mirror of
https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI.git
synced 2026-08-29 10:09:32 +02:00
Add DirectML support for PyMSS, support interrupting separation, fix CUDA Graph errors in input/output denoising, and update pip installation dependencies
This commit is contained in:
RVC-Boss
22
README.md
22
README.md
@@ -191,6 +191,28 @@ hf download lj1995/VoiceConversionWebUI rmvpe.onnx --revision main \
|
||||
--local-dir assets/rmvpe
|
||||
```
|
||||
|
||||
### PyMSS DirectML 精度
|
||||
|
||||
PyMSS 的 DirectML 模型参数精度默认为 `auto`：BS-Roformer 与
|
||||
Mel-Band-Roformer 会先在独立子进程中尝试原生 FP16 权重；若当前显卡、
|
||||
驱动或算子路径不兼容，当前子进程会先退出，再用全新的 FP32 子进程重试。
|
||||
该设置只影响 PyMSS 分离，不会改变 RVC 推理的全局精度。
|
||||
|
||||
可在启动 WebUI 前设置 `PYMSS_DML_MODEL_DTYPE`：
|
||||
|
||||
```bat
|
||||
rem 默认：FP16 优先，不兼容时回退 FP32
|
||||
set PYMSS_DML_MODEL_DTYPE=auto
|
||||
|
||||
rem 始终使用 FP32，兼容性优先
|
||||
set PYMSS_DML_MODEL_DTYPE=float32
|
||||
|
||||
rem 始终使用 FP16，不执行自动回退
|
||||
set PYMSS_DML_MODEL_DTYPE=float16
|
||||
```
|
||||
|
||||
FP16 显存不足时不会自动改用占用更高的 FP32；界面会直接报告该错误。
|
||||
|
||||
|
||||
### FFmpeg
|
||||
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Vocal extraction aggressiveness",
|
||||
"%s → 成功": "%s → Success",
|
||||
"%s运行中，请先停止该任务": "%s is running; stop it before starting another task",
|
||||
"%s进程已终止": "The %s process has been terminated",
|
||||
"====> 轮次：{} {}": "====> Epoch: {} {}",
|
||||
"A模型权重": "Weight (w) for Model A:",
|
||||
"A模型路径": "Path to Model A:",
|
||||
"B模型路径": "Path to Model B:",
|
||||
"CUDA可用：%s": "CUDA available: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0 and HuBERT feature extraction",
|
||||
"F0提取": "F0 extraction",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 curve file (optional). One pitch per line. Replaces the default F0 and pitch modulation:",
|
||||
"HuBERT特征": "HuBERT features",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC Model Path:",
|
||||
"SOLA偏移：%d": "SOLA offset: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0 extraction] Completed | Success: %s | Skipped: %s | Failed: %s",
|
||||
"[F0提取] 待处理：%s": "[F0 extraction] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0 extraction] No pending audio; all files were skipped",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0 extraction] Progress: %s/%s | Success: %s | Skipped: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0 extraction][Failed] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0 extraction][Failed] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT features] Completed | Success: %s | Skipped: %s | Failed: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT features] No pending audio; skipped: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT features] Loading model: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT features] Device: %s | Pending: %s | Skipped: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT features] Progress: %s/%s | Success: %s | Failed: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT features][Failed] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT features][Failed] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT features][Failed] Model not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Data slicing] Worker completed | Success: %s | Failed: %s",
|
||||
"[数据切分] 完成": "[Data slicing] Completed",
|
||||
"[数据切分] 开始": "[Data slicing] Started",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Data slicing] Pending: %s | Processes: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Data slicing] Progress: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Data slicing][Failed] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Data slicing][Failed] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Data slicing][Skipped] Invalid or abnormal audio segment: %s_%s | Peak: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Index training] Write progress: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Index training] Linked index to external directory: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Index training] Index built successfully: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Index training] Adding feature vectors",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Index training] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Index training] Training index",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Index training] Feature shape: %s | IVF count: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Index training][Failed] Could not link index to external directory: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Index training][Failed] Clustering failed; continuing with the original features\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Index training][Failed] Extract features first",
|
||||
"ckpt处理": "ckpt Processing",
|
||||
"index文件路径不可包含中文": "The index file path cannot contain Chinese characters",
|
||||
"pth文件路径不可包含中文": "The .pth file path cannot contain Chinese characters",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Enter the GPU index(es) separated by '-', e.g., 0-0-1 to use 2 processes in GPU0 and 1 process in GPU1",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Step 1: Fill in the experimental configuration. Experimental data is stored in the 'logs' folder, with each experiment having a separate folder. Manually enter the experiment name path, which contains the experimental configuration, logs, and trained model files.",
|
||||
"step1:正在处理数据": "Step 1: Processing data",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Pitch extraction & feature extraction",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Step 2a: Automatically traverse all files in the training folder that can be decoded into audio and perform slice normalization. Generates 2 wav folders in the experiment directory. Currently, only single-singer/speaker training is supported.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Step 2b: Use CPU to extract pitch (if the model has pitch), use GPU to extract features (select GPU index):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Step 3: Fill in the training settings and start training the model and index",
|
||||
"step3a:正在训练模型": "Step 3a: Model training started",
|
||||
"step3b:正在训练索引": "step 3b: training the index",
|
||||
"……仅显示最近10条失败记录": "…Showing only the 10 most recent failures",
|
||||
"……已省略前%s行，仅显示最新状态": "…Omitted the first %s lines; showing the latest status only",
|
||||
"一键训练": "One-click training",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Multiple audio files can also be imported. If a folder path exists, this input is ignored.",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "Batch vocal/accompaniment separation using UVR5 models.<br>You can choose a vocal-preserving model, or use DeEcho/DeReverb models to remove echo and reverb.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Only the pm and rmvpe pitch extraction methods are supported",
|
||||
"从训练检查点提取的模型": "Model extracted from a training checkpoint",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Enter the GPU index(es) separated by '-', e.g., 0-1-2 to use GPU 0, 1, and 2:",
|
||||
"任务": "Task",
|
||||
"伴奏人声分离&去混响&去回声": "Vocals/Accompaniment Separation & Reverberation Removal",
|
||||
"使用显卡：%s": "GPUs in use: %s",
|
||||
"使用模型采样率": "Use model sample rate",
|
||||
"使用设备采样率": "Use device sample rate",
|
||||
"保存名": "Save name:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Save file name (default: same as the source file):",
|
||||
"保存的模型名不带后缀": "Saved model name (without extension):",
|
||||
"保存频率save_every_epoch": "Save frequency (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Protect voiceless consonants and breath sounds to prevent artifacts such as tearing in electronic music. Set to 0.5 to disable. Decrease the value to increase protection, but it may reduce indexing accuracy:",
|
||||
"修改": "Modify",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modify model information (only supported for small model files extracted from the 'weights' folder)",
|
||||
"停止一键训练": "Stop one-click training",
|
||||
"停止处理数据": "Stop data preprocessing",
|
||||
"停止特征提取": "Stop feature extraction",
|
||||
"停止训练模型": "Stop model training",
|
||||
"停止训练索引": "Stop index training",
|
||||
"停止音频转换": "Stop audio conversion",
|
||||
"全流程结束！": "All processes have been completed!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Load model",
|
||||
"加载预训练底模D路径": "Load pre-trained base model D path:",
|
||||
"加载预训练底模G路径": "Load pre-trained base model G path:",
|
||||
"单次推理": "Single Inference",
|
||||
"卸载音色省显存": "Unload voice to save GPU memory:",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Transpose (integer, number of semitones, raise by an octave: 12, lower by an octave: -12):",
|
||||
"合成": "Synthesis",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Resample the output audio in post-processing to the final sample rate. Set to 0 for no resampling:",
|
||||
"否": "No",
|
||||
"响应阈值": "Response threshold",
|
||||
"响度因子": "loudness factor",
|
||||
"处理中": "Processing",
|
||||
"处理数据": "Process data",
|
||||
"失败": "Failed",
|
||||
"失败记录": "Failure records",
|
||||
"子进程执行失败，返回码：%s": "Child process failed with exit code: %s",
|
||||
"导出文件格式": "Export file format",
|
||||
"已停止": "Stopped",
|
||||
"已加载判别器预训练模型：%s": "Loaded discriminator pretrained model: %s",
|
||||
"已加载生成器预训练模型：%s": "Loaded generator pretrained model: %s",
|
||||
"已启用索引检索": "Index search enabled",
|
||||
"已完成": "Completed",
|
||||
"已恢复判别器检查点": "Restored discriminator checkpoint",
|
||||
"常见问题解答": "FAQ (Frequently Asked Questions)",
|
||||
"常规设置": "General settings",
|
||||
"开始音频转换": "Start audio conversion",
|
||||
"当前": "Current",
|
||||
"当前阶段": "Current stage",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Unfortunately, there is no compatible GPU available to support your training.",
