# EasyBertVits2
I haven't tested it in an English environment, but if you have an English model it should work the same way. Maybe.
我没有在中文环境中测试过,但是如果你准备一个中文模型,它应该以同样的方式工作。也许吧。
文章から感情豊かな音声を生成する Bert-VITS2 を簡単に使えます。
主に litagin さんの Bert-VITS2 (ver 2.1, 2.2) の学習方法(2023-12-01)を自動化したものです。
サンプル音声はこちら。
最近のNVIDIA製ビデオカード(VRAM 8GB以上)を搭載した、管理者権限のある Windows PC で動作します。 Git は不要で、Python がなければ自動でインストールします。 アバストなどのウィルスチェックソフトが有効だと、インストールに失敗する場合があるようです。
Ctrl + Click
で確認して、問題がなければ y
と Enter
を入力してください。名前をつけてリンク先を保存
してください。Hiyori UI
が Web ブラウザに表示されますので、ブラウザの翻訳機能で日本語化します(例はChrome で右クリックから 日本語に翻訳
)。モデルのロード
の下の欄をクリックして、JVNV の学習済みモデル G_JVNV-F2-10000.pth
を選択します。Download-DemoModel.bat
で学習ステップ数の異なるモデルを追加でダウンロードできます。ZH
を 2 番めの 日本
(選択後に JP
に変わります)にして モデルをロードする
をします。テキストコンテンツを入力してください
に文章を入力して、音声を生成する
で生成します。感情
で 0-9
のスタイルを選べますが、動作がいまいち&旧仕様になるので放置が良さそうです。Bert-VITS2\Data
以下にフォルダを作成して、G_*.pth
のモデルと config.json
の設定ファイルを一緒に置けば同様に読み込めます。
Hiyori UI
を再度立ち上げたい場合は、HiyoriUi.bat
を実行します。
音声の学習には感情豊かな読み上げ音声と、その文章が必要です。
ここではサンプルとして感情豊かな JVNV の音声と文章を学習してみます。
Download-LearningSample-JVNV.bat
を実行すると、Bert-VITS2\Data
に JNNV-F2
プロジェクトを作成し、学習用のデータをダウンロードします。
JNNV-F2
プロジェクトの audios\raw
に、感情豊かな音声ファイルがありますので、学習用音声の参考にしてください。JNNV-F2
プロジェクトの filelists\esd.list
で音声の読みとファイルパスを指定していますので、テキストエディタで開いて参考にしてください。Learn.bat
で学習を開始します。models\G_*.pth
に書き出されますので、HiyoriUi.bat
で読み込んで学習状況を確認できます。CPU
で読み込んでください。CreateProject.bat
で Bert-VITS2\Data
に学習用プロジェクトを作成します。audios\raw
に音声を配置します。filelists\esd.list
に音声ファイルパスと音声の読みを入力します。Learn.bat
で学習します。Download-LearningSample-JVNV.bat
を実行していれば、読み上げ収録ソフトのOREMO(ダウンロードはこちら)で収録するためのファイルが lib\JVNV-F2_Bert-VITS2-main\OREMO\
にあります。
JVNV_OREMO.txt
は OREMO で収録するための音名リストです。
JVNV_OREMO_rename.bat
は OREMO で収録した wav と同じフォルダに置いて実行すると、ファイル名を学習用に変更します。filelists\esd.list
は lib\JVNV-F2_Bert-VITS2-main\JVNV.txt
を置換で編集して用意します。lib\JVNV-F2_Bert-VITS2-main\transcription.pdf
の各感情が均等になるように収録するとよいかもしれません。音声ファイルを用意したあとは『学習用の音声を長尺の音声ファイルから変換する』と同じです。
models\G_WebUi.bat
に、学習したモデルファイル G_*.pth
をドラッグ&ドロップすると、Bert-VITS2 の WebUI でモデルを試せます。models\G_Compress.bat
に、学習したモデルファイル G_*.pth
をドラッグ&ドロップすると、配布用の省サイズモデルに圧縮します。
ERROR:utils:enc_q … is not in the checkpoint
と表示されますが、音声の生成はできるようです。このリポジトリのスクリプトやドキュメントは、MIT Licenseです。
This software is released under the MIT License, see LICENSE.txt.