From 8ad264eabc81f2230185a3ce109f6327c36c233c Mon Sep 17 00:00:00 2001 From: RVC-Boss <129054828+RVC-Boss@users.noreply.github.com> Date: Sun, 21 Jan 2024 16:58:51 +0800 Subject: [PATCH] Delete README_ZH.md --- README_ZH.md | 160 --------------------------------------------------- 1 file changed, 160 deletions(-) delete mode 100644 README_ZH.md diff --git a/README_ZH.md b/README_ZH.md deleted file mode 100644 index db2f6bb..0000000 --- a/README_ZH.md +++ /dev/null @@ -1,160 +0,0 @@ -
- -

GPT-SoVITS-WebUI

-少样本强大的声音转换与文本到语音网络界面。

- -[![madewithlove](https://img.shields.io/badge/made_with-%E2%9D%A4-red?style=for-the-badge&labelColor=orange -)](https://github.com/RVC-Boss/GPT-SoVITS) - -
- -[![Licence](https://img.shields.io/badge/LICENSE-MIT-green.svg?style=for-the-badge)](https://github.com/RVC-Boss/GPT-SoVITS/blob/main/LICENSE) -[![Huggingface](https://img.shields.io/badge/🤗%20-Spaces-yellow.svg?style=for-the-badge)](https://huggingface.co/lj1995/GPT-SoVITS/tree/main) - -[**English**](./README.md) | [**中文简体**](./README_ZH.md) - -
- ------- - - - -> 查看我们的介绍视频 [demo video](https://www.bilibili.com/video/BV12g4y1m7Uw) - -https://github.com/RVC-Boss/GPT-SoVITS/assets/129054828/05bee1fa-bdd8-4d85-9350-80c060ab47fb - -## 功能： -1. **零样本文本到语音（TTS）：** 输入5秒的声音样本，即刻体验文本到语音转换。 - -2. **少样本TTS：** 仅需1分钟的训练数据即可微调模型，提升声音相似度和真实感。 - -3. **跨语言支持：** 支持与训练数据集不同语言的推理，目前支持英语、日语和中文。 - -4. **WebUI工具：** 集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和GPT/SoVITS模型。 - -## 环境准备 - -如果你是Windows用户（已在win>=10上测试），可以直接通过预打包文件安装。只需下载[预打包文件](https://huggingface.co/lj1995/GPT-SoVITS-windows-package/resolve/main/GPT-SoVITS-beta.7z?download=true)，解压后双击go-webui.bat即可启动GPT-SoVITS-WebUI。 - -### Python和PyTorch版本 - -已在Python 3.9、PyTorch 2.0.1和CUDA 11上测试。 - -### 使用Conda快速安装 - -```bash -conda create -n GPTSoVits python=3.9 -conda activate GPTSoVits -bash install.sh -``` -### 手动安装包 -#### Pip包 - -```bash -pip install torch numpy scipy tensorboard librosa==0.9.2 numba==0.56.4 pytorch-lightning gradio==3.14.0 ffmpeg-python onnxruntime tqdm cn2an pypinyin pyopenjtalk g2p_en chardet -``` - -#### 额外要求 - -如果你需要中文自动语音识别（由FunASR支持），请安装： - -```bash -pip install modelscope torchaudio sentencepiece funasr -``` - -#### FFmpeg - -##### Conda 使用者 -```bash -conda install ffmpeg -``` - -##### Ubuntu/Debian 使用者 - -```bash -sudo apt install ffmpeg -sudo apt install libsox-dev -conda install -c conda-forge 'ffmpeg<7' -``` - -##### MacOS 使用者 - -```bash -brew install ffmpeg -``` - -##### Windows 使用者 - -下载并将 [ffmpeg.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffmpeg.exe) 和 [ffprobe.exe](https://huggingface.co/lj1995/VoiceConversionWebUI/blob/main/ffprobe.exe) 放置在 GPT-SoVITS 根目录下。 - -### 预训练模型 - - -从 [GPT-SoVITS Models](https://huggingface.co/lj1995/GPT-SoVITS) 下载预训练模型，并将它们放置在 `GPT_SoVITS\pretrained_models` 中。 - -对于中文自动语音识别（另外），从 [Damo ASR Model](https://modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/files), [Damo VAD Model](https://modelscope.cn/models/damo/speech_fsmn_vad_zh-cn-16k-common-pytorch/files), 和 [Damo Punc Model](https://modelscope.cn/models/damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch/files) 下载模型，并将它们放置在 `tools/damo_asr/models` 中。 - -对于UVR5（人声/伴奏分离和混响移除，另外），从 [UVR5 Weights](https://huggingface.co/lj1995/VoiceConversionWebUI/tree/main/uvr5_weights) 下载模型，并将它们放置在 `tools/uvr5/uvr5_weights` 中。 - - -## 数据集格式 - -文本到语音（TTS）注释 .list 文件格式： - -``` -vocal_path|speaker_name|language|text -``` - -语言字典： - -- 'zh': Chinese -- 'ja': Japanese -- 'en': English - -示例： - -``` -D:\GPT-SoVITS\xxx/xxx.wav|xxx|en|I like playing Genshin. -``` -## 待办事项清单 - -- [ ] **高优先级：** - - [ ] 日语和英语的本地化。 - - [ ] 用户指南。 - - [ ] 日语和英语数据集微调训练。 - -- [ ] **Features:** - - [ ] 零样本声音转换（5秒）/ 少样本声音转换（1分钟）。 - - [ ] TTS语速控制。 - - [ ] 增强的TTS情感控制。 - - [ ] 尝试将SoVITS令牌输入更改为词汇的概率分布。 - - [ ] 改进英语和日语文本前端。 - - [ ] 开发体积小和更大的TTS模型。 - - [ ] Colab脚本。 - - [ ] 扩展训练数据集（从2k到10k）。 - - [ ] 更好的sovits基础模型（增强的音频质量）。 - - [ ] 模型混合。 - -## 致谢 - -特别感谢以下项目和贡献者： - -- [ar-vits](https://github.com/innnky/ar-vits) -- [SoundStorm](https://github.com/yangdongchao/SoundStorm/tree/master/soundstorm/s1/AR) -- [vits](https://github.com/jaywalnut310/vits) -- [TransferTTS](https://github.com/hcy71o/TransferTTS/blob/master/models.py#L556) -- [Chinese Speech Pretrain](https://github.com/TencentGameMate/chinese_speech_pretrain) -- [contentvec](https://github.com/auspicious3000/contentvec/) -- [hifi-gan](https://github.com/jik876/hifi-gan) -- [Chinese-Roberta-WWM-Ext-Large](https://huggingface.co/hfl/chinese-roberta-wwm-ext-large) -- [fish-speech](https://github.com/fishaudio/fish-speech/blob/main/tools/llama/generate.py#L41) -- [ultimatevocalremovergui](https://github.com/Anjok07/ultimatevocalremovergui) -- [audio-slicer](https://github.com/openvpi/audio-slicer) -- [SubFix](https://github.com/cronrpc/SubFix) -- [FFmpeg](https://github.com/FFmpeg/FFmpeg) -- [gradio](https://github.com/gradio-app/gradio) - -## 感谢所有贡献者的努力 - - -