|
||||
"性别因子/声线粗细": "Gender factor / voice thickness",
|
||||
"性能设置": "Performance settings",
|
||||
"总训练轮数total_epoch": "Total training epochs (total_epoch):",
|
||||
"成功": "Success",
|
||||
"执行命令": "Command",
|
||||
"批量推理": "Batch Inference",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Batch conversion. Enter the folder containing the audio files to be converted or upload multiple audio files. The converted audio will be output in the specified folder (default: 'opt').",
|
||||
"拖拽或点击上传待处理音频": "Drag and drop or click to upload audio for processing",
|
||||
"指定输出主人声文件夹": "Specify the output folder for vocals:",
|
||||
"指定输出文件夹": "Specify output folder:",
|
||||
"指定输出非主人声文件夹": "Specify the output folder for accompaniment:",
|
||||
"推理时间(ms):": "Inference time (ms):",
|
||||
"推理耗时：%.2f秒": "Inference time: %.2f seconds",
|
||||
"推理音色": "Inferencing voice:",
|
||||
"提取": "Extract",
|
||||
"提取音高和处理数据使用的CPU进程数": "Number of CPU processes used for pitch extraction and data processing:",
|
||||
"数据切分": "Data slicing",
|
||||
"无法停止": "Cannot stop",
|
||||
"无法读取音频：%s": "Could not read audio: %s",
|
||||
"是": "Yes",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Save only the latest '.ckpt' file to save disk space:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Save a small final model to the 'weights' folder at each save point:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Cache all training sets to GPU memory. Caching small datasets (less than 10 minutes) can speed up training, but caching large datasets will consume a lot of GPU memory and may not provide much speed improvement:",
|
||||
"显卡信息": "GPU Information",
|
||||
"未使用": "Not used",
|
||||
"未使用判别器预训练模型": "Discriminator pretrained model not used",
|
||||
"未使用生成器预训练模型": "Generator pretrained model not used",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformer model configuration not found; using the built-in defaults",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "No supported GPU detected; training on the CPU may take much longer",
|
||||
"未运行": "Not running",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "This software is open source under the MIT license. The author does not have any control over the software. Users who use the software and distribute the sounds exported by the software are solely responsible. <br>If you do not agree with this clause, you cannot use or reference any codes and files within the software package. See the root directory <b>Agreement-LICENSE.txt</b> for details.",
|
||||
"查看": "View",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "View model information (only supported for small model files extracted from the 'weights' folder)",
|
||||
"检测到模型类型：%s": "Detected model type: %s",
|
||||
"检索特征占比": "Search feature ratio (controls accent strength, too high has artifacting):",
|
||||
"模型": "Model",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Model information: %s\nSample rate: %s\nPitch guidance: %s\nVersion: %s",
|
||||
"模型推理": "Model Inference",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Model extraction (enter the path of the large file model under the 'logs' folder). This is useful if you want to stop training halfway and manually extract and save a small model file, or if you want to test an intermediate model:",
|
||||
"模型是否带音高指导": "Whether the model has pitch guidance:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Whether the model has pitch guidance (required for singing, optional for speech):",
|
||||
"模型是否带音高指导,1是0否": "Whether the model has pitch guidance (1: yes, 0: no):",
|
||||
"模型版本型号": "Model architecture version:",
|
||||
"模型融合, 可用于测试音色融合": "Model fusion, can be used to test timbre fusion",
|
||||
"模型融合失败：两个模型的结构不一致": "Model merge failed: the two model architectures do not match",
|
||||
"模型训练": "Model training",
|
||||
"模型路径": "Path to Model:",
|
||||
"正在保存最终检查点：%s": "Saving final checkpoint: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Saving checkpoint %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Loading RMVPE model",
|
||||
"正在加载模型": "Loading model",
|
||||
"正在启动": "Starting",
|
||||
"正在收尾": "Finalizing",
|
||||
"每张显卡的batch_size": "Batch size per GPU:",
|
||||
"淡入淡出长度": "Fade length",
|
||||
"清理模型缓存": "Clearing model cache",
|
||||
"版本": "Version",
|
||||
"特征": "Features",
|
||||
"特征提取": "Feature extraction",
|
||||
"状态": "Status",
|
||||
"独占 WASAPI 设备": "Exclusive WASAPI device",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Recommended +12 key for male to female conversion, and -12 key for female to male conversion. If the sound range goes too far and the voice is distorted, you can also adjust it to the appropriate range by yourself.",
|
||||
"目标采样率": "Target sample rate:",
|
||||
"等待中": "Waiting",
|
||||
"等待输入": "Waiting for input",
|
||||
"算法延迟(ms):": "Algorithmic delays(ms):",
|
||||
"索引": "Index",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Invalid index: use added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Index search failed",
|
||||
"索引检索失败或未启用": "Index search failed or is disabled",
|
||||
"索引训练": "Index training",
|
||||
"耗时": "Elapsed time",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Elapsed time: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusion",
|
||||
"要改的模型信息": "Model information to be modified:",
|
||||
"要置入的模型信息": "Model information to be placed:",
|
||||
"训练": "Train",
|
||||
"训练已完成，正在保存最终模型": "Training completed; saving the final model",
|
||||
"训练文件列表写入完成": "Training file list written successfully",
|
||||
"训练模型": "Train model",
|
||||
"训练特征索引": "Train feature index",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Training complete. You can check the training logs in the console or the 'train.log' file under the experiment folder.",
|
||||
"训练设备规则选择的精度：%s": "Training precision selected by device rules: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Training epoch: {} [{:.0f}%]",
|
||||
"设备类型": "Device type",
|
||||
"请上传音频文件": "Upload an audio file",
|
||||
"请填写输出文件夹路径": "Enter the output folder path",
|
||||
"请指定说话人id": "Please specify the speaker/singer ID:",
|
||||
"请选择index文件": "Please choose the .index file",
|
||||
"请选择pth文件": "Please choose the .pth file",
|
||||
"请选择说话人id": "Select Speaker/Singer ID:",
|
||||
"转换": "Convert",
|
||||
"输入实验名": "Enter the experiment name:",
|
||||
"输入待处理音频文件夹路径": "Enter the path of the audio folder to be processed:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Enter the path of the audio folder to be processed (copy it from the address bar of the file manager):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Enter the path of the audio file to be processed (default is the correct format example):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Adjust the volume envelope scaling. Closer to 0, the more it mimicks the volume of the original vocals. Can help mask noise and make volume sound more natural when set relatively low. Closer to 1 will be more of a consistently loud volume:",
|
||||
"输入监听": "Input voice monitor",
|
||||
"输入训练文件夹路径": "Enter the path of the training folder:",
|
||||
"输入设备": "Input device",
|
||||
"输入设备：%s:%s": "Input device: %s:%s",
|
||||
"输入降噪": "Input noise reduction",
|
||||
"输出信息": "Output information",
|
||||
"输出变声": "Output converted voice",
|
||||
"输出设备": "Output device",
|
||||
"输出设备：%s:%s": "Output device: %s:%s",
|
||||
"输出降噪": "Output noise reduction",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Export audio (click on the three dots in the lower right corner to download)",
|
||||
"运行中": "Running",
|
||||
"进度": "Progress",
|
||||
"选择.index文件": "Select the .index file",
|
||||
"选择.pth文件": "Select the .pth file",
|
||||
"选择模型": "Select model",
|
||||
"选择索引": "Select index",
|
||||
"选择音高提取算法": "Select the pitch extraction algorithm",
|
||||
"采样率:": "Sample rate:",
|
||||
"采样长度": "Sample length",
|
||||
"重载设备列表": "Reload device list",
|
||||
"错误信息：%s": "Error details: %s",
|
||||
"错误：未知模型：%s": "Error: Unknown model: %s",
|
||||
"音调设置": "Pitch settings",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "The audio has multiple channels, but the model is mono; all channels will be averaged",
|
||||
"音频设备": "Audio device",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "All pitch values are zero; this audio is unusable and will be skipped: %s",
|
||||
"音高算法": "pitch detection algorithm",
|
||||
"额外推理时长": "Extra inference time",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Dataset preprocessing produced no valid training audio. Check the dataset and preprocessing log.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Dataset preprocessing produced no 16 kHz audio. Feature extraction and training have been stopped.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Dataset preprocessing outputs do not match. Feature extraction and training have been stopped.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT feature extraction produced no valid results. Training has been stopped.",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0 extraction produced no valid results. Training has been stopped.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "No valid audio is available for training. Complete dataset preprocessing and feature extraction first.",
|
||||
"已完成阶段": "Completed stages",
|
||||
"已成功": "Succeeded",
|
||||
"刷新音色列表": "Refresh voice list",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Feature index path (automatically matched after selecting a model; editable)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Index training] External index link already exists: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Index training][Skipped] added index already exists: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Index training][Skipped] trained index already exists: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Current device: %s | Inference precision: %s",
