Эксперемент с KazEmoTTS
- Импортировать проект (Project from version control)
- Создать виртуальную среду (желательно с 3.9.13)
- Установить pytorch
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu128 - установить модули
python -m pip install -r requirements.txt - скачать тренированную модель (чекпоинт) https://issai.nu.edu.kz/wp-content/uploads/2024/03/pt_10000.zip и (https://issai.nu.edu.kz/wp-content/uploads/2024/03/pre_trained_hf.zip)
- Загрузить скачанные файлы EMA_grad_10000.pt и g_01720000 в папку pre_trained
- Построить monotonic_align
cd model/monotonic_align; python setup.py build_ext --inplace; cd ../.. - Запустить через
.\start.bat
Если в папке generated появились аудиофайлы, то значит всё работает и можно экспериментировать дальше.
Текст задается в файле .\filelists\inference_generated.txt
Текст |0 - эмоция |0 - голос
Эмоции: 0 - "angry", 1 - "fear", 2 - "happy", 3 - "neutral", 4 - "sad", 5 - "surprise".
Голоса: 0 - M1, 1 - F1, 2 - M2.
Нельзя оставлять пустые строки.