For Better Experience for Mainland China users (#37)

docs/zh/finetune.md

@@ -140,8 +140,8 @@ python tools/vqgan/extract_vq.py data/demo \
 ```bash
 python tools/llama/build_dataset.py \
     --config "fish_speech/configs/data/finetune.yaml" \
-    --output "data/quantized-dataset-ft.protos"
-    --num_workers 16
+    --output "data/quantized-dataset-ft.protos" \
+    --num-workers 16
 ```
 
 命令执行完毕后, 你应该能在 `data` 目录下看到 `quantized-dataset-ft.protos` 文件.

docs/zh/inference.md

@@ -69,20 +69,32 @@ python tools/vqgan/inference.py \
 ## HTTP API 推理
 
 运行以下命令来启动 HTTP 服务:
+
 ```bash
 python -m zibai tools.api_server:app --listen 127.0.0.1:8000
+# 推荐中国大陆用户运行以下命令来启动 HTTP 服务:
+HF_ENDPOINT=https://hf-mirror.com python -m zibai tools.api_server:app --listen 127.0.0.1:8000
 ```
 
 随后, 你可以在 `http://127.0.0.1:8000/docs` 中查看并测试 API.  
-一般来说, 你需要先调用 `PUT /v1/models/default` 来加载模型, 然后调用 `POST /v1/models/default/invoke` 来进行推理. 具体的参数请参考 API 文档.
-
+一般来说, 你需要先调用 `PUT /v1/models/default` 来加载模型, 然后调用 `POST /v1/models/default/invoke` 来进行推理.
+具体的参数请参考 API 文档.
 
 ## WebUI 推理
+
 在运行 WebUI 之前, 你需要先启动 HTTP 服务, 如上所述.
 
 随后你可以使用以下命令来启动 WebUI:
+
 ```bash
 python fish_speech/webui/app.py
 ```
 
+或附带参数来启动 WebUI:
+
+```bash
+# 以临时环境变量的方式启动:
+GRADIO_SERVER_NAME=127.0.0.1 GRADIO_SERVER_PORT=7860 python fish_speech/webui/app.py
+```
+
 祝大家玩得开心!

fish_speech/webui/app.py

@@ -6,7 +6,7 @@ import gradio as gr
 import librosa
 import requests
 
-from fish_speech.text import parse_text_to_segments, segments_to_phones
+from fish_speech.text import parse_text_to_segments
 
 HEADER_MD = """
 # Fish Speech

tools/llama/build_dataset.py

@@ -1,4 +1,3 @@
-import os
 import re
 from collections import defaultdict
 from multiprocessing import Pool
@@ -123,8 +122,8 @@ def run_task(task):
 )
 @click.option("--output", type=click.Path(), default="data/quantized-dataset-ft.protos")
 @click.option("--filelist", type=click.Path(), default=None)
-@click.option("--num_worker", type=int, default=16)
-def main(config, output, filelist, num_worker):
+@click.option("--num_workers", type=int, default=16)
+def main(config, output, filelist, num_workers):
     dataset_fp = open(output, "wb")
     generator_fn = (
         task_generator_yaml(config)
@@ -132,7 +131,7 @@ def main(config, output, filelist, num_worker):
         else task_generator_filelist(filelist)
     )
 
-    with Pool(num_worker) as p:
+    with Pool(num_workers) as p:
         for result in tqdm(p.imap_unordered(run_task, generator_fn)):
             dataset_fp.write(result)