BertVits2-2.3

该镜像目前更新为Bert-VITS2 2.3版本，取消了对2.2及其以下(2.0.1、1.0.1、1.1、1.1.1 版本仅支持推理兼容，不支持这三个版本的训练)

该镜像主要基于Bert-vits2项目，项目地址：https://github.com/fishaudio/Bert-VITS2

内置了audio-slicer进行数据集的切割，使用funasr进行数据集的标注，使用MSST进行音频分离

aiguoliuguo-镜像作者交流群

云端训练部分教程

初次使用小白请仔细阅读Jupyter中的内容和代码块中的注释

镜像已经内置了训练/推理Bert-vits2的所有环境，无需额外下载，并且内置切片工具和标注工具，开箱即用

关于数据集:

数据集分为两部分，一部分是音频，一部分是标注

1.数据集需要是无背景音,长度为5-15s左右的纯人声。短点也行，但是不要太长，不要超过30秒

2.时长推荐1h以上，长音频可以放到audio-slicer/input内，内置切割工具。已经切割好的音频放置于auto-VITS-DataLabeling/raw_audio内

3.标注文件的格式每个版本都相同，因此标注文件是通用的，比如你可以把1.0.1的标注塞到2.0上面使用，但是bert文件需要重新生成

4.镜像内置标注工具，除了中文数据集推荐使用funasr以外，其余的建议使用whisper

5.生成的标注文件位于filelist文件夹内

6.未处理的数据集存放于dataset_raw，处理后的数据集存放于dataset

7.单speaker的数据集存放格式如下 dataset_raw └───speaker0 ├───xxx1-xxx1.wav ├───... └───Lxx-0xx8.wav

8.处理后的数据集位于dataset，应当有xxxx.bert.pt开头的文件,xxxx.spec.pt开头的不用管，会在开始训练后生成

关于训练

1.训练之前可以根据你的配置和数据集修改一下配置文件，不会改默认也行

2.开始训练和继续训练都是同一条命令，训练之前检查一下你的数据集，并且确保你已经运行过准备部分的第二条命令

3.开始训练之前请检查一下模型文件夹是否有装载底模

4.默认保存15个模型，会自动删除旧模型，保存的模型会保存在Data文件夹，比如我的speaker是ATRI，我的模型就保存在Data/ATRI/models/ATRI/目录内用与标注,

关于推理

0.gradio webui已经弃用，需要的自己改配置文件自己开

1.gui带使用帮助,自己看，逐字阅读，纯小白只需要看帮助页面的推理部分

2.翻译和随机音频示例不可用(可以自己改)

3.推理参数 sdp_ratio = SDP/DP混合比 noise_scale = 感情调节 noise_scale_w = 音素长度 length_scale = 语速

4.混合推理目前该ui不支持，不过在路上了。可使用gradio webui进行。混合推理和多说话人推理使用方法如下 [说话人2]你好吗？元気ですか？ [说话人3]谢谢。どういたしまして。

5.目前gradio ui已支持支持多语言自动识别推理