真实拟声的文本到语音 bert-vist2模型训练教学

真实拟声的文本到语音 bert-vist2模型训练教学

真实拟声的文本到语音BERT-VITS2模型训练教学如下：

工具和整合包准备：

准备所需的工具和整合包，包括各种软件和工具库，可从提供的百度网盘链接下载：https://pan.baidu.com/s/1iQtzpioz8MX2hF7EWeYluA?pwd=gvvy。

音频处理工具推荐：

使用UVR工具进行声音提纯，去除背景音和杂音。

数据集准备选项：

直接下载优化模型：在模型工坊中下载已经训练好的声音模型，如bert-vits2.1懒羊羊声音模型，这些模型已经经过精细优化，可直接导入使用。

自行训练声音模型：根据以下步骤进行操作。

声音素材提纯：

使用UVR工具对训练声音素材进行提纯处理，去除背景音和杂音。

声音素材切片：

对音频进行切片，以便后续处理。

文本标注：

对切片好的音频进行文本标注，切片好的音频经过手动筛选过短的音频放入raw_audio，点击0.带标点符号的标注进行文本标注。

标注完成示例：

数据集筛选：

使用开源工具SubFix（https://github.com/cronrpc/SubFix）对标准的文本和处理好的音频数据集进行进一步的筛选。

本项目适配Bert-Vits2的list文件的标注格式，可以轻松添加到已有的自动标注数据处理的工作流中，或者使用本项目自带的一个音频自动标注方法，之后再进行精修。

创建文件夹与启动webui：

打开bert-vits2整合包，启动webui，创建训练的模型目录。

文件放置：

将切好片的声音文件放入custom_character_voice文件夹。

将标注好的文本放入filelists文件夹。

文本预处理：

进行文本预处理，为后续生成bert和emo文件做准备。

生成bert文件：

根据预处理后的文本生成bert文件。

生成emo文件：

生成emo文件，用于情感文本转语音模型训练。

设置训练参数：

写入训练参数，如批大小，根据显卡设置，示例中设置为16。

开始训练：

启动训练过程，等待模型训练完成。