#初めに

こちらである程度windowsで学習環境が整ったので、実際に学習することにした。

それについて書いていたのだが、やる気がなくなってしまったので、できたところまで書いておく。

#データ作成

1段階のデータセットは、audacityを使用して録音した。

音声は無料で使おうと思い、ハーメルンの読み上げを使用した。

ランキング一位のものを読み上げた
利用規約は確認中

2段階のデータセットは、購入していないため、いろいろなところから集めた。

utau音源+utau+唄詠+texttowavなど考えたが、理想の声ではなかった。
やはりvoiceloidでないとダメそうだ。

クリップボードの共有がうまくいかないので、共有フォルダを作る

永続にチェック

いろいろソフトをダウンロード

#フォルダの作成など事前準備

##visual sudio

これに従ってインストール

##cuda

gpuで学習するため、以下に従ってcuda10.0をダウンロード

##ライブラリのインストール

conda create -n kiri python==3.7
conda activate kiri


pip install numpy
pip install librosa
pip install pysptk
pip install pyworld
pip install fastdtw
pip install matplotlib
pip install tqdm
pip install world4py
pip install git+https://github.com/Hiroshiba/become-yukarin
pip install git+https://github.com/Hiroshiba/yukarin
pip install numba==0.48

pip install cupy-cuda100==5.4.0
pip install git+https://github.com/neka-nat/tensorboard-chainer
pip install numpy==1.20.2
pip install dill==0.3.0

##dillの変更

これによって変更すると特徴量抽出はできなくなる。

##フォルダの作成


mkdir deep_yukarin
cd deep_yukarin

mkdir test_data
mkdir output
mkdir output/1st_yukari_model_by
mkdir test_data_sr

mkdir dat
mkdir dat\1st_models_by
mkdir dat\2nd_models_by
mkdir dat\1st_models_y

mkdir dat\1st_models_by\yukari
mkdir dat\1st_models_by\yukari\npy_pair


mkdir dat\1st_models_by\yukari\voice_pair

mkdir dat\2nd_models_by\yukari
mkdir dat\2nd_models_by\yukari\npy_single

mkdir dat\1st_models_y\yukari
mkdir dat\1st_models_y\yukari\aligned_indexes
mkdir dat\1st_models_y\yukari\aligned_wav
mkdir dat\1st_models_y\yukari\statistics
mkdir dat\1st_models_y\yukari\npy_pair

mkdir dat\input
mkdir dat\output

mkdir dat\voice_src
mkdir dat\voice_src\voice_24000
mkdir dat\voice_src\voice_44100

mkdir dat\voice_src\voice_24000\yukari_pair
mkdir dat\voice_src\voice_24000\yukari_pair\own
mkdir dat\voice_src\voice_24000\yukari_pair\target
mkdir dat\voice_src\voice_24000\yukari_single

mkdir dat\voice_src\voice_44100\yukari_pair
mkdir dat\voice_src\voice_44100\yukari_pair\own
mkdir dat\voice_src\voice_44100\yukari_pair\target
mkdir dat\voice_src\voice_44100\yukari_single

git clone https://github.com/Hiroshiba/yukarin.git
git clone https://github.com/Hiroshiba/become-yukarin.git

#become-yukarin二段階の音声抽出
24000Hz16bitの音声はできるだけ短くした音声を使用して、以下の-iのフォルダに入れた。

次に以下を実行

python become-yukarin/scripts/extract_spectrogram_pair.py -i dat/voice_src/voice_24000/yukari_single -o dat/2nd_models_by/yukari/npy_single

なおpickleをdillにしていると動かないが、直すと動く。

#二段階学習

copy become-yukarin\recipe\config_sr.json dat\2nd_models_by\yukari\

次に

 "input_glob": "dat/2nd_models_by/yukari/npy_single/*.npy",
 "batchsize": 自分のgpuに合わせて適切な値rtx2070の8GBだと4が妥当
 "log_iteration": 5,#細かく知りたいため小さく
 "snapshot_iteration": 50

このままだと動かないので、dillをやる
dill==0.3.0意外だと動かなかった(0.3.3)

python become-yukarin/train_sr.py dat/2nd_models_by/yukari/config_sr.json dat/2nd_models_by/yukari/2nd_yukari_model_by

#セーブ機能をつける
うまくいかないのでテスト部分をなくす

現在やっているのは、
1.明治大学のsingingデータセット
2.utauの元の声となったもの
3.voiceloidを録音したenola

#これらでの学習はうまくいかないため、変えてみる

python check.py  --input_path input.wav     --input_time_length 5     --output_path output.wav    --input_statistics_path sample/input_statistics.npy     --target_statistics_path sample/target_statistics.npy    --stage1_model_path sample/model_stage1/predictor.npz     --stage1_config_path sample/model_stage1/config.json    --stage2_model_path sample/model_stage2/predictor.npz     --stage2_config_path sample/model_stage2/config.json