@Blog{zip358.com}

おはようございます．AivisSpeech用の自分の声ベースモデルを作ろうとしてStyle-Bert-VITS2を頑張る．事前に自分の声を12本録音してた奴をOpenAIが提供しているopenai-whisperで文字起こしを行いました．そのデータを元にStyle-Bert-VITS2の配下にあるTrain.batを叩くとブラウザが立ち上がる．何処にデータセットを置かないいけないかなども記載されている．

その場所にデータを配置します．配置後、上から順番に実行していけば学習モデルが生成されます、生成されたモデルをONNX形式に変換しその後aivmx形式しないとAivisSpeechでは使用できないらしい．変換コマンドはこちら、やり方はこの方が記載されているので参照ください．

git checkout dev
pip install onnx
pip install onnxsim 
pip install accelerate
python convert_onnx.py --model 【SVBS2のモデルフォルダ】

onnxに変換後、AivisSpeechの公式サイトのコンバーターサイトで変換するとaivmx形式が落ちてきます（ダウンロード）．それをAivisSpeechアプリの設定から読み取ればOK！

結構長い手順ですが、これで自分の声の音声合成が出来ます．それで作ったのがこの音源です、雑音が入っているのはセミがなく中で録音した音声を学習させたからこんな感じになっています．

追伸：雑音を除去しました．下記は雑音を除去したものになります．

明日へ続く