NATSpeech

环境要求

• Linux/Ubuntu 18.04（README 实测环境）
• Python 3.6+，建议用 Anaconda
• PyTorch >= 1.9.0
• 需要 sudo 权限安装 sox 和 MFA 强制对齐工具

安装与启动步骤

1. 1创建并激活虚拟环境

   用 venv 建隔离环境，避免污染系统 Python 包；全程保持激活状态。

   python -m venv venv
   source venv/bin/activate

   复制

2. 2设置 PYTHONPATH

   README 要求把项目根目录加入 PYTHONPATH，否则模块导入会失败，需在项目根目录执行。

   export PYTHONPATH=.

   复制

3. 3安装基础依赖

   先升级 pip，再装指定版本 Cython 与 numpy==1.19.1，numpy 版本不可随意改。

   pip install -U pip
   pip install Cython numpy==1.19.1

   复制

4. 4安装 PyTorch

   安装 torch 1.9.0，README 建议至少 1.9.0；有 GPU 需自行按 CUDA 版本调整。

   pip install torch==1.9.0

   复制

5. 5安装项目依赖

   在项目根目录通过 requirements.txt 安装其余 Python 依赖。

   pip install -r requirements.txt

   复制

6. 6安装音频与对齐工具

   安装 sox 及 mp3 解码支持，再用脚本装 MFA 强制对齐工具，需 sudo 权限。

   sudo apt install -y sox libsox-fmt-mp3
   bash mfa_usr/install_mfa.sh

   复制

如何确认成功

能成功激活 venv 并导入项目模块（PYTHONPATH 生效），且 sox、MFA 命令可正常调用即安装完成。

常见问题

注意事项

• README 未提供数据预处理、训练、推理的具体命令，需自行查阅仓库文档。
• MFA 安装脚本需要 sudo 权限和网络下载，耗时较长。
• 官方提供 HuggingFace 在线 Demo，仅想体验可直接访问。
• 建议严格使用 README 指定的 pip 与 numpy 版本，避免依赖冲突。