Amphion项目自定义SVCDataset数据集格式详解

在语音合成和歌声转换领域，数据集的正确配置是模型训练成功的关键前提。本文将详细介绍如何在Amphion项目中正确配置自定义SVCDataset数据集，帮助开发者避免常见错误。

数据集目录结构规范

Amphion项目对自定义SVCDataset有着严格的目录结构要求，正确的结构应如下所示：

[自定义数据集根目录]
┣── 歌手1
┃   ┣── 歌曲1
┃   ┃   ┣── 音频1.wav
┃   ┃   ┣── 音频2.wav
┃   ┃   ┣── ...
┃   ┣── 歌曲2
┃   ┣── ...
┣── 歌手2
┣── ...

这种层级结构的设计考虑了以下几个技术要点：

1. 歌手级别的分类有助于模型学习不同声纹特征
2. 歌曲级别的子目录可以保持同一歌曲中音频的连贯性
3. 清晰的目录结构便于预处理脚本自动解析

配置文件关键参数

在exp_config.json中，必须正确配置以下三个关键部分：

1. dataset数组：声明使用的所有数据集名称
2. dataset_path对象：指定每个数据集的路径
3. use_custom_dataset数组：明确哪些是自定义数据集

典型配置示例：

{
    "dataset": ["ExistingDataset", "MyCustomDataset"],
    "dataset_path": {
        "ExistingDataset": "/path/to/existing",
        "MyCustomDataset": "/path/to/custom"
    },
    "use_custom_dataset": ["MyCustomDataset"]
}

预处理流程解析

当执行run.sh --stage 1预处理阶段时，Amphion会执行以下关键步骤：

1. 扫描指定目录下的音频文件
2. 自动计算每个音频的时长(Duration)等元信息
3. 生成包含完整元数据的train.json和test.json
4. 将处理后的数据保存在processed_dir指定目录

特别注意：预处理生成的json文件包含Duration等关键字段，不应手动创建这些文件。

常见问题解决方案

根据实际案例，开发者常遇到以下两类问题：

1. 预处理阶段报错缺少Duration字段

   • 原因：手动创建了metadata文件而非让系统自动生成
   • 解决：确保只提供原始音频，由预处理脚本自动生成元数据

2. 路径配置冲突

   • 原因：processed_dir与原始数据集路径相同
   • 建议：将processed_dir设置为独立目录(如默认的"data"目录)

最佳实践建议

1. 保持原始音频目录结构规范
2. 使用相对路径减少环境依赖
3. 预处理前备份原始数据
4. 首次运行时先在小数据集上测试
5. 检查生成的json文件是否包含完整元数据

通过遵循以上规范，开发者可以顺利地在Amphion项目中使用自定义数据集进行歌声转换模型的训练。正确理解项目的数据处理流程，能够有效避免预处理阶段的常见错误，为后续模型训练打下坚实基础。