MockingBird

特性

🌍 中文 支持普通话并使用多种中文数据集进行测试：aidatatang_200zh, magicdata, aishell3, biaobei, MozillaCommonVoice, data_aishell 等

🤩 PyTorch 适用于 pytorch，已在 1.9.0 版本（最新于 2021 年 8 月）中测试，GPU Tesla T4 和 GTX 2060

🌍 Windows + Linux 可在 Windows 操作系统和 linux 操作系统中运行（苹果系统M1版也有社区成功运行案例）

🤩 Easy & Awesome 仅需下载或新训练合成器（synthesizer）就有良好效果，复用预训练的编码器/声码器，或实时的HiFi-GAN作为vocoder

🌍 Webserver Ready 可伺服你的训练结果，供远程调用

进行中的工作

• GUI/客户端大升级与合并

•  初始化框架 ./mkgui （基于streamlit + fastapi）和 技术设计

•  增加 Voice Cloning and Conversion的演示页面

•  增加Voice Conversion的预处理preprocessing 和训练 training 页面

•  增加其他的的预处理preprocessing 和训练 training 页面

• 模型后端基于ESPnet2升级

开始

1. 安装要求

1.1 通用配置

按照原始存储库测试您是否已准备好所有环境。 运行工具箱(demo_toolbox.py)需要 Python 3.7 或更高版本 。

• 安装 PyTorch。

如果在用 pip 方式安装的时候出现 ERROR: Could not find a version that satisfies the requirement torch==1.9.0+cu102 (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2) 这个错误可能是 python 版本过低，3.9 可以安装成功

• 安装 ffmpeg。
• 运行pip install -r requirements.txt 来安装剩余的必要包。
• 安装 webrtcvad pip install webrtcvad-wheels。

1.2 M1芯片Mac环境配置（Inference Time)

以下环境按x86-64搭建，使用原生的demo_toolbox.py，可作为在不改代码情况下快速使用的workaround。

如需使用M1芯片训练，因demo_toolbox.py依赖的PyQt5不支持M1，则应按需修改代码，或者尝试使用web.py。

• 安装PyQt5，参考这个链接

  • 用Rosetta打开Terminal，参考这个链接
  • 用系统Python创建项目虚拟环境

    /usr/bin/python3 -m venv /PathToMockingBird/venv
    source /PathToMockingBird/venv/bin/activate
    

  • 升级pip并安装PyQt5

    pip install --upgrade pip
    pip install pyqt5
    

• 安装pyworld和ctc-segmentation

  这里两个文件直接pip install的时候找不到wheel，尝试从c里build时找不到Python.h报错

  • 安装pyworld

    • brew install python 通过brew安装python时会自动安装Python.h
    • export CPLUS_INCLUDE_PATH=/opt/homebrew/Frameworks/Python.framework/Headers 对于M1，brew安装Python.h到上述路径。把路径添加到环境变量里
    • pip install pyworld

  • 安装ctc-segmentation

    因上述方法没有成功，选择从github clone源码手动编译

    • git clone https://github.com/lumaku/ctc-segmentation.git 克隆到任意位置
    • cd ctc-segmentation
    • source /PathToMockingBird/venv/bin/activate 假设一开始未开启，打开MockingBird项目的虚拟环境
    • cythonize -3 ctc_segmentation/ctc_segmentation_dyn.pyx
    • /usr/bin/arch -x86_64 python setup.py build 要注意明确用x86-64架构编译
    • /usr/bin/arch -x86_64 python setup.py install --optimize=1 --skip-build用x86-64架构安装

• 安装其他依赖

  • /usr/bin/arch -x86_64 pip install torch torchvision torchaudio 这里用pip安装PyTorch，明确架构是x86
  • pip install ffmpeg 安装ffmpeg
  • pip install -r requirements.txt

• 运行

  参考这个链接 ，让项目跑在x86架构环境上

  • vim /PathToMockingBird/venv/bin/pythonM1
  • 写入以下代码

    #!/usr/bin/env zsh
    mydir=${0:a:h}
    /usr/bin/arch -x86_64 $mydir/python "$@"
    

  • chmod +x pythonM1 设为可执行文件
  • 如果使用PyCharm，则把Interpreter指向pythonM1，否则也可命令行运行/PathToMockingBird/venv/bin/pythonM1 demo_toolbox.py

2. 准备预训练模型

考虑训练您自己专属的模型或者下载社区他人训练好的模型:

近期创建了知乎专题 将不定期更新炼丹小技巧or心得，也欢迎提问

2.1 使用数据集自己训练encoder模型 (可选)

• 进行音频和梅尔频谱图预处理： python encoder_preprocess.py <datasets_root> 使用-d {dataset} 指定数据集，支持 librispeech_other，voxceleb1，aidatatang_200zh，使用逗号分割处理多数据集。
• 训练encoder: python encoder_train.py my_run <datasets_root>/SV2TTS/encoder

训练encoder使用了visdom。你可以加上-no_visdom禁用visdom，但是有可视化会更好。在单独的命令行/进程中运行”visdom”来启动visdom服务器。

2.2 使用数据集自己训练合成器模型（与2.3二选一）

• 下载 数据集并解压：确保您可以访问 train 文件夹中的所有音频文件（如.wav）
• 进行音频和梅尔频谱图预处理： python pre.py <datasets_root> -d {dataset} -n {number} 可传入参数：
• -d {dataset} 指定数据集，支持 aidatatang_200zh, magicdata, aishell3, data_aishell, 不传默认为aidatatang_200zh
• -n {number} 指定并行数，CPU 11770k + 32GB实测10没有问题

假如你下载的 aidatatang_200zh文件放在D盘，train文件路径为 D:\data\aidatatang_200zh\corpus\train , 你的datasets_root就是 D:\data\

• 训练合成器： python synthesizer_train.py mandarin <datasets_root>/SV2TTS/synthesizer

• 当您在训练文件夹 synthesizer/saved_models/ 中看到注意线显示和损失满足您的需要时，请转到启动程序一步。