|
||||
"正在预热CUDA Graph": "Warming up CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph warm-up complete",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Data extraction started: start_time=%.6f, requested concurrency=%s, actual concurrency limit=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Data extraction finished: end_time=%.6f, total elapsed=%.3f seconds"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Vocal extraction aggressiveness",
|
||||
"%s → 成功": "%s → Success",
|
||||
"%s运行中，请先停止该任务": "%s is running; stop it before starting another task",
|
||||
"%s进程已终止": "The %s process has been terminated",
|
||||
"====> 轮次：{} {}": "====> Epoch: {} {}",
|
||||
"A模型权重": "Weight (w) for Model A:",
|
||||
"A模型路径": "Path to Model A:",
|
||||
"B模型路径": "Path to Model B:",
|
||||
"CUDA可用：%s": "CUDA available: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0 and HuBERT feature extraction",
|
||||
"F0提取": "F0 extraction",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 curve file (optional). One pitch per line. Replaces the default F0 and pitch modulation:",
|
||||
"HuBERT特征": "HuBERT features",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC Model Path:",
|
||||
"SOLA偏移：%d": "SOLA offset: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0 extraction] Completed | Success: %s | Skipped: %s | Failed: %s",
|
||||
"[F0提取] 待处理：%s": "[F0 extraction] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0 extraction] No pending audio; all files were skipped",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0 extraction] Progress: %s/%s | Success: %s | Skipped: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0 extraction][Failed] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0 extraction][Failed] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT features] Completed | Success: %s | Skipped: %s | Failed: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT features] No pending audio; skipped: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT features] Loading model: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT features] Device: %s | Pending: %s | Skipped: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT features] Progress: %s/%s | Success: %s | Failed: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT features][Failed] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT features][Failed] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT features][Failed] Model not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Data slicing] Worker completed | Success: %s | Failed: %s",
|
||||
"[数据切分] 完成": "[Data slicing] Completed",
|
||||
"[数据切分] 开始": "[Data slicing] Started",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Data slicing] Pending: %s | Processes: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Data slicing] Progress: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Data slicing][Failed] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Data slicing][Failed] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Data slicing][Skipped] Invalid or abnormal audio segment: %s_%s | Peak: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Index training] Write progress: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Index training] Linked index to external directory: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Index training] Index built successfully: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Index training] Adding feature vectors",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Index training] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Index training] Training index",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Index training] Feature shape: %s | IVF count: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Index training][Failed] Could not link index to external directory: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Index training][Failed] Clustering failed; continuing with the original features\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Index training][Failed] Extract features first",
|
||||
"ckpt处理": "ckpt Processing",
|
||||
"index文件路径不可包含中文": "The index file path cannot contain Chinese characters",
|
||||
"pth文件路径不可包含中文": "The .pth file path cannot contain Chinese characters",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Enter the GPU index(es) separated by '-', e.g., 0-0-1 to use 2 processes in GPU0 and 1 process in GPU1",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Step 1: Fill in the experimental configuration. Experimental data is stored in the 'logs' folder, with each experiment having a separate folder. Manually enter the experiment name path, which contains the experimental configuration, logs, and trained model files.",
|
||||
"step1:正在处理数据": "Step 1: Processing data",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Pitch extraction & feature extraction",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Step 2a: Automatically traverse all files in the training folder that can be decoded into audio and perform slice normalization. Generates 2 wav folders in the experiment directory. Currently, only single-singer/speaker training is supported.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Step 2b: Use CPU to extract pitch (if the model has pitch), use GPU to extract features (select GPU index):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Step 3: Fill in the training settings and start training the model and index",
|
||||
"step3a:正在训练模型": "Step 3a: Model training started",
|
||||
"step3b:正在训练索引": "step 3b: training the index",
|
||||
"……仅显示最近10条失败记录": "…Showing only the 10 most recent failures",
|
||||
"……已省略前%s行，仅显示最新状态": "…Omitted the first %s lines; showing the latest status only",
|
||||
"一键训练": "One-click training",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Multiple audio files can also be imported. If a folder path exists, this input is ignored.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Only the pm and rmvpe pitch extraction methods are supported",
|
||||
"从训练检查点提取的模型": "Model extracted from a training checkpoint",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Enter the GPU index(es) separated by '-', e.g., 0-1-2 to use GPU 0, 1, and 2:",
|
||||
"任务": "Task",
|
||||
"使用显卡：%s": "GPUs in use: %s",
|
||||
"使用模型采样率": "Use model sample rate",
|
||||
"使用设备采样率": "Use device sample rate",
|
||||
"保存名": "Save name:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Save file name (default: same as the source file):",
|
||||
"保存的模型名不带后缀": "Saved model name (without extension):",
|
||||
"保存频率save_every_epoch": "Save frequency (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Protect voiceless consonants and breath sounds to prevent artifacts such as tearing in electronic music. Set to 0.5 to disable. Decrease the value to increase protection, but it may reduce indexing accuracy:",
|
||||
"修改": "Modify",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modify model information (only supported for small model files extracted from the 'weights' folder)",
|
||||
"停止一键训练": "Stop one-click training",
|
||||
"停止处理数据": "Stop data preprocessing",
|
||||
"停止特征提取": "Stop feature extraction",
|
||||
"停止训练模型": "Stop model training",
|
||||
"停止训练索引": "Stop index training",
|
||||
"停止音频转换": "Stop audio conversion",
|
||||
"全流程结束！": "All processes have been completed!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Load model",
|
||||
"加载预训练底模D路径": "Load pre-trained base model D path:",
|
||||
"加载预训练底模G路径": "Load pre-trained base model G path:",
|
||||
"单次推理": "Single Inference",
|
||||
"卸载音色省显存": "Unload voice to save GPU memory:",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Transpose (integer, number of semitones, raise by an octave: 12, lower by an octave: -12):",
|
||||
"合成": "Synthesis",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Resample the output audio in post-processing to the final sample rate. Set to 0 for no resampling:",
|
||||
"否": "No",
|
||||
"响应阈值": "Response threshold",
|
||||
"响度因子": "loudness factor",
|
||||
"处理中": "Processing",
|
||||
"处理数据": "Process data",
|
||||
"失败": "Failed",
|
||||
"失败记录": "Failure records",
|
||||
"子进程执行失败，返回码：%s": "Child process failed with exit code: %s",
|
||||
"导出文件格式": "Export file format",
|
||||
"已停止": "Stopped",
|
||||
"已加载判别器预训练模型：%s": "Loaded discriminator pretrained model: %s",
|
||||
"已加载生成器预训练模型：%s": "Loaded generator pretrained model: %s",
|
||||
"已启用索引检索": "Index search enabled",
|
||||
"已完成": "Completed",
|
||||
"已恢复判别器检查点": "Restored discriminator checkpoint",
|
||||
"常见问题解答": "FAQ (Frequently Asked Questions)",
|
||||
"常规设置": "General settings",
|
||||
"开始音频转换": "Start audio conversion",
|
||||
"当前": "Current",
|
||||
"当前阶段": "Current stage",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Unfortunately, there is no compatible GPU available to support your training.",
|
||||
"性别因子/声线粗细": "Gender factor / voice thickness",
|
||||
"性能设置": "Performance settings",
|
||||
"总训练轮数total_epoch": "Total training epochs (total_epoch):",
|
||||
"成功": "Success",
|
||||
"执行命令": "Command",
|
||||
"批量推理": "Batch Inference",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Batch conversion. Enter the folder containing the audio files to be converted or upload multiple audio files. The converted audio will be output in the specified folder (default: 'opt').",
|
||||
"拖拽或点击上传待处理音频": "Drag and drop or click to upload audio for processing",
|
||||
"指定输出主人声文件夹": "Specify the output folder for vocals:",
|
||||
"指定输出文件夹": "Specify output folder:",
|
||||
"指定输出非主人声文件夹": "Specify the output folder for accompaniment:",
|
||||
"推理时间(ms):": "Inference time (ms):",
|
||||
"推理耗时：%.2f秒": "Inference time: %.2f seconds",
|
||||
"推理音色": "Inferencing voice:",
|
||||
"提取": "Extract",
|
||||
"提取音高和处理数据使用的CPU进程数": "Number of CPU processes used for pitch extraction and data processing:",
