fish-speech/docs/pt/index.md

Introdução

!!! warning

Não nos responsabilizamos por qualquer uso ilegal do código-fonte. Consulte as leis locais sobre DMCA (Digital Millennium Copyright Act) e outras leis relevantes em sua região. <br/>
Este repositório de código e os modelos são distribuídos sob a licença CC-BY-NC-SA-4.0.

Requisitos

• Memória da GPU: 4GB (para inferência), 8GB (para ajuste fino)
• Sistema: Linux, Windows

Configuração para Windows

No Windows, usuários avançados podem considerar usar o WSL2 ou Docker para executar o código.

Para Usuários comuns (não-avançados), siga os métodos abaixo para executar o código sem um ambiente Linux (incluindo suporte para torch.compile):

1. Extraia o arquivo compactado do projeto.
2. Prepare o ambiente conda:
   • Abra o install_env.bat para baixar e iniciar a instalação do miniconda.
   • Personalize o download (opcional):
     • **Site espelho:** Para usar um site espelho para downloads mais rápidos, defina USE_MIRROR=true no install_env.bat (padrão). Caso contrário, use USE_MIRROR=false.
     • **Ambiente compilado:** Para baixar a versão de prévia com o ambiente compilado, defina INSTALL_TYPE=preview. Para a versão estável sem ambiente compilado, use INSTALL_TYPE=stable.
3. Se você escolheu a versão de prévia com ambiente compilado (INSTALL_TYPE=preview), siga para a próxima etapa (opcional):
   1. Baixe o compilador LLVM usando os seguintes links:
      • LLVM-17.0.6 (download do site original)
      • LLVM-17.0.6 (download do site espelho)
      • Após baixar o LLVM-17.0.6-win64.exe, clique duas vezes para instalá-lo, escolha um local de instalação apropriado. E durante a instalação, marque a opção Add Path to Current User para adicionar às variáveis de ambiente.
      • Confirme se a instalação foi concluída.
   2. Baixe e instale o pacote Microsoft Visual C++ Redistributable para resolver possíveis problemas de .dll ausentes.
      • Download do MSVC++ 14.40.33810.0
   3. Baixe e instale o Visual Studio Community Edition para obter as ferramentas de compilação MSVC++, resolvendo as dependências do arquivo de cabeçalho LLVM.
      • Download do Visual Studio
      • Após instalar o Visual Studio Installer, baixe o Visual Studio Community 2022.
      • Clique no botão Modificar, conforme mostrado abaixo, encontre a opção Desenvolvimento para desktop com C++ e marque-a para download.

      

   4. Instale o CUDA Toolkit 12
4. Clique duas vezes em start.bat para entrar na página da WebUI de configuração de inferência de treinamento do Fish-Speech.
   • (Opcional) Se desejar ir direto para a página de inferência, edite o arquivo API_FLAGS.txt no diretório raiz do projeto e modifique as três primeiras linhas da seguinte forma:

     --infer
     # --api
     # --listen ...
     ...

   • (Opcional) Se preferir iniciar o servidor da API, edite o arquivo API_FLAGS.txt no diretório raiz do projeto e modifique as três primeiras linhas da seguinte forma:

     # --infer
     --api
     --listen ...
     ...

5. (Opcional) Clique duas vezes em run_cmd.bat para entrar na CLI do conda/python deste projeto.

Configuração para Linux

# Crie um ambiente virtual python 3.10, você também pode usar virtualenv
conda create -n fish-speech python=3.10
conda activate fish-speech

# Instale o pytorch
pip3 install torch torchvision torchaudio

# Instale o fish-speech
pip3 install -e .[stable]

# Para os Usuário do Ubuntu / Debian: Instale o sox + ffmpeg
apt install libsox-dev ffmpeg

Configuração do Docker

1. Instale o NVIDIA Container Toolkit:

   Para usar a GPU com Docker para treinamento e inferência de modelos, você precisa instalar o NVIDIA Container Toolkit:

   Para usuários Ubuntu:

   # Adicione o repositório remoto
   curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
       && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
           sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
           sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
   # Instale o nvidia-container-toolkit
   sudo apt-get update
   sudo apt-get install -y nvidia-container-toolkit
   # Reinicie o serviço Docker
   sudo systemctl restart docker
   

   Para usuários de outras distribuições Linux, consulte o guia de instalação: NVIDIA Container Toolkit Install-guide.

   1. Baixe e execute a imagem fish-speech

   # Baixe a imagem
   docker pull fishaudio/fish-speech:latest-dev
   # Execute a imagem
   docker run -it \
       --name fish-speech \
       --gpus all \
       -p 7860:7860 \
       fishaudio/fish-speech:latest-dev \
       zsh
   # Se precisar usar outra porta, modifique o parâmetro -p para YourPort:7860
   

2. Baixe as dependências do modelo

   Certifique-se de estar no terminal do contêiner Docker e, em seguida, baixe os modelos necessários vqgan e llama do nosso repositório HuggingFace.

   huggingface-cli download fishaudio/fish-speech-1.4 --local-dir checkpoints/fish-speech-1.4
   

   1. Configure as variáveis de ambiente e acesse a WebUI

   No terminal do contêiner Docker, digite export GRADIO_SERVER_NAME="0.0.0.0" para permitir o acesso externo ao serviço gradio dentro do Docker. Em seguida, no terminal do contêiner Docker, digite python tools/webui.py para iniciar o serviço WebUI.

   Se estiver usando WSL ou MacOS, acesse http://localhost:7860 para abrir a interface WebUI.

   Se estiver implantando em um servidor, substitua localhost pelo IP do seu servidor.

   Histórico de Alterações

   • 10/09/2024: Fish-Speech atualizado para a versão 1.4, aumentado o tamanho do conjunto de dados, quantizer n_groups 4 -> 8.
   • 02/07/2024: Fish-Speech atualizado para a versão 1.2, removido o Decodificador VITS e aprimorado consideravelmente a capacidade de zero-shot.
   • 10/05/2024: Fish-Speech atualizado para a versão 1.1, implementado o decodificador VITS para reduzir a WER e melhorar a similaridade de timbre.
   • 22/04/2024: Finalizada a versão 1.0 do Fish-Speech, modificados significativamente os modelos VQGAN e LLAMA.
   • 28/12/2023: Adicionado suporte para ajuste fino lora.
   • 27/12/2023: Adicionado suporte para gradient checkpointing, causual sampling e flash-attn.
   • 19/12/2023: Atualizada a interface web e a API HTTP.
   • 18/12/2023: Atualizada a documentação de ajuste fino e exemplos relacionados.
   • 17/12/2023: Atualizado o modelo text2semantic, suportando o modo sem fonemas.
   • 13/12/2023: Versão beta lançada, incluindo o modelo VQGAN e um modelo de linguagem baseado em LLAMA (suporte apenas a fonemas).

   Agradecimentos

   • VITS2 (daniilrobnikov)
   • Bert-VITS2
   • GPT VITS
   • MQTTS
   • GPT Fast
   • Transformers
   • GPT-SoVITS