环境：

Vits2.3-Extra-v2:中文特化修复版

auto_DataLabeling

干声10分钟左右.wav

问题描述：

Vits2.3-Extra-v2:中文特化，如何训练及推理（新手教程）

解决方案：

一、准备数据集

切分音频

本次音频数据自己录制干声10分钟左右

1.运行auto_DataLabeling\slicer-gui\slicer-gui.exe

2.点击左上角Add Audio Files，导入源音频文件

3.将输出目录设置为auto_DataLabeling\raw_audio

点击start

切片好的音频经过手动筛选删除过短的音频

4.开始标注并清理标注

根据需求运行0.带标点符号的标注.bat

5.运行2.清理用于Bert_VITS2的标注.bat清理标注

如果要另外标注删除long_character_anno里面内容（适用二次标注）

6.运行auto_DataLabeling\raw_audio.VITS数据集批量重命名.bat自动重命名文件
完成
7.把重命名文件后的音频文件放入Bert-Vits2/dataset/你的数据集名称文件夹中

8.把clean_barbara.list复制到Bert-Vits2/filelists/文件夹中

提示别忘了改config.yml中的各个路径, 有些不好改的可以直接复制到Data文件夹里将生成的clean_barbara.list放入Bert-Vits2/filelists/文件夹中

二、Vits2.3训练准备

1.声音重采样

将音频文件重采样为44100Hz，可以使用Audacity或者ffmpeg

本次直接运行Bert-VITS2\resample.py

操作的目录见config.yml中的in_dir与out_dir

进入bert-vits2目录

2.运行下面命令，进行声音重采样

python resample.py 

3.划分标注数据

python preprocess_text.py

4.生成bert特征文件

python bert_gen.py    

如报错缺少模型Erlangshen-MegatronBert-1.3B-Chinese
下载后

配置文件这边，改为1

再次生成ok

5.生成clap特征文件

python clap_gen.py  

改写config.yml中的transcription_path为filelists/clean_barbara.list

6.使用底模：

在config.yml中找到train_ms，将use_base_model改为true，并将num_workers改为少于cpu核心数的值

三、开始训练

修改config.json中的"train""epoch"为你想要的训练轮数,模型会在每一千步保存一次

1.运行

Bert-Vits2/train_ms.py

2.查看训练train日志，可以看到训练进度相关信息

四、推理

1.在models文件夹，把最后训练好的文件G开头G_7000.pth，拿来推理，更改config.yml配置文件里面模型路径

2.启动web服务，打开推理页面

python webui.py

3.开始推理

4.推理完成，试听音频文件，如果听起来分辨不出说明效果可以，如果不行还需要继续训练，我这epoch 600轮效果可以了