|
||||
"数据切分": "Data slicing",
|
||||
"无法停止": "Cannot stop",
|
||||
"无法读取音频：%s": "Could not read audio: %s",
|
||||
"是": "Yes",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Save only the latest '.ckpt' file to save disk space:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Save a small final model to the 'weights' folder at each save point:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Cache all training sets to GPU memory. Caching small datasets (less than 10 minutes) can speed up training, but caching large datasets will consume a lot of GPU memory and may not provide much speed improvement:",
|
||||
"显卡信息": "GPU Information",
|
||||
"未使用": "Not used",
|
||||
"未使用判别器预训练模型": "Discriminator pretrained model not used",
|
||||
"未使用生成器预训练模型": "Generator pretrained model not used",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformer model configuration not found; using the built-in defaults",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "No supported GPU detected; training on the CPU may take much longer",
|
||||
"未运行": "Not running",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "This software is open source under the MIT license. The author does not have any control over the software. Users who use the software and distribute the sounds exported by the software are solely responsible. <br>If you do not agree with this clause, you cannot use or reference any codes and files within the software package. See the root directory <b>Agreement-LICENSE.txt</b> for details.",
|
||||
"查看": "View",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "View model information (only supported for small model files extracted from the 'weights' folder)",
|
||||
"检测到模型类型：%s": "Detected model type: %s",
|
||||
"检索特征占比": "Search feature ratio (controls accent strength, too high has artifacting):",
|
||||
"模型": "Model",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Model information: %s\nSample rate: %s\nPitch guidance: %s\nVersion: %s",
|
||||
"模型推理": "Model Inference",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Model extraction (enter the path of the large file model under the 'logs' folder). This is useful if you want to stop training halfway and manually extract and save a small model file, or if you want to test an intermediate model:",
|
||||
"模型是否带音高指导": "Whether the model has pitch guidance:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Whether the model has pitch guidance (required for singing, optional for speech):",
|
||||
"模型是否带音高指导,1是0否": "Whether the model has pitch guidance (1: yes, 0: no):",
|
||||
"模型版本型号": "Model architecture version:",
|
||||
"模型融合, 可用于测试音色融合": "Model fusion, can be used to test timbre fusion",
|
||||
"模型融合失败：两个模型的结构不一致": "Model merge failed: the two model architectures do not match",
|
||||
"模型训练": "Model training",
|
||||
"模型路径": "Path to Model:",
|
||||
"正在保存最终检查点：%s": "Saving final checkpoint: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Saving checkpoint %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Loading RMVPE model",
|
||||
"正在加载模型": "Loading model",
|
||||
"正在启动": "Starting",
|
||||
"正在收尾": "Finalizing",
|
||||
"每张显卡的batch_size": "Batch size per GPU:",
|
||||
"淡入淡出长度": "Fade length",
|
||||
"清理模型缓存": "Clearing model cache",
|
||||
"版本": "Version",
|
||||
"特征": "Features",
|
||||
"特征提取": "Feature extraction",
|
||||
"状态": "Status",
|
||||
"独占 WASAPI 设备": "Exclusive WASAPI device",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Recommended +12 key for male to female conversion, and -12 key for female to male conversion. If the sound range goes too far and the voice is distorted, you can also adjust it to the appropriate range by yourself.",
|
||||
"目标采样率": "Target sample rate:",
|
||||
"等待中": "Waiting",
|
||||
"等待输入": "Waiting for input",
|
||||
"算法延迟(ms):": "Algorithmic delays(ms):",
|
||||
"索引": "Index",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Invalid index: use added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Index search failed",
|
||||
"索引检索失败或未启用": "Index search failed or is disabled",
|
||||
"索引训练": "Index training",
|
||||
"耗时": "Elapsed time",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Elapsed time: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusion",
|
||||
"要改的模型信息": "Model information to be modified:",
|
||||
"要置入的模型信息": "Model information to be placed:",
|
||||
"训练": "Train",
|
||||
"训练已完成，正在保存最终模型": "Training completed; saving the final model",
|
||||
"训练文件列表写入完成": "Training file list written successfully",
|
||||
"训练模型": "Train model",
|
||||
"训练特征索引": "Train feature index",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Training complete. You can check the training logs in the console or the 'train.log' file under the experiment folder.",
|
||||
"训练设备规则选择的精度：%s": "Training precision selected by device rules: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Training epoch: {} [{:.0f}%]",
|
||||
"设备类型": "Device type",
|
||||
"请上传音频文件": "Upload an audio file",
|
||||
"请填写输出文件夹路径": "Enter the output folder path",
|
||||
"请指定说话人id": "Please specify the speaker/singer ID:",
|
||||
"请选择index文件": "Please choose the .index file",
|
||||
"请选择pth文件": "Please choose the .pth file",
|
||||
"请选择说话人id": "Select Speaker/Singer ID:",
|
||||
"转换": "Convert",
|
||||
"输入实验名": "Enter the experiment name:",
|
||||
"输入待处理音频文件夹路径": "Enter the path of the audio folder to be processed:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Enter the path of the audio folder to be processed (copy it from the address bar of the file manager):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Enter the path of the audio file to be processed (default is the correct format example):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Adjust the volume envelope scaling. Closer to 0, the more it mimicks the volume of the original vocals. Can help mask noise and make volume sound more natural when set relatively low. Closer to 1 will be more of a consistently loud volume:",
|
||||
"输入监听": "Input voice monitor",
|
||||
"输入训练文件夹路径": "Enter the path of the training folder:",
|
||||
"输入设备": "Input device",
|
||||
"输入设备：%s:%s": "Input device: %s:%s",
|
||||
"输入降噪": "Input noise reduction",
|
||||
"输出信息": "Output information",
|
||||
"输出变声": "Output converted voice",
|
||||
"输出设备": "Output device",
|
||||
"输出设备：%s:%s": "Output device: %s:%s",
|
||||
"输出降噪": "Output noise reduction",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Export audio (click on the three dots in the lower right corner to download)",
|
||||
"运行中": "Running",
|
||||
"进度": "Progress",
|
||||
"选择.index文件": "Select the .index file",
|
||||
"选择.pth文件": "Select the .pth file",
|
||||
"选择模型": "Select model",
|
||||
"选择索引": "Select index",
|
||||
"选择音高提取算法": "Select the pitch extraction algorithm",
|
||||
"采样率:": "Sample rate:",
|
||||
"采样长度": "Sample length",
|
||||
"重载设备列表": "Reload device list",
|
||||
"错误信息：%s": "Error details: %s",
|
||||
"错误：未知模型：%s": "Error: Unknown model: %s",
|
||||
"音调设置": "Pitch settings",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "The audio has multiple channels, but the model is mono; all channels will be averaged",
|
||||
"音频设备": "Audio device",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "All pitch values are zero; this audio is unusable and will be skipped: %s",
|
||||
"音高算法": "pitch detection algorithm",
|
||||
"额外推理时长": "Extra inference time",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Dataset preprocessing produced no valid training audio. Check the dataset and preprocessing log.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Dataset preprocessing produced no 16 kHz audio. Feature extraction and training have been stopped.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Dataset preprocessing outputs do not match. Feature extraction and training have been stopped.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT feature extraction produced no valid results. Training has been stopped.",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0 extraction produced no valid results. Training has been stopped.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "No valid audio is available for training. Complete dataset preprocessing and feature extraction first.",
|
||||
"已完成阶段": "Completed stages",
|
||||
"已成功": "Succeeded",
|
||||
"刷新音色列表": "Refresh voice list",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Feature index path (automatically matched after selecting a model; editable)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Index training] External index link already exists: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Index training][Skipped] added index already exists: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Index training][Skipped] trained index already exists: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Current device: %s | Inference precision: %s",
|
||||
"正在预热CUDA Graph": "Warming up CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph warm-up complete",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Data extraction started: start_time=%.6f, requested concurrency=%s, actual concurrency limit=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Data extraction finished: end_time=%.6f, total elapsed=%.3f seconds",
|
||||
"人声伴奏分离&去混响": "Vocals/Accompaniment Separation & Dereverberation",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "Batch processing of vocals, accompaniment, and reverb using pymss/MSST models.",
|
||||
"处理方式": "Processing mode",
|
||||
"底层模型": "Underlying model",
|
||||
"主结果文件夹": "Primary output folder",
|
||||
"分离残余文件夹": "Residual output folder",
|
||||
"停止分离": "Stop separation"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Intensidad de extracción vocal",
|
||||
"%s → 成功": "%s → Éxito",
|
||||
"%s运行中，请先停止该任务": "%s está en ejecución; deténgalo antes de iniciar otra tarea",
|
