Voicebank2DiffSinger

UTAUの音源ファイルからSOFAとMakeDiffSingerを用いて、学習前のデータセットを生成する

前提要件

• C++ によるデスクトップ開発 (Visual Studio)
• CMake
• Python 3.12未満 (3.10.11にてテスト済み)

使い方 (Windows)

1. このリポジトリをsubmoduleを含めcloneする

   git clone --recursive

2. 仮想環境を構築し、入る

   python -m venv .venv
   .venv/scripts/activate

3. 必要なモジュールをインストールする

   pip install -r requirements.txt
   pip install -r src/SOFA/requirements.txt
   pip install -r src/MakeDiffSinger/acoustic_forced_alignment/requirements.txt
   pip install -r src/MakeDiffSinger/variance-temp-solution/requirements.txt

4. PyTorchの公式サイトにて、セットアップをする
5. 日本語のSOFAモデルをダウンロードし、解凍後中にある「japanese-v2.0-45000.ckpt」を「src/cktp」に配置し、同じく「japanese-dictionary.txt」を「src/dictionaries」に配置する
6. src/main.py の args に音源フォルダを一つ(もしくは複数)渡し起動する

   python src/main.py example/A3 example/A2 example/A4