File size: 3,714 Bytes
66fe55b 48547e5 66fe55b 39ff555 66fe55b 39ff555 66fe55b 5765808 66fe55b b58b665 66fe55b b235023 aed39e9 b235023 d0799ea |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 |
---
license: other
language:
- ja
tags:
- Style-Bert-VITS2
---
# Style-Bert-VITS2向けの事前学習モデル
[Style-Bert-VITS2](https://github.com/litagin02/Style-Bert-VITS2)で使用できる以下の学習データで学習を行ったクリーンな(*1)事前学習データになります
(*1)
ここでいうクリーンは事前学習に使用した学習データが明記されていることを指しています
## 学習データセット
* [つくよみちゃんコーパス│声優統計コーパス（JVSコーパス準拠）](https://tyc.rei-yumesaki.net/material/corpus/)
* [みんなで作るJSUTコーパスbasic5000 BASIC5000_0001～BASIC5000_0600](https://tyc.rei-yumesaki.net/material/minnade-jsut/) （夢前黎担当部分を許可を得て使用）
* [黄鏡博人さん](https://twitter.com/KikyoHiloto) からボイスデータをご提供いただきました
* [あみたろの声素材工房](https://amitaro.net/)
## 学習パラメータ
* 学習ステップ数 : 600k step
* bfloat16 : false
**config.json**
```json
{
"model_name": "pretraing",
"train": {
"log_interval": 200,
"eval_interval": 2000,
"seed": 42,
"epochs": 2100,
"learning_rate": 0.0001,
"betas": [
0.8,
0.99
],
"eps": 1e-09,
"batch_size": 8,
"bf16_run": false,
"fp16_run": false,
"lr_decay": 0.99996,
"segment_size": 16384,
"init_lr_ratio": 1,
"warmup_epochs": 0,
"c_mel": 45,
"c_kl": 1.0,
"c_commit": 100,
"skip_optimizer": false,
"freeze_ZH_bert": false,
"freeze_JP_bert": false,
"freeze_EN_bert": false,
"freeze_emo": false,
"freeze_style": false,
"freeze_decoder": false
},
"data": {
"use_jp_extra": true,
"training_files": "Data/pretraing/train.list",
"validation_files": "Data/pretraing/val.list",
"max_wav_value": 32768.0,
"sampling_rate": 44100,
"filter_length": 2048,
"hop_length": 512,
"win_length": 2048,
"n_mel_channels": 128,
"mel_fmin": 0.0,
"mel_fmax": null,
"add_blank": true,
"n_speakers": 1,
"cleaned_text": true,
"spk2id": {
"pretraing": 0
}
},
"model": {
"use_spk_conditioned_encoder": true,
"use_noise_scaled_mas": true,
"use_mel_posterior_encoder": false,
"use_duration_discriminator": false,
"use_wavlm_discriminator": true,
"inter_channels": 192,
"hidden_channels": 192,
"filter_channels": 768,
"n_heads": 2,
"n_layers": 6,
"kernel_size": 3,
"p_dropout": 0.1,
"resblock": "1",
"resblock_kernel_sizes": [
3,
7,
11
],
"resblock_dilation_sizes": [
[
1,
3,
5
],
[
1,
3,
5
],
[
1,
3,
5
]
],
"upsample_rates": [
8,
8,
2,
2,
2
],
"upsample_initial_channel": 512,
"upsample_kernel_sizes": [
16,
16,
8,
2,
2
],
"n_layers_q": 3,
"use_spectral_norm": false,
"gin_channels": 512,
"slm": {
"model": "./slm/wavlm-base-plus",
"sr": 16000,
"hidden": 768,
"nlayers": 13,
"initial_channel": 64
}
},
"version": "2.4.1-JP-Extra"
}
```
## SpeechMOSによる自然性評価
mos_pretraing.csvも同封しています
# ライセンス
ライセンスは、以下に準じます
* [つくよみちゃんコーパス│声優統計コーパス（JVSコーパス準拠）](https://tyc.rei-yumesaki.net/material/corpus/)
* [あみたろの声素材工房（https://amitaro.net/） フリー声素材ご利用規約](https://amitaro.net/voice/faq/#index_id6) |