||||
"%s进程已终止": "El proceso %s ha finalizado",
|
||||
"====> 轮次：{} {}": "====> Época: {} {}",
|
||||
"A模型权重": "Un peso modelo para el modelo A.",
|
||||
"A模型路径": "Modelo A ruta.",
|
||||
"B模型路径": "Modelo B ruta.",
|
||||
"CUDA可用：%s": "CUDA disponible: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Extracción de F0 y características HuBERT",
|
||||
"F0提取": "Extracción F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Archivo de curva F0, opcional, un tono por línea, en lugar de F0 predeterminado y cambio de tono",
|
||||
"HuBERT特征": "Características HuBERT",
|
||||
"Index Rate": "Tasa de índice",
|
||||
"RVC模型路径": "Ruta del modelo RVC",
|
||||
"SOLA偏移：%d": "Desplazamiento SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Extracción F0] Completado | Éxito: %s | Omitidos: %s | Error: %s",
|
||||
"[F0提取] 待处理：%s": "[Extracción F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Extracción F0] No hay audio pendiente; se omitieron todos los archivos",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Extracción F0] Progreso: %s/%s | Éxito: %s | Omitidos: %s | %s",
|
||||
"[F0提取][失败] %s": "[Extracción F0][Error] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Extracción F0][Error] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Características HuBERT] Completado | Éxito: %s | Omitidos: %s | Error: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Características HuBERT] No hay audio pendiente; omitidos: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Características HuBERT] Cargando el modelo: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Características HuBERT] Dispositivo: %s | Pending: %s | Omitidos: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Características HuBERT] Progreso: %s/%s | Éxito: %s | Error: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Características HuBERT][Error] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Características HuBERT][Error] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Características HuBERT][Error] Modelo not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[División de datos] Subtarea completada | Éxito: %s | Error: %s",
|
||||
"[数据切分] 完成": "[División de datos] Completado",
|
||||
"[数据切分] 开始": "[División de datos] Iniciado",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[División de datos] Pending: %s | Procesos: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[División de datos] Progreso: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[División de datos][Error] %s",
|
||||
"[数据切分][失败] %s\n%s": "[División de datos][Error] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[División de datos][Omitidos] Segmento de audio no válido o anómalo: %s_%s | Pico: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Entrenamiento del índice] Progreso de escritura: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Entrenamiento del índice] Índice enlazado al directorio externo: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Entrenamiento del índice] Índice creado correctamente: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Entrenamiento del índice] Añadiendo vectores de características",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Entrenamiento del índice] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Entrenamiento del índice] Entrenando el índice",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Entrenamiento del índice] Forma de características: %s | Cantidad de IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Entrenamiento del índice][Error] No se pudo enlazar el índice al directorio externo: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Entrenamiento del índice][Error] Falló el agrupamiento; se continuará con las características originales\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Entrenamiento del índice][Error] Extraiga primero las características",
|
||||
"ckpt处理": "Procesamiento de recibos",
|
||||
"index文件路径不可包含中文": "La ruta del archivo .index no debe contener caracteres chinos.",
|
||||
"pth文件路径不可包含中文": "La ruta del archivo .pth no debe contener caracteres chinos.",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Separe los números de identificación de la GPU con '-' al ingresarlos. Por ejemplo, '0-1-2' significa usar GPU 0, GPU 1 y GPU 2.",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Paso 1: Complete la configuración del experimento. Los datos del experimento se almacenan en el directorio 'logs', con cada experimento en una carpeta separada. La ruta del nombre del experimento debe ingresarse manualmente y debe contener la configuración del experimento, los registros y los archivos del modelo entrenado.",
|
||||
"step1:正在处理数据": "Paso 1: Procesando datos",
|
||||
"step2:正在提取音高&正在提取特征": "Paso 2: Extracción del tono y extracción de características",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Paso 2a: Recorra automáticamente la carpeta de capacitación y corte y normalice todos los archivos de audio que se pueden decodificar en audio. Se generarán dos carpetas 'wav' en el directorio del experimento. Actualmente, solo se admite la capacitación de una sola persona.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Paso 2b: Use la CPU para extraer el tono (si el modelo tiene guía de tono) y la GPU para extraer características (seleccione el número de tarjeta).",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Paso 3: Complete la configuración de entrenamiento y comience a entrenar el modelo y el índice.",
|
||||
"step3a:正在训练模型": "Paso 3a: Entrenando el modelo",
|
||||
"step3b:正在训练索引": "paso 3b: entrenando el índice",
|
||||
"……仅显示最近10条失败记录": "…Se muestran solo los 10 errores más recientes",
|
||||
"……已省略前%s行，仅显示最新状态": "…Se omitieron las primeras %s líneas; se muestra solo el estado más reciente",
|
||||
"一键训练": "Entrenamiento con un clic",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "También se pueden importar varios archivos de audio. Si existe una ruta de carpeta, esta entrada se ignora.",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "Procesamiento por lotes para separar voces y acompañamiento mediante modelos UVR5.<br>Puede elegir un modelo que conserve las voces o usar modelos DeEcho/DeReverb para eliminar el eco y la reverberación.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Solo se admiten los métodos de extracción de tono pm y rmvpe",
|
||||
"从训练检查点提取的模型": "Modeloo extraído de un punto de control de entrenamiento",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Separe los números de identificación de la GPU con '-' al ingresarlos. Por ejemplo, '0-1-2' significa usar GPU 0, GPU 1 y GPU 2.",
|
||||
"任务": "Tarea",
|
||||
"伴奏人声分离&去混响&去回声": "Separación de voz acompañante & eliminación de reverberación & eco",
|
||||
"使用显卡：%s": "GPU en uso: %s",
|
||||
"使用模型采样率": "Usar la frecuencia del modelo",
|
||||
"使用设备采样率": "Usar la frecuencia del dispositivo",
|
||||
"保存名": "Guardar nombre",
|
||||
"保存的文件名, 默认空为和源文件同名": "Nombre del archivo que se guardará, el valor predeterminado es el mismo que el nombre del archivo de origen",
|
||||
"保存的模型名不带后缀": "Nombre del modelo guardado sin extensión.",
|
||||
"保存频率save_every_epoch": "Frecuencia de guardado (save_every_epoch)",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteger las consonantes claras y la respiración, prevenir artefactos como la distorsión de sonido electrónico, 0.5 no está activado, reducir aumentará la protección pero puede reducir el efecto del índice",
|
||||
"修改": "Modificar",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modificar la información del modelo (solo admite archivos de modelos pequeños extraídos en la carpeta weights)",
|
||||
"停止一键训练": "Detener entrenamiento con un clic",
|
||||
"停止处理数据": "Detener preprocesamiento de datos",
|
||||
"停止特征提取": "Detener extracción de características",
|
||||
"停止训练模型": "Detener entrenamiento del modelo",
|
||||
"停止训练索引": "Detener entrenamiento del índice",
|
||||
"停止音频转换": "Detener la conversión de audio",
|
||||
"全流程结束！": "¡Todo el proceso ha terminado!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Cargar modelo",
|
||||
"加载预训练底模D路径": "Cargue la ruta del modelo D base pre-entrenada.",
|
||||
"加载预训练底模G路径": "Cargue la ruta del modelo G base pre-entrenada.",
|
||||
"单次推理": "Inferencia individual",
|
||||
"卸载音色省显存": "Descargue la voz para ahorrar memoria GPU",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Cambio de tono (entero, número de semitonos, subir una octava +12 o bajar una octava -12)",
|
||||
"合成": "Síntesis",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Remuestreo posterior al proceso a la tasa de muestreo final, 0 significa no remuestrear",
|
||||
"否": "No",
|
||||
"响应阈值": "Umbral de respuesta",
|
||||
"响度因子": "factor de sonoridad",
|
||||
"处理中": "Procesando",
|
||||
"处理数据": "Procesar datos",
|
||||
"失败": "Error",
|
||||
"失败记录": "Registro de errores",
|
||||
"子进程执行失败，返回码：%s": "El subproceso falló con el código de salida: %s",
|
||||
"导出文件格式": "Formato de archivo de exportación",
|
||||
"已停止": "Detenido",
|
||||
"已加载判别器预训练模型：%s": "Modeloo preentrenado del discriminador cargado: %s",
|
||||
"已加载生成器预训练模型：%s": "Modeloo preentrenado del generador cargado: %s",
|
||||
"已启用索引检索": "Búsqueda por índice activada",
|
||||
"已完成": "Completado",
|
||||
"已恢复判别器检查点": "Se restauró el punto de control del discriminador",
|
||||
"常见问题解答": "Preguntas frecuentes",
|
||||
"常规设置": "Configuración general",
|
||||
"开始音频转换": "Iniciar conversión de audio",
|
||||
"当前": "Actual",
|
||||
"当前阶段": "Etapa actual",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Lamentablemente, no tiene una tarjeta gráfica adecuada para soportar su entrenamiento",
|
||||
"性别因子/声线粗细": "Factor de género / grosor de la voz",
|
||||
"性能设置": "Configuración de rendimiento",
|
||||
"总训练轮数total_epoch": "Total de épocas de entrenamiento (total_epoch)",
|
||||
"成功": "Éxito",
|
||||
"执行命令": "Comando",
|
||||
