根目录 slm 文件夹下覆盖
https://huggingface.co/microsoft/wavlm-base-plus
放到 根目录 data/{你的数据集名称}/models 文件夹下，需要自己新建
https://openi.pcl.ac.cn/Stardust_minus/Bert-VITS2/modelmanage/show_model
├── data （data建在根目录下，不知道大小写有没有关系，之前是Data）
│ ├── {你的数据集名称}
│ │ ├── configs （这个文件夹可以复制根目录下的，使用webui生成配置文件后，再拷贝出来）
│ │ ├── config.json （上面文件夹里的config.json拷贝到这里，训练时用的这个）
│ │ ├── models （放置4个底膜 D_0.pth、DUR_0.pth、WD_0.pth、G_0.pth）
│ │ ├── esd.list （示例在下面）
│ │ ├── raw （里面放分段好的原始音频）
│ │ │ ├── ****.wav
│ │ │ ├── ...-
esd.list 文件为标签文本，对应wavs文件夹下的所有文件
-
wavs文件夹是音频重采样raw文件夹后自动生成的，训练时会自动用的wavs文件夹
-
esd.list 文件格式：
/data/{你的数据集名称}/wavs/***.wav|{说话人名}|{语言 ID}|{标签文本} -
esd.list 文件示例：
data/{你的数据集名称}/wavs/paimon_02.wav|派蒙|ZH|没什么没什么，只是平时他总是站在这里，有点奇怪而已。data/{你的数据集名称}/wavs/noa_51_01.wav|NOA|JP|そうだね、油断しないのはとても大事なことだと思うdata/{你的数据集名称}/wavs/albedo_01.wav|Albedo|EN|Who are you? Why did you alarm them?
- 运行：
python webui_preprocess.py - 第一步：生成配置文件（）
- 第二步：预处理音频文件（）
- 第三步：预处理标签文件（）
- 第四步：生成 BERT 特征文件（）
- 训练执行
torchrun --nproc_per_node=1 train_ms.py命令，或直接运行train_ms.py config.json文件里的eval_interval是间隔多少保存模型，epochs是本次总共训练多少次，其他还不清楚喵- 多卡运行可参考
run_MnodesAndMgpus.sh中的命令
- 修改根目录下的
config.yml中webui下model一项为models/{权重文件名}.pth（如 G_10000.pth） - 然后执行
python webui.py部署