vits_chinese

环境要求

• Python 环境（README 未注明具体版本，建议 3.8+）
• pip，可执行 pip install -r requirements.txt
• 可用的 C/C++ 编译环境（monotonic_align 需要 build_ext 编译）
• 推理/训练需要预先下载模型权重；训练建议使用 GPU

安装与启动步骤

1. 1获取项目源码

   从 GitHub 克隆项目并进入目录，后续所有命令都在项目根目录或 monotonic_align 子目录执行。

   git clone https://github.com/PlayVoice/vits_chinese.git
   cd vits_chinese

   复制

2. 2安装 Python 依赖

   在项目根目录安装 requirements.txt 中列出的全部依赖，建议先建虚拟环境避免污染全局环境。

   pip install -r requirements.txt

   复制

3. 3编译 MAS 对齐模块

   进入 monotonic_align 目录编译对齐模块，这一步会生成 C 扩展，编译失败通常是缺少编译工具链。

   cd monotonic_align
   python setup.py build_ext --inplace

   复制

4. 4准备模型权重

   README 未给出权重下载命令，需自行准备 vits_bert_model.pth 等权重文件并放入项目根目录。

5. 5无 BERT 推理

   使用 no_bert 脚本推理，不走 BERT，牺牲部分自然停顿，适合手机等低计算资源设备。

   python vits_infer_no_bert.py --config ./configs/bert_vits.json --model vits_bert_model.pth

   复制

6. 6启动训练

   从项目根目录执行训练：先回上层目录，再指定配置文件和实验名 bert_vits 启动 train.py。

   cd monotonic_align
   python setup.py build_ext --inplace
   cd -
   python train.py -c configs/bert_vits.json -m bert_vits

   复制

7. 7在线体验

   不想本地部署可先用 HuggingFace 在线 demo 试听效果，无需安装任何依赖。

关键配置

如何确认成功

推理命令能正常执行并输出合成音频，且音频中无明显杂音或错读，即表示环境与权重加载成功。

常见问题

注意事项

• 本项目定位是 TTS 算法学习用途，README 明确说明不适合直接用于生产环境。
• 安装依赖后必须先编译 monotonic_align 中的对齐模块，否则训练无法正常进行。
• README 未提供模型权重的下载命令与存放路径细节，需自行获取权重后按命令中的文件名放置。
• 执行训练前确认 monotonic_align 已编译完成，并回到项目根目录再运行 train.py。