"批量推理": "Inferencia por lotes",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversión por lotes, ingrese la carpeta que contiene los archivos de audio para convertir o cargue varios archivos de audio. El audio convertido se emitirá en la carpeta especificada (opción predeterminada).",
|
||||
"拖拽或点击上传待处理音频": "Arrastre y suelte o haga clic para subir el audio que desea procesar",
|
||||
"指定输出主人声文件夹": "Especifique la carpeta de salida para la voz principal",
|
||||
"指定输出文件夹": "Especificar carpeta de salida",
|
||||
"指定输出非主人声文件夹": "Especifique la carpeta de salida para las voces no principales",
|
||||
"推理时间(ms):": "Inferir tiempo (ms):",
|
||||
"推理耗时：%.2f秒": "Tiempo de inferencia: %.2f seconds",
|
||||
"推理音色": "inferencia de voz",
|
||||
"提取": "Extraer",
|
||||
"提取音高和处理数据使用的CPU进程数": "Número de procesos de CPU utilizados para extraer el tono y procesar los datos",
|
||||
"数据切分": "División de datos",
|
||||
"无法停止": "No se puede detener",
|
||||
"无法读取音频：%s": "No se pudo leer el audio: %s",
|
||||
"是": "Sí",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Guardar solo el archivo ckpt más reciente para ahorrar espacio en disco",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Guardar pequeño modelo final en la carpeta 'weights' en cada punto de guardado",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Si almacenar en caché todos los conjuntos de entrenamiento en la memoria de la GPU. Los conjuntos de datos pequeños (menos de 10 minutos) se pueden almacenar en caché para acelerar el entrenamiento, pero el almacenamiento en caché de conjuntos de datos grandes puede causar errores de memoria en la GPU y no aumenta la velocidad de manera significativa.",
|
||||
"显卡信息": "información de la GPU",
|
||||
"未使用": "No utilizado",
|
||||
"未使用判别器预训练模型": "No se usó el modelo preentrenado del discriminador",
|
||||
"未使用生成器预训练模型": "No se usó el modelo preentrenado del generador",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "No se encontró la configuración del modelo Roformer; se usarán los valores integrados",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "No se detectó una GPU compatible; entrenar con la CPU puede tardar mucho más",
|
||||
"未运行": "No iniciado",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Este software es de código abierto bajo la licencia MIT, el autor no tiene ningún control sobre el software, y aquellos que usan el software y difunden los sonidos exportados por el software son los únicos responsables.<br>Si no está de acuerdo con esta cláusula , no puede utilizar ni citar ningún código ni archivo del paquete de software Consulte el directorio raíz <b>Agreement-LICENSE.txt</b> para obtener más información.",
|
||||
"查看": "Ver",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Ver información del modelo (solo aplicable a archivos de modelos pequeños extraídos de la carpeta 'pesos')",
|
||||
"检测到模型类型：%s": "Tipo de modelo detectado: %s",
|
||||
"检索特征占比": "Proporción de función de búsqueda",
|
||||
"模型": "Modelo",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Información del modelo: %s\nFrecuencia de muestreo: %s\nGuía de tono: %s\nVersión: %s",
|
||||
"模型推理": "inferencia del modelo",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extracción de modelo (ingrese la ruta de un archivo de modelo grande en la carpeta 'logs'), aplicable cuando desea extraer un archivo de modelo pequeño después de entrenar a mitad de camino y no se guardó automáticamente, o cuando desea probar un modelo intermedio",
|
||||
"模型是否带音高指导": "Si el modelo tiene guía de tono.",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Si el modelo tiene guía de tono (necesaria para cantar, pero no para hablar)",
|
||||
"模型是否带音高指导,1是0否": "Si el modelo tiene guía de tono, 1 para sí, 0 para no",
|
||||
"模型版本型号": "Versión y modelo del modelo",
|
||||
"模型融合, 可用于测试音色融合": "Fusión de modelos, se puede utilizar para fusionar diferentes voces",
|
||||
"模型融合失败：两个模型的结构不一致": "Error al fusionar modelos: las arquitecturas no coinciden",
|
||||
"模型训练": "Entrenamiento del modelo",
|
||||
"模型路径": "Ruta del modelo",
|
||||
"正在保存最终检查点：%s": "Guardando el punto de control final: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Guardando el punto de control %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Cargando el modelo RMVPE",
|
||||
"正在加载模型": "Cargando el modelo",
|
||||
"正在启动": "Iniciando",
|
||||
"正在收尾": "Finalizando",
|
||||
"每张显卡的batch_size": "Tamaño del lote (batch_size) por tarjeta gráfica",
|
||||
"淡入淡出长度": "Duración del fundido de entrada/salida",
|
||||
"清理模型缓存": "Limpiando la caché del modelo",
|
||||
"版本": "Versión",
|
||||
"特征": "Características",
|
||||
"特征提取": "Extracción de características",
|
||||
"状态": "Estado",
|
||||
"独占 WASAPI 设备": "Dispositivo WASAPI exclusivo",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Tecla +12 recomendada para conversión de voz de hombre a mujer, tecla -12 para conversión de voz de mujer a hombre. Si el rango de tono es demasiado amplio y causa distorsión, ajústelo usted mismo a un rango adecuado.",
|
||||
"目标采样率": "Tasa de muestreo objetivo",
|
||||
"等待中": "En espera",
|
||||
"等待输入": "Esperando entrada",
|
||||
"算法延迟(ms):": "Latencia del algoritmo (ms):",
|
||||
"索引": "Índice",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Índice no válido: use added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Falló la búsqueda por índice",
|
||||
"索引检索失败或未启用": "La búsqueda por índice falló o está desactivada",
|
||||
"索引训练": "Entrenamiento del índice",
|
||||
"耗时": "Tiempo transcurrido",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Tiempo transcurrido: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusión",
|
||||
"要改的模型信息": "Información del modelo a modificar",
|
||||
"要置入的模型信息": "Información del modelo a colocar.",
|
||||
"训练": "Entrenamiento",
|
||||
"训练已完成，正在保存最终模型": "Entrenamiento completado; guardando el modelo final",
|
||||
"训练文件列表写入完成": "Lista de archivos de entrenamiento guardada",
|
||||
"训练模型": "Entrenar Modelo",
|
||||
"训练特征索引": "Índice de características",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Entrenamiento finalizado, puede ver el registro de entrenamiento en la consola o en el archivo train.log en la carpeta del experimento",
|
||||
"训练设备规则选择的精度：%s": "Precisión de entrenamiento elegida según las reglas del dispositivo: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Época de entrenamiento: {} [{:.0f}%]",
|
||||
"设备类型": "Tipo de dispositivo",
|
||||
"请上传音频文件": "Suba un archivo de audio",
|
||||
"请填写输出文件夹路径": "Introduzca la ruta de la carpeta de salida",
|
||||
"请指定说话人id": "ID del modelo",
|
||||
"请选择index文件": "Seleccione el archivo .index",
|
||||
"请选择pth文件": "Seleccione el archivo .pth",
|
||||
"请选择说话人id": "Seleccione una identificación de altavoz",
|
||||
"转换": "Conversión",
|
||||
"输入实验名": "Ingrese el nombre del modelo",
|
||||
"输入待处理音频文件夹路径": "Ingrese la ruta a la carpeta de audio que se procesará",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Ingrese la ruta a la carpeta de audio que se procesará (simplemente cópiela desde la barra de direcciones del administrador de archivos)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Ingrese la ruta del archivo del audio que se procesará (el formato predeterminado es el ejemplo correcto)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Proporción de fusión para reemplazar el sobre de volumen de entrada con el sobre de volumen de salida, cuanto más cerca de 1, más se utiliza el sobre de salida",
|
||||
"输入监听": "Monitorizar entrada",
|
||||
"输入训练文件夹路径": "Introduzca la ruta de la carpeta de entrenamiento",
|
||||
"输入设备": "Dispositivo de entrada",
|
||||
"输入设备：%s:%s": "Dispositivo de entrada: %s:%s",
|
||||
"输入降噪": "Reducción de ruido de entrada",
|
||||
"输出信息": "Información de salida",
|
||||
"输出变声": "Conversión de salida",
|
||||
"输出设备": "Dispositivo de salida",
|
||||
"输出设备：%s:%s": "Dispositivo de salida: %s:%s",
|
||||
"输出降噪": "Reducción de ruido de salida",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Salida de audio (haga clic en los tres puntos en la esquina inferior derecha para descargar)",
|
||||
"运行中": "En ejecución",
|
||||
"进度": "Progreso",
|
||||
"选择.index文件": "Seleccione el archivo .index",
|
||||
"选择.pth文件": "Seleccione el archivo .pth",
|
||||
"选择模型": "Seleccionar modelo",
|
||||
"选择索引": "Seleccionar índice",
|
||||
"选择音高提取算法": "Seleccione el algoritmo de extracción de tono",
|
||||
"采样率:": "Frecuencia de muestreo:",
|
||||
"采样长度": "Longitud de muestreo",
|
||||
"重载设备列表": "Actualizar lista de dispositivos",
|
||||
"错误信息：%s": "Detalles del error: %s",
|
||||
"错误：未知模型：%s": "Error: modelo desconocido: %s",
|
||||
"音调设置": "Ajuste de tono",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "El audio tiene varios canales, pero el modelo es mono; se promediarán todos los canales",
|
||||
"音频设备": "Dispositivo de audio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Todos los valores de tono son cero; este audio no es útil y se omitirá: %s",
|
||||
"音高算法": "Algoritmo de tono",
|
||||
"额外推理时长": "Tiempo de inferencia adicional",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "El preprocesamiento no generó audio de entrenamiento válido. Revise el conjunto de datos y el registro.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "El preprocesamiento no generó audio de 16 kHz. Se detuvieron la extracción de características y el entrenamiento.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Los archivos de salida del preprocesamiento no coinciden. Se detuvieron la extracción y el entrenamiento.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "La extracción de características HuBERT no generó resultados válidos. Se detuvo el entrenamiento.",
|
||||
"F0提取没有生成有效结果，已停止训练": "La extracción de F0 no generó resultados válidos. Se detuvo el entrenamiento.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "No hay audio válido para entrenar. Complete primero el preprocesamiento y la extracción de características.",
