StyleTTS2

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Python 环境（项目开发语言为 Python）
• PyTorch（技术栈包含 pytorch）
• 具备可用显存的 GPU（README 多次提及 OOM 显存不足问题）
• 准备训练用的单说话人或多说话人语音数据
• 准备符合 text|anything 格式的 OOD 文本文件

安装与启动步骤

1. 1克隆项目仓库

   README 未给出安装命令，先从 GitHub 仓库地址把源码拉到本地，后续按仓库内说明操作。

   git clone https://github.com/yl4579/StyleTTS2.git

   复制

2. 2准备 OOD 文本数据

   SLM 对抗训练需要分布外文本，每行按 text|anything 格式书写，路径后面要填进 OOD_data。

3. 3修改 config.yml

   在 Configs/config.yml 中设置 OOD_data 路径，并按需调整 min_length、max_len、multispeaker 等关键项。

4. 4按显存调整训练参数

   若出现显存不足，调低 max_len（单位为帧，默认 hop size 300），并把 batch_percentage 设小以避免 OOM。

关键配置

如何确认成功

README 未给出启动命令；可确认 config.yml 中 OOD_data 指向的文件存在可读、格式正确，且训练未报 OOM 错误。

常见问题

注意事项

• README 节选未包含安装与推理命令，实际环境依赖请以官方仓库最新说明为准。
• 训练前务必先准备好 OOD 文本文件和语音数据，否则 SLM 对抗训练无法进行。
• batch_percentage 调小虽然能避免 OOM，但会影响训练效率，需自行权衡。