Closed OzoneAsai closed 5 months ago
特定のモデルを選択したときに発生します。特定のモデルとは、最新版でトレーニングしたモデルで、ZHとENのBertを凍結したJP_Extraモデルです。
{
"model_name": "Test-ura-1",
"train": {
"log_interval": 200,
"eval_interval": 700,
"seed": 42,
"epochs": 100,
"learning_rate": 0.0001,
"betas": [
0.8,
0.99
],
"eps": 1e-09,
"batch_size": 1,
"bf16_run": false,
"fp16_run": false,
"lr_decay": 0.99996,
"segment_size": 16384,
"init_lr_ratio": 1,
"warmup_epochs": 0,
"c_mel": 45,
"c_kl": 1.0,
"c_commit": 100,
"skip_optimizer": false,
"freeze_ZH_bert": true,
"freeze_JP_bert": false,
"freeze_EN_bert": true,
"freeze_emo": false,
"freeze_style": false,
"freeze_decoder": false
},
"data": {
"use_jp_extra": true,
"training_files": "Data\\Test-ura-1\\train.list",
"validation_files": "Data\\Test-ura-1\\val.list",
"max_wav_value": 32768.0,
"sampling_rate": 44100,
"filter_length": 2048,
"hop_length": 512,
"win_length": 2048,
"n_mel_channels": 128,
"mel_fmin": 0.0,
"mel_fmax": null,
"add_blank": true,
"n_speakers": 1,
"cleaned_text": true,
"spk2id": {
"Test-ura-1": 0
},
"num_styles": 1,
"style2id": {
"Neutral": 0
}
},
"model": {
"use_spk_conditioned_encoder": true,
"use_noise_scaled_mas": true,
"use_mel_posterior_encoder": false,
"use_duration_discriminator": false,
"use_wavlm_discriminator": true,
"inter_channels": 192,
"hidden_channels": 192,
"filter_channels": 768,
"n_heads": 2,
"n_layers": 6,
"kernel_size": 3,
"p_dropout": 0.1,
"resblock": "1",
"resblock_kernel_sizes": [
3,
7,
11
],
"resblock_dilation_sizes": [
[
1,
3,
5
],
[
1,
3,
5
],
[
1,
3,
5
]
],
"upsample_rates": [
8,
8,
2,
2,
2
],
"upsample_initial_channel": 512,
"upsample_kernel_sizes": [
16,
16,
8,
2,
2
],
"n_layers_q": 3,
"use_spectral_norm": false,
"gin_channels": 512,
"slm": {
"model": "./slm/wavlm-base-plus",
"sr": 16000,
"hidden": 768,
"nlayers": 13,
"initial_channel": 64
}
},
"version": "2.4.1-JP-Extra"
}
詳しいことは分かっていませんが、同様の報告が多くあり(モデルの更新や読み込みを行うとJSON Serializationエラーが出る)、おそらくgradioのバージョンアップによるバグが原因のようです。 バージョン指定を固定したので、アップデートして試していただけると助かります。
解決しました。
最新バージョンでも発生するようです。起きるのはApp.batからのエディタだけで、Editor.batからの新しいエディタでは起きないようです。
良いツールをありがとうございます。
以下のようにstyle_bert_vits2/tts_model.py
を変更したところ、音声合成とマージ機能はWindows上で動作することを確認しました。
style_bert_vits2/tts_model.py
の冒頭にimport os
を追記model_files = [
str(f)
for f in model_dir.iterdir()
if f.suffix in [".pth", ".pt", ".safetensors"]
]
self.model_names.append(str(model_dir.name))
# パスを標準化する
normalized_model_path = os.path.normpath(model_path)
# self.model_files_dict[model_name] の各パスを標準化して比較
normalized_model_files = [os.path.normpath(path) for path in self.model_files_dict[model_name]]
if normalized_model_path not in normalized_model_files:
raise ValueError(f"Model file `{model_path}` is not found")
修正5: https://github.com/litagin02/Style-Bert-VITS2/blob/0a3b57528b76ad35ca6efe9bce350ece0621329f/style_bert_vits2/tts_model.py#L455-L456 ↓(修正4と同じ修正)
# パスを標準化する
normalized_model_path = os.path.normpath(model_path)
# self.model_files_dict[model_name] の各パスを標準化して比較
normalized_model_files = [os.path.normpath(path) for path in self.model_files_dict[model_name]]
if normalized_model_path not in normalized_model_files:
raise ValueError(f"Model file `{model_path}` is not found")
最近のGradioのアプデでPath型のものをgradio componentへ渡せなくなったのが原因のようで、 最近の修正でおそらくこれ関連のエラーは解決しました。