|
||||
"已完成阶段": "Etapas completadas",
|
||||
"已成功": "Correcto",
|
||||
"刷新音色列表": "Actualizar lista de voces",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Ruta del índice de características (se detecta al elegir el modelo; editable)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Entrenamiento de índice] El enlace externo ya existe: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Entrenamiento de índice][Omitido] El índice added ya existe: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Entrenamiento de índice][Omitido] El índice trained ya existe: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Dispositivo actual: %s | Precisión de inferencia: %s",
|
||||
"正在预热CUDA Graph": "Preparando CUDA Graph",
|
||||
"CUDA Graph预热完成": "Preparación de CUDA Graph completada",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Extracción de datos iniciada: start_time=%.6f, concurrencia solicitada=%s, límite real=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Extracción de datos finalizada: end_time=%.6f, tiempo total=%.3f segundos"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Intensidad de extracción vocal",
|
||||
"%s → 成功": "%s → Éxito",
|
||||
"%s运行中，请先停止该任务": "%s está en ejecución; deténgalo antes de iniciar otra tarea",
|
||||
"%s进程已终止": "El proceso %s ha finalizado",
|
||||
"====> 轮次：{} {}": "====> Época: {} {}",
|
||||
"A模型权重": "Un peso modelo para el modelo A.",
|
||||
"A模型路径": "Modelo A ruta.",
|
||||
"B模型路径": "Modelo B ruta.",
|
||||
"CUDA可用：%s": "CUDA disponible: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Extracción de F0 y características HuBERT",
|
||||
"F0提取": "Extracción F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Archivo de curva F0, opcional, un tono por línea, en lugar de F0 predeterminado y cambio de tono",
|
||||
"HuBERT特征": "Características HuBERT",
|
||||
"Index Rate": "Tasa de índice",
|
||||
"RVC模型路径": "Ruta del modelo RVC",
|
||||
"SOLA偏移：%d": "Desplazamiento SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Extracción F0] Completado | Éxito: %s | Omitidos: %s | Error: %s",
|
||||
"[F0提取] 待处理：%s": "[Extracción F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Extracción F0] No hay audio pendiente; se omitieron todos los archivos",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Extracción F0] Progreso: %s/%s | Éxito: %s | Omitidos: %s | %s",
|
||||
"[F0提取][失败] %s": "[Extracción F0][Error] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Extracción F0][Error] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Características HuBERT] Completado | Éxito: %s | Omitidos: %s | Error: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Características HuBERT] No hay audio pendiente; omitidos: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Características HuBERT] Cargando el modelo: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Características HuBERT] Dispositivo: %s | Pending: %s | Omitidos: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Características HuBERT] Progreso: %s/%s | Éxito: %s | Error: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Características HuBERT][Error] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Características HuBERT][Error] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Características HuBERT][Error] Modelo not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[División de datos] Subtarea completada | Éxito: %s | Error: %s",
|
||||
"[数据切分] 完成": "[División de datos] Completado",
|
||||
"[数据切分] 开始": "[División de datos] Iniciado",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[División de datos] Pending: %s | Procesos: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[División de datos] Progreso: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[División de datos][Error] %s",
|
||||
"[数据切分][失败] %s\n%s": "[División de datos][Error] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[División de datos][Omitidos] Segmento de audio no válido o anómalo: %s_%s | Pico: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Entrenamiento del índice] Progreso de escritura: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Entrenamiento del índice] Índice enlazado al directorio externo: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Entrenamiento del índice] Índice creado correctamente: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Entrenamiento del índice] Añadiendo vectores de características",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Entrenamiento del índice] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Entrenamiento del índice] Entrenando el índice",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Entrenamiento del índice] Forma de características: %s | Cantidad de IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Entrenamiento del índice][Error] No se pudo enlazar el índice al directorio externo: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Entrenamiento del índice][Error] Falló el agrupamiento; se continuará con las características originales\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Entrenamiento del índice][Error] Extraiga primero las características",
|
||||
"ckpt处理": "Procesamiento de recibos",
|
||||
"index文件路径不可包含中文": "La ruta del archivo .index no debe contener caracteres chinos.",
|
||||
"pth文件路径不可包含中文": "La ruta del archivo .pth no debe contener caracteres chinos.",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Separe los números de identificación de la GPU con '-' al ingresarlos. Por ejemplo, '0-1-2' significa usar GPU 0, GPU 1 y GPU 2.",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Paso 1: Complete la configuración del experimento. Los datos del experimento se almacenan en el directorio 'logs', con cada experimento en una carpeta separada. La ruta del nombre del experimento debe ingresarse manualmente y debe contener la configuración del experimento, los registros y los archivos del modelo entrenado.",
|
||||
"step1:正在处理数据": "Paso 1: Procesando datos",
|
||||
"step2:正在提取音高&正在提取特征": "Paso 2: Extracción del tono y extracción de características",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Paso 2a: Recorra automáticamente la carpeta de capacitación y corte y normalice todos los archivos de audio que se pueden decodificar en audio. Se generarán dos carpetas 'wav' en el directorio del experimento. Actualmente, solo se admite la capacitación de una sola persona.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Paso 2b: Use la CPU para extraer el tono (si el modelo tiene guía de tono) y la GPU para extraer características (seleccione el número de tarjeta).",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Paso 3: Complete la configuración de entrenamiento y comience a entrenar el modelo y el índice.",
|
||||
"step3a:正在训练模型": "Paso 3a: Entrenando el modelo",
|
||||
"step3b:正在训练索引": "paso 3b: entrenando el índice",
|
||||
"……仅显示最近10条失败记录": "…Se muestran solo los 10 errores más recientes",
|
||||
"……已省略前%s行，仅显示最新状态": "…Se omitieron las primeras %s líneas; se muestra solo el estado más reciente",
|
||||
"一键训练": "Entrenamiento con un clic",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "También se pueden importar varios archivos de audio. Si existe una ruta de carpeta, esta entrada se ignora.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Solo se admiten los métodos de extracción de tono pm y rmvpe",
|
||||
"从训练检查点提取的模型": "Modeloo extraído de un punto de control de entrenamiento",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Separe los números de identificación de la GPU con '-' al ingresarlos. Por ejemplo, '0-1-2' significa usar GPU 0, GPU 1 y GPU 2.",
|
||||
"任务": "Tarea",
|
||||
"使用显卡：%s": "GPU en uso: %s",
|
||||
"使用模型采样率": "Usar la frecuencia del modelo",
|
||||
"使用设备采样率": "Usar la frecuencia del dispositivo",
|
||||
"保存名": "Guardar nombre",
|
||||
"保存的文件名, 默认空为和源文件同名": "Nombre del archivo que se guardará, el valor predeterminado es el mismo que el nombre del archivo de origen",
|
||||
"保存的模型名不带后缀": "Nombre del modelo guardado sin extensión.",
|
||||
"保存频率save_every_epoch": "Frecuencia de guardado (save_every_epoch)",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteger las consonantes claras y la respiración, prevenir artefactos como la distorsión de sonido electrónico, 0.5 no está activado, reducir aumentará la protección pero puede reducir el efecto del índice",
|
||||
"修改": "Modificar",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modificar la información del modelo (solo admite archivos de modelos pequeños extraídos en la carpeta weights)",
|
||||
"停止一键训练": "Detener entrenamiento con un clic",
|
||||
"停止处理数据": "Detener preprocesamiento de datos",
|
||||
"停止特征提取": "Detener extracción de características",
|
||||
"停止训练模型": "Detener entrenamiento del modelo",
|
||||
"停止训练索引": "Detener entrenamiento del índice",
|
||||
"停止音频转换": "Detener la conversión de audio",
|
||||
"全流程结束！": "¡Todo el proceso ha terminado!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Cargar modelo",
|
||||
"加载预训练底模D路径": "Cargue la ruta del modelo D base pre-entrenada.",
|
||||
"加载预训练底模G路径": "Cargue la ruta del modelo G base pre-entrenada.",
|
||||
"单次推理": "Inferencia individual",
|
||||
"卸载音色省显存": "Descargue la voz para ahorrar memoria GPU",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Cambio de tono (entero, número de semitonos, subir una octava +12 o bajar una octava -12)",
|
||||
"合成": "Síntesis",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Remuestreo posterior al proceso a la tasa de muestreo final, 0 significa no remuestrear",
|
||||
"否": "No",
|
||||
"响应阈值": "Umbral de respuesta",
|
||||
"响度因子": "factor de sonoridad",
|
||||
"处理中": "Procesando",
|
||||
"处理数据": "Procesar datos",
|
||||
"失败": "Error",
|
||||
"失败记录": "Registro de errores",
|
||||
"子进程执行失败，返回码：%s": "El subproceso falló con el código de salida: %s",
|
||||
"导出文件格式": "Formato de archivo de exportación",
|
||||
