FunCodec
1.0.0
Este proyecto todavía está trabajando en el progreso. Para mejorar los funciones, hágame saber sus inquietudes y no dude en comentarlas en la parte Issues .
egs/LibriTTS/text2speech_laura/README.md para obtener más detalles. git clone https://github.com/alibaba/FunCodec.git && cd FunCodec
pip install --editable ./? Enlaces al Hub Model de Huggingface, mientras que se refiere al ModelsCope.
| Nombre del modelo | Modelo | Cuerpo | Tasa de bits | Parámetros | Chocolas |
|---|---|---|---|---|---|
| audio_codec-codec-zh_en-General-16k-nq32ds640-pytorch | ? | General | 250 ~ 8000 | 57.83 m | 7.73g |
| audio_codec-codec-zh_en-General-16k-nq32ds320-pytorch | ? | General | 500 ~ 16000 | 14.85 m | 3.72 g |
| audio_codec-codec-en-libritts-16k-nq32ds640-pytorch | ? | Libritts | 250 ~ 8000 | 57.83 m | 7.73g |
| audio_codec-codec-en-libritts-16k-nq32ds320-pytorch | ? | Libritts | 500 ~ 16000 | 14.85 m | 3.72 g |
| audio_codec-freqcodec_magphase-en-libritts-16k-gr8nq32ds320-pytorch | ? | Libritts | 500 ~ 16000 | 4.50 m | 2.18 g |
| audio_codec-freqcodec_magphase-en-libritts-16k-gr1nq32ds320-pytorch | ? | Libritts | 500 ~ 16000 | 0.52 m | 0.34 g |
Consulte egs/LibriTTS/codec/encoding_decoding.sh para descargar modelos previos a la aparición:
cd egs/LibriTTS/codec
model_name=audio_codec-encodec-zh_en-general-16k-nq32ds640-pytorch
bash encoding_decoding.sh --stage 0 --model_name ${model_name} --model_hub modelscope
# The pre-trained model will be downloaded to exp/audio_codec-encodec-zh_en-general-16k-nq32ds640-pytorch Consulte egs/LibriTTS/codec/encoding_decoding.sh para descargar modelos previos a la aparición:
cd egs/LibriTTS/codec
model_name=audio_codec-encodec-zh_en-general-16k-nq32ds640-pytorch
bash encoding_decoding.sh --stage 0 --model_name ${model_name} --model_hub huggingface
# The pre-trained model will be downloaded to exp/audio_codec-encodec-zh_en-general-16k-nq32ds640-pytorch Consulte egs/LibriTTS/codec/encoding_decoding.sh para realizar la codificación y la decodificación. Extraiga códigos con un archivo de entrada input_wav.scp , y los códigos se guardarán en output_dir/codecs.txt en un formato de JSONL.
cd egs/LibriTTS/codec
bash encoding_decoding.sh --stage 1 --batch_size 16 --num_workers 4 --gpu_devices " 0,1 "
--model_dir exp/ ${model_name} --bit_width 16000
--wav_scp input_wav.scp --out_dir outputs/codecs/
# input_wav.scp has the following format：
# uttid1 path/to/file1.wav
# uttid2 path/to/file2.wav
# ... Los códigos de decodificación con un codecs.txt de archivo output_dir/logdir/output.*/*.wav entrada.
bash encoding_decoding.sh --stage 2 --batch_size 16 --num_workers 4 --gpu_devices " 0,1 "
--model_dir exp/ ${model_name} --bit_width 16000 --file_sampling_rate 16000
--wav_scp codecs.txt --out_dir outputs/recon_wavs
# codecs.scp is the output of above encoding stage, which has the following format：
# uttid1 [[[1, 2, 3, ...],[2, 3, 4, ...], ...]]
# uttid2 [[[9, 7, 5, ...],[3, 1, 2, ...], ...]] Para los corpus de código abierto comúnmente utilizado, puede capacitar a un modelo utilizando la receta en el directorio egs . Por ejemplo, para entrenar un modelo en el corpus LibriTTS , puede usar egs/LibriTTS/codec/run.sh :
# entry the LibriTTS recipe directory
cd egs/LibriTTS/codec
# run data downloading, preparation and training stages with 2 GPUs (device 0 and 1)
bash run.sh --stage 0 --stop_stage 3 --gpu_devices 0,1 --gpu_num 2Recomendamos ejecutar el escenario de script por escenario para tener una descripción general de Funcodec.
Para los corpuses descubiertos o el conjunto de datos personalizado, puede preparar los datos usted mismo. En general, Funcodec emplea el archivo wav.scp tipo kaldi para organizar los archivos de datos. wav.scp tiene el siguiente formato:
# for waveform files
uttid1 /path/to/uttid1.wav
uttid2 /path/to/uttid2.wav
# for kaldi-ark files
uttid3 /path/to/ark1.wav:10
uttid4 /path/to/ark1.wav:200
uttid5 /path/to/ark2.wav:10 Como se muestra en el ejemplo anterior, Funcodec admite la combinación de formas de onda o archivos Kaldi-ARK en un archivo wav.scp tanto para capacitación como inferencia. Aquí hay un script de demostración para entrenar un modelo en su conjunto de datos personalizado llamado foo :
cd egs/LibriTTS/codec
# 0. make the directory for train, dev and test sets
mkdir -p dump/foo/train dump/foo/dev dump/foo/test
# 1a. if you already have the wav.scp file, just place them under the corresponding directories
mv train.scp dump/foo/train/ ; mv dev.scp dump/foo/dev/ ; mv test.scp dump/foo/test/ ;
# 1b. if you don't have the wav.scp file, you can prepare it as follows
find path/to/train_set/ -iname " *.wav " | awk -F ' / ' ' {print $(NF),$0} ' | sort > dump/foo/train/wav.scp
find path/to/dev_set/ -iname " *.wav " | awk -F ' / ' ' {print $(NF),$0} ' | sort > dump/foo/dev/wav.scp
find path/to/test_set/ -iname " *.wav " | awk -F ' / ' ' {print $(NF),$0} ' | sort > dump/foo/test/wav.scp
# 2. collate shape files
mkdir exp/foo_states/train exp/foo_states/dev
torchrun --nproc_per_node=4 --master_port=1234 scripts/gen_wav_length.py --wav_scp dump/foo/train/wav.scp --out_dir exp/foo_states/train/wav_length
cat exp/foo_states/train/wav_length/wav_length. * .txt | shuf > exp/foo_states/train/speech_shape
torchrun --nproc_per_node=4 --master_port=1234 scripts/gen_wav_length.py --wav_scp dump/foo/dev/wav.scp --out_dir exp/foo_states/dev/wav_length
cat exp/foo_states/dev/wav_length/wav_length. * .txt | shuf > exp/foo_states/dev/speech_shape
# 3. train the model with 2 GPUs (device 4 and 5) on the customized dataset (foo)
bash run.sh --gpu_devices 4,5 --gpu_num 2 --dumpdir dump/foo --state_dir foo_statesEste proyecto tiene licencia bajo la licencia MIT. Funcodec también contiene varios componentes de terceros y algún código modificado de otros Repos con otras licencias de código abierto.
@misc { du2023funcodec ,
title = { FunCodec: A Fundamental, Reproducible and Integrable Open-source Toolkit for Neural Speech Codec } ,
author = { Zhihao Du, Shiliang Zhang, Kai Hu, Siqi Zheng } ,
year = { 2023 } ,
eprint = { 2309.07405 } ,
archivePrefix = { arXiv } ,
primaryClass = { cs.Sound }
}
