FunCodec
1.0.0
Этот проект все еще работает над прогрессом. Чтобы сделать Funcodec лучше, пожалуйста, дайте мне знать ваши опасения и не стесняйтесь комментировать их в этой части Issues .
egs/LibriTTS/text2speech_laura/README.md для получения более подробной информации. git clone https://github.com/alibaba/FunCodec.git && cd FunCodec
pip install --editable ./? Ссылки на модель Huggingface Model, в то время как ссылается на модели.
| Название модели | Модельный центр | Корпус | Битрейт | Параметры | Флопс |
|---|---|---|---|---|---|
| AUDIO_CODEC-ENCODEC-ZH_EN-Генерал-16K-NQ32DS640-PYTORCH | ? | Общий | 250 ~ 8000 | 57,83 м | 7,73 г |
| audio_codec-encodec-Zh_en-генерал-16K-NQ32DS320-Pytorch | ? | Общий | 500 ~ 16000 | 14,85 м | 3,72 г |
| AUDIO_CODEC-ENCODEC-EN-LIBRITTS-16K-NQ32DS640-PYTORCH | ? | Libritts | 250 ~ 8000 | 57,83 м | 7,73 г |
| AUDIO_CODEC-ENCODEC-EN-LIBRITTS-16K-NQ32DS320-PYTORCH | ? | Libritts | 500 ~ 16000 | 14,85 м | 3,72 г |
| audio_codec-freqcodec_magphase-en-libritts-16k-gr8nq32ds320-pytorch | ? | Libritts | 500 ~ 16000 | 4,50 м | 2,18 г |
| audio_codec-freqcodec_magphase-en-libritts-16k-gr1nq32ds320-pytorch | ? | Libritts | 500 ~ 16000 | 0,52 м | 0,34 г. |
Пожалуйста, обратитесь к egs/LibriTTS/codec/encoding_decoding.sh для загрузки предварительно проведенных моделей:
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 Пожалуйста, обратитесь к egs/LibriTTS/codec/encoding_decoding.sh для загрузки предварительно проведенных моделей:
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 Пожалуйста, обратитесь к egs/LibriTTS/codec/encoding_decoding.sh чтобы выполнить кодирование и декодирование. Извлеките коды с помощью входного файла input_wav.scp , и коды будут сохранены в output_dir/codecs.txt в формате 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
# ... Декодируйте коды с помощью входного файла codecs.txt , и реконструированная форма волны будет сохранена в output_dir/logdir/output.*/*.wav .
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, ...], ...]] Для обычно используемых корпораций с открытым исходным кодом вы можете обучить модель, используя рецепт в каталоге egs . Например, для обучения модели на корпусе LibriTTS вы можете использовать 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 2Мы рекомендуем запустить сценарий сценария на сцене, чтобы получить обзор Funcodec.
Для обнаруженных корпусов или настройки данных вы можете подготовить данные самостоятельно. В целом, Funcodec использует файл kaldi-подобного wav.scp для организации файлов данных. wav.scp имеет следующий формат:
# 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 Как показано в приведенном выше примере, Funcodec поддерживает комбинацию сигналов или файлов kaldi-arg в одном файле wav.scp как для обучения, так и для вывода. Вот демонстрационный скрипт для обучения модели в вашем настраиваемом наборе данных с именем 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_statesЭтот проект лицензирован по лицензии MIT. Funcodec также содержит различные сторонние компоненты и некоторые код, измененные из других репо, по другим лицензиям с открытым исходным кодом.
@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 }
}
