• ReFlow-VAE-SVC-openi

ReFlow-VAE-SVC-openi

0.1.在创建任务时选择reflow-vae-svc的镜像

192.168.204.22:5000/default-workspace/99280a9940ae44ca8f5892134386fddb/image:reflow-vae-svc

0.2.把程序转移到左侧文件区对应的目录

su
mv /root/* /tmp/code

0.3.把挂载好的数据集解压并移动到项目目录

mkdir /tmp/code/dataset_raw/
cp /tmp/dataset/* /tmp/code/dataset_raw/
cd /tmp/code/dataset_raw/
unzip ./*.zip
tar -xvf ./*.tar.gz
rm ./*.zip
rm ./*.tar.gz
find /tmp/code/dataset_raw -type f -iname "*.wav" -exec mv --backup=numbered -t /tmp/code/reflow-vae-svc/data/train/audio {} + 
cd /tmp/code/reflow-vae-svc/
python draw.py

1.1.在预处理之前按需修改configs/reflow-vae-wavenet.yaml

1.2.预处理

python preprocess.py -c configs/reflow-vae-wavenet.yaml

1.3.训练(无底模)

python train.py -c configs/reflow-vae-wavenet.yaml

2.1.非实时推理

# 普通模式, 需要语义编码器, 比如 contentvec
python main.py -i <input.wav> -m <model_ckpt.pt> -o <output.wav> -k <keychange (semitones)> -tid <target_speaker_id> -step <infer_step> -method <method>
# VAE 模式, 无需语义编码器, 特化 sid 到 tid 的变声（或者音高编辑，如果sid == tid）
python main.py -i <input.wav> -m <model_ckpt.pt> -o <output.wav> -k <keychange (semitones)> -sid <source_speaker_id> -tid <target_speaker_id> -step <infer_step> -method <method>