colab训练VITS语音模型

打开colab

https://colab.research.google.com/drive/1pn1xnFfdLK63gVXDwV4zCXfVeo8c-I-0?usp=sharing#scrollTo=-XEdEXyTHVfD
谷歌的colab平台，借用免费的云平台和gpu算力。借助VITS对已有语音数据进行训练，生成对应音色风格的语音。

准备文件 默认建议

1…zip文件打包的，按角色名排列的短音频，该压缩文件结构应如下所示：

Your-zip-file.zip
├───Character_name_1
├ ├───xxx.wav
├ ├───…
├ ├───yyy.mp3
├ └───zzz.wav
├───Character_name_2
├ ├───xxx.wav
├ ├───…
├ ├───yyy.mp3
├ └───zzz.wav
├───…
├
└───Character_name_n
├───xxx.wav
├───…
├───yyy.mp3
└───zzz.wav
注意音频的格式和名称都不重要，只要它们是音频文件。
质量要求：2秒以上，10秒以内，尽量不要有背景噪音。
数量要求：一个角色至少10条，最好每个角色20条以上。

注：压缩为zip，压缩时，选中所有文件压缩，而不是对文件夹压缩

Step 0

运行查看GPU配置。本笔记本必须在GPU模式下运行，可以运行上方的nvidia-smi查看GPU是否装载。若没有，点击左上角>修改>笔记本设置，把硬件加速改成GPU。

step 1

运行安装环境

step 1.5

选择预选训练模型，默认CJ

加载谷歌云盘，登录授权。

打开谷歌云盘网页，上传压缩包
此时回到colab，在窗口左侧打开文件夹，此处就可以看见自己的云盘文件夹，找到上传的压缩包，选中复制其路径。

step 2.1 上传音频

展开，选择第二个单元格，在其右侧粘贴路径信息。压缩包路径信息：在左侧的文件夹中找到压缩包，右击，复制路径。
如果你是训练单个角色，在custom_character_voice后面加一个speak_names比如：custom_character_voice/hutao
而后，点击运行，此时可以看到解压抽取音频文件

step3

自动处理所有上传的数据-运行
会将每一条语音识别为文字

STEP 3.5

单个角色的话，运行

step 4

左侧创建输出文件夹，而后复制这个文件夹的路径
复制路径替换代码中的两处 ./OUTPUT_MODEL。
设置epochs，40基本就成型了
运行，等待

下载配置文件

在云盘对应的输出文件夹，下载G_latest.pth和.json文件。
再打开 https://github.com/Plachtaa/VITS-fast-fine-tuning/releases/tag/webui-v1.1，下载inference.rar，解压，粘贴替换G_latest.pth和.json文件，将.json文件重命名为finetune_speaker.json
运行文件夹里面的inference.exe
即可完成