"已停止": "Detenido",
|
||||
"已加载判别器预训练模型：%s": "Modeloo preentrenado del discriminador cargado: %s",
|
||||
"已加载生成器预训练模型：%s": "Modeloo preentrenado del generador cargado: %s",
|
||||
"已启用索引检索": "Búsqueda por índice activada",
|
||||
"已完成": "Completado",
|
||||
"已恢复判别器检查点": "Se restauró el punto de control del discriminador",
|
||||
"常见问题解答": "Preguntas frecuentes",
|
||||
"常规设置": "Configuración general",
|
||||
"开始音频转换": "Iniciar conversión de audio",
|
||||
"当前": "Actual",
|
||||
"当前阶段": "Etapa actual",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Lamentablemente, no tiene una tarjeta gráfica adecuada para soportar su entrenamiento",
|
||||
"性别因子/声线粗细": "Factor de género / grosor de la voz",
|
||||
"性能设置": "Configuración de rendimiento",
|
||||
"总训练轮数total_epoch": "Total de épocas de entrenamiento (total_epoch)",
|
||||
"成功": "Éxito",
|
||||
"执行命令": "Comando",
|
||||
"批量推理": "Inferencia por lotes",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversión por lotes, ingrese la carpeta que contiene los archivos de audio para convertir o cargue varios archivos de audio. El audio convertido se emitirá en la carpeta especificada (opción predeterminada).",
|
||||
"拖拽或点击上传待处理音频": "Arrastre y suelte o haga clic para subir el audio que desea procesar",
|
||||
"指定输出主人声文件夹": "Especifique la carpeta de salida para la voz principal",
|
||||
"指定输出文件夹": "Especificar carpeta de salida",
|
||||
"指定输出非主人声文件夹": "Especifique la carpeta de salida para las voces no principales",
|
||||
"推理时间(ms):": "Inferir tiempo (ms):",
|
||||
"推理耗时：%.2f秒": "Tiempo de inferencia: %.2f seconds",
|
||||
"推理音色": "inferencia de voz",
|
||||
"提取": "Extraer",
|
||||
"提取音高和处理数据使用的CPU进程数": "Número de procesos de CPU utilizados para extraer el tono y procesar los datos",
|
||||
"数据切分": "División de datos",
|
||||
"无法停止": "No se puede detener",
|
||||
"无法读取音频：%s": "No se pudo leer el audio: %s",
|
||||
"是": "Sí",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Guardar solo el archivo ckpt más reciente para ahorrar espacio en disco",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Guardar pequeño modelo final en la carpeta 'weights' en cada punto de guardado",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Si almacenar en caché todos los conjuntos de entrenamiento en la memoria de la GPU. Los conjuntos de datos pequeños (menos de 10 minutos) se pueden almacenar en caché para acelerar el entrenamiento, pero el almacenamiento en caché de conjuntos de datos grandes puede causar errores de memoria en la GPU y no aumenta la velocidad de manera significativa.",
|
||||
"显卡信息": "información de la GPU",
|
||||
"未使用": "No utilizado",
|
||||
"未使用判别器预训练模型": "No se usó el modelo preentrenado del discriminador",
|
||||
"未使用生成器预训练模型": "No se usó el modelo preentrenado del generador",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "No se encontró la configuración del modelo Roformer; se usarán los valores integrados",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "No se detectó una GPU compatible; entrenar con la CPU puede tardar mucho más",
|
||||
"未运行": "No iniciado",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Este software es de código abierto bajo la licencia MIT, el autor no tiene ningún control sobre el software, y aquellos que usan el software y difunden los sonidos exportados por el software son los únicos responsables.<br>Si no está de acuerdo con esta cláusula , no puede utilizar ni citar ningún código ni archivo del paquete de software Consulte el directorio raíz <b>Agreement-LICENSE.txt</b> para obtener más información.",
|
||||
"查看": "Ver",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Ver información del modelo (solo aplicable a archivos de modelos pequeños extraídos de la carpeta 'pesos')",
|
||||
"检测到模型类型：%s": "Tipo de modelo detectado: %s",
|
||||
"检索特征占比": "Proporción de función de búsqueda",
|
||||
"模型": "Modelo",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Información del modelo: %s\nFrecuencia de muestreo: %s\nGuía de tono: %s\nVersión: %s",
|
||||
"模型推理": "inferencia del modelo",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extracción de modelo (ingrese la ruta de un archivo de modelo grande en la carpeta 'logs'), aplicable cuando desea extraer un archivo de modelo pequeño después de entrenar a mitad de camino y no se guardó automáticamente, o cuando desea probar un modelo intermedio",
|
||||
"模型是否带音高指导": "Si el modelo tiene guía de tono.",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Si el modelo tiene guía de tono (necesaria para cantar, pero no para hablar)",
|
||||
"模型是否带音高指导,1是0否": "Si el modelo tiene guía de tono, 1 para sí, 0 para no",
|
||||
"模型版本型号": "Versión y modelo del modelo",
|
||||
"模型融合, 可用于测试音色融合": "Fusión de modelos, se puede utilizar para fusionar diferentes voces",
|
||||
"模型融合失败：两个模型的结构不一致": "Error al fusionar modelos: las arquitecturas no coinciden",
|
||||
"模型训练": "Entrenamiento del modelo",
|
||||
"模型路径": "Ruta del modelo",
|
||||
"正在保存最终检查点：%s": "Guardando el punto de control final: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Guardando el punto de control %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Cargando el modelo RMVPE",
|
||||
"正在加载模型": "Cargando el modelo",
|
||||
"正在启动": "Iniciando",
|
||||
"正在收尾": "Finalizando",
|
||||
"每张显卡的batch_size": "Tamaño del lote (batch_size) por tarjeta gráfica",
|
||||
"淡入淡出长度": "Duración del fundido de entrada/salida",
|
||||
"清理模型缓存": "Limpiando la caché del modelo",
|
||||
"版本": "Versión",
|
||||
"特征": "Características",
|
||||
"特征提取": "Extracción de características",
|
||||
"状态": "Estado",
|
||||
"独占 WASAPI 设备": "Dispositivo WASAPI exclusivo",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Tecla +12 recomendada para conversión de voz de hombre a mujer, tecla -12 para conversión de voz de mujer a hombre. Si el rango de tono es demasiado amplio y causa distorsión, ajústelo usted mismo a un rango adecuado.",
|
||||
"目标采样率": "Tasa de muestreo objetivo",
|
||||
"等待中": "En espera",
|
||||
"等待输入": "Esperando entrada",
|
||||
"算法延迟(ms):": "Latencia del algoritmo (ms):",
|
||||
"索引": "Índice",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Índice no válido: use added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Falló la búsqueda por índice",
|
||||
"索引检索失败或未启用": "La búsqueda por índice falló o está desactivada",
|
||||
"索引训练": "Entrenamiento del índice",
|
||||
"耗时": "Tiempo transcurrido",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Tiempo transcurrido: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusión",
|
||||
"要改的模型信息": "Información del modelo a modificar",
|
||||
"要置入的模型信息": "Información del modelo a colocar.",
|
||||
"训练": "Entrenamiento",
|
||||
"训练已完成，正在保存最终模型": "Entrenamiento completado; guardando el modelo final",
|
||||
"训练文件列表写入完成": "Lista de archivos de entrenamiento guardada",
|
||||
"训练模型": "Entrenar Modelo",
|
||||
"训练特征索引": "Índice de características",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Entrenamiento finalizado, puede ver el registro de entrenamiento en la consola o en el archivo train.log en la carpeta del experimento",
|
||||
"训练设备规则选择的精度：%s": "Precisión de entrenamiento elegida según las reglas del dispositivo: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Época de entrenamiento: {} [{:.0f}%]",
|
||||
"设备类型": "Tipo de dispositivo",
|
||||
"请上传音频文件": "Suba un archivo de audio",
|
||||
"请填写输出文件夹路径": "Introduzca la ruta de la carpeta de salida",
|
||||
"请指定说话人id": "ID del modelo",
|
||||
"请选择index文件": "Seleccione el archivo .index",
|
||||
"请选择pth文件": "Seleccione el archivo .pth",
|
||||
"请选择说话人id": "Seleccione una identificación de altavoz",
|
||||
"转换": "Conversión",
|
||||
"输入实验名": "Ingrese el nombre del modelo",
|
||||
"输入待处理音频文件夹路径": "Ingrese la ruta a la carpeta de audio que se procesará",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Ingrese la ruta a la carpeta de audio que se procesará (simplemente cópiela desde la barra de direcciones del administrador de archivos)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Ingrese la ruta del archivo del audio que se procesará (el formato predeterminado es el ejemplo correcto)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Proporción de fusión para reemplazar el sobre de volumen de entrada con el sobre de volumen de salida, cuanto más cerca de 1, más se utiliza el sobre de salida",
|
||||
"输入监听": "Monitorizar entrada",
|
||||
"输入训练文件夹路径": "Introduzca la ruta de la carpeta de entrenamiento",
|
||||
"输入设备": "Dispositivo de entrada",
|
||||
"输入设备：%s:%s": "Dispositivo de entrada: %s:%s",
|
||||
"输入降噪": "Reducción de ruido de entrada",
|
||||
"输出信息": "Información de salida",
|
||||
"输出变声": "Conversión de salida",
|
||||
"输出设备": "Dispositivo de salida",
|
||||
"输出设备：%s:%s": "Dispositivo de salida: %s:%s",
|
||||
"输出降噪": "Reducción de ruido de salida",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Salida de audio (haga clic en los tres puntos en la esquina inferior derecha para descargar)",
|
||||
"运行中": "En ejecución",
|
||||
"进度": "Progreso",
|
||||
"选择.index文件": "Seleccione el archivo .index",
|
||||
"选择.pth文件": "Seleccione el archivo .pth",
|
||||
"选择模型": "Seleccionar modelo",
|
||||
"选择索引": "Seleccionar índice",
|
||||
"选择音高提取算法": "Seleccione el algoritmo de extracción de tono",
|
||||
"采样率:": "Frecuencia de muestreo:",
|
||||
"采样长度": "Longitud de muestreo",
|
||||
"重载设备列表": "Actualizar lista de dispositivos",
|
||||
"错误信息：%s": "Detalles del error: %s",
|
||||
"错误：未知模型：%s": "Error: modelo desconocido: %s",
|
||||
"音调设置": "Ajuste de tono",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "El audio tiene varios canales, pero el modelo es mono; se promediarán todos los canales",
|
||||
"音频设备": "Dispositivo de audio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Todos los valores de tono son cero; este audio no es útil y se omitirá: %s",
|
||||
"音高算法": "Algoritmo de tono",
|
||||
"额外推理时长": "Tiempo de