MB-iSTFT-VITS2 项目使用教程

1. 项目目录结构及介绍

MB-iSTFT-VITS2 项目的目录结构如下：

MB-iSTFT-VITS2/
├── configs/
│   ├── mb_istft_vits2_base.json
│   └── ...
├── filelists/
│   ├── train.txt
│   └── val.txt
├── monotonic_align/
│   ├── setup.py
│   └── ...
├── resources/
│   └── ...
├── text/
│   └── ...
├── LICENSE
├── README.md
├── attentions.py
├── commons.py
├── data_utils.py
├── inference.py
├── losses.py
├── mel_processing.py
├── models.py
├── modules.py
├── onnx_export.py
├── pqmf.py
├── preprocess.py
├── requirements.txt
├── stft.py
├── stft_loss.py
├── train.py
├── train_ms.py
├── training_colab.ipynb
├── training_local.py
├── transforms.py
└── utils.py

目录结构介绍

• configs/: 包含项目的配置文件，如 mb_istft_vits2_base.json。
• filelists/: 包含训练和验证数据的文件列表，如 train.txt 和 val.txt。
• monotonic_align/: 包含用于单调对齐的 Cython 代码和相关文件。
• resources/: 包含项目所需的其他资源文件。
• text/: 包含文本处理相关的文件。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明。
• attentions.py: 注意力机制相关的代码。
• commons.py: 通用工具函数。
• data_utils.py: 数据处理相关的工具函数。
• inference.py: 用于推理的脚本。
• losses.py: 定义损失函数的代码。
• mel_processing.py: 梅尔频谱处理相关的代码。
• models.py: 定义模型的代码。
• modules.py: 定义模型组件的代码。
• onnx_export.py: 用于导出 ONNX 模型的脚本。
• pqmf.py: 多频带处理相关的代码。
• preprocess.py: 数据预处理脚本。
• requirements.txt: 项目依赖的 Python 包列表。
• stft.py: 短时傅里叶变换相关的代码。
• stft_loss.py: 短时傅里叶变换损失函数相关的代码。
• train.py: 训练脚本。
• train_ms.py: 多说话人训练脚本。
• training_colab.ipynb: 用于 Google Colab 的训练脚本。
• training_local.py: 本地训练脚本。
• transforms.py: 数据变换相关的代码。
• utils.py: 通用工具函数。

2. 项目的启动文件介绍

训练脚本

• train.py: 用于单说话人模型的训练。
• train_ms.py: 用于多说话人模型的训练。

推理脚本

• inference.py: 用于模型的推理和生成语音。

数据预处理脚本

• preprocess.py: 用于数据集的预处理，包括文本清理和数据准备。

3. 项目的配置文件介绍

配置文件位于 configs/ 目录下，常见的配置文件包括：

• mb_istft_vits2_base.json: 多频带 iSTFT-VITS2 模型的基础配置文件。

配置文件示例

{
  "istft_vits": true,
  "upsample_rates": [8, 8],
  "subbands": 4,
  "mb_istft_vits": true,
  "hidden_channels": 96,
  "n_layers": 3,
  "upsample_initial_channel": 256
}

配置文件字段介绍

• istft_vits: 是否启用 iSTFT-VITS 模型。
• upsample_rates: 上采样率。
• subbands: 子频带数量。
• mb_istft_vits: 是否启用多频带 iSTFT-VITS 模型。
• hidden_channels: 隐藏层通道数。
• n_layers: 层数。
• upsample_initial_channel: 初始上采样通道数。

通过修改这些配置文件，可以调整模型的行为和性能。