ayousanz's picture
Update README.md
d0799ea verified
---
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
![](mos_pretraing.png)
# 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)