请教如何训练一个四川话模型

[1044690543]

如题，请问您粤语底模是如何训练出来的呢，用了多少小时训练集呢。我想训练一个四川话的底模，可以分享一些思路吗

[Naozumi520]

我用了約9-11個小時的粵語數據對「底模」進行了訓練，這些數據是從一個香港播客頻道中提取的單一人聲。

實際上我們無法訓練一個「底模」（需要1000小時的數據）。我這裡更像是在模型一個角色，使其能夠發音粵語。但是限制是單一模型只能有一個角色（據我所知）。

第一件事是修改text cleaner。其作用是將不同的中文標點符號替換為較少的英文字母符號，並將文本轉換為音素。

Bert-vits2的text cleaner如下：

文本 => 替換中文標點符號後的文本 => 音素 => 分割聲母和韻母

例如，在普通話拼音： 啊！轉換為['a', 'a', '！'] 你好 轉換為['n','i', 'h', 'ao']

而對於粵語粤拼（以我情況為例）： 你好 轉換為['n', 'ei', 'h', 'ou']

https://github.com/fishaudio/Bert-VITS2/blob/4751adb19ecdd9ea607e76788d1a631acedcf99d/text/chinese.py#L87 返回為"phones"

至於tones，是每個詞的聲調。對於粵語而言，聲調範圍是1-6（nei5 hou2 => [5, 2]）。

最後一個詞"word2ph"表示的是音素的長度。例如，"nei"將被分割為n + ei，因此長度為2。像"！"這樣的標點符號無法分割，因此長度為1。

你好！=> [2, 2, 1]

完成了g2p函數之後可以開始訓練模型了。像訓練人聲一樣訓練模型即可。在模型能夠說出你想要的語言之後，用你想要的聲音來替換訓練數據，並繼續訓練，就可以了

[Naozumi520]

Please be reminded you will also need to edit the symbols.py and replace the zh List to finals in your languages.

[1044690543]

Thank you very much for your detailed response, which has given me some ideas for training a new model. Once again, thank you, and I wish you success in your studies.