fish-speech/docs/zh/index.md

介绍

!!! warning 我们不对代码库的任何非法使用承担任何责任. 请参阅您当地关于 DMCA (数字千年法案) 和其他相关法律法规.

此代码库根据 BSD-3-Clause 许可证发布, 所有模型根据 CC-BY-NC-SA-4.0 许可证发布.

要求

• GPU 内存: 4GB (用于推理), 16GB (用于微调)
• 系统: Linux, Windows

Windows 配置

Windows 专业用户可以考虑 WSL2 或 docker 来运行代码库。

Windows 非专业用户可考虑以下为免 Linux 环境的基础运行方法（附带模型编译功能，即 torch.compile）：

1. 解压项目压缩包。
2. 点击 install_env.bat 安装环境。
   • 可以通过编辑 install_env.bat 的 USE_MIRROR 项来决定是否使用镜像站下载。
   • USE_MIRROR=false 使用原始站下载最新稳定版 torch 环境。USE_MIRROR=true 为从镜像站下载最新 torch 环境。默认为 true。
   • 可以通过编辑 install_env.bat 的 INSTALL_TYPE 项来决定是否启用可编译环境下载。
   • INSTALL_TYPE=preview 下载开发版编译环境。INSTALL_TYPE=stable 下载稳定版不带编译环境。
3. 若第2步 INSTALL_TYPE=preview 则执行这一步（可跳过，此步为激活编译模型环境）
   1. 使用如下链接下载 LLVM 编译器。
      • LLVM-17.0.6（原站站点下载）
      • LLVM-17.0.6（镜像站点下载）
      • 下载完 LLVM-17.0.6-win64.exe 后，双击进行安装，选择合适的安装位置，最重要的是勾选 Add Path to Current User 添加环境变量。
      • 确认安装完成。
   2. 下载安装 Microsoft Visual C++ 可再发行程序包，解决潜在 .dll 丢失问题。
      • MSVC++ 14.40.33810.0 下载
   3. 下载安装 Visual Studio 社区版以获取 MSVC++ 编译工具, 解决 LLVM 的头文件依赖问题。
      • Visual Studio 下载
      • 安装好Visual Studio Installer之后，下载Visual Studio Community 2022
      • 如下图点击修改按钮，找到使用C++的桌面开发项，勾选下载

      

4. 双击 start.bat, 进入 Fish-Speech 训练推理配置 WebUI 页面。
   • (可选) 想直接进入推理页面？编辑项目根目录下的 API_FLAGS.txt, 前三行修改成如下格式:

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

   • (可选) 想启动 API 服务器？编辑项目根目录下的 API_FLAGS.txt, 前三行修改成如下格式:

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

5. （可选）双击 run_cmd.bat 进入本项目的 conda/python 命令行环境

Linux 配置

# 创建一个 python 3.10 虚拟环境, 你也可以用 virtualenv
conda create -n fish-speech python=3.10
conda activate fish-speech

# 安装 pytorch
pip3 install torch torchvision torchaudio

# 安装 fish-speech
pip3 install -e .

# (Ubuntu / Debian 用户) 安装 sox
apt install libsox-dev

更新日志

• 2024/07/02: 更新了 Fish-Speech 到 1.2 版本，移除 VITS Decoder，同时极大幅度提升 zero-shot 能力.
• 2024/05/10: 更新了 Fish-Speech 到 1.1 版本，引入了 VITS Decoder 来降低口胡和提高音色相似度.
• 2024/04/22: 完成了 Fish-Speech 1.0 版本, 大幅修改了 VQGAN 和 LLAMA 模型.
• 2023/12/28: 添加了 lora 微调支持.
• 2023/12/27: 添加了 gradient checkpointing, causual sampling 和 flash-attn 支持.
• 2023/12/19: 更新了 Webui 和 HTTP API.
• 2023/12/18: 更新了微调文档和相关例子.
• 2023/12/17: 更新了 text2semantic 模型, 支持无音素模式.
• 2023/12/13: 测试版发布, 包含 VQGAN 模型和一个基于 LLAMA 的语言模型 (只支持音素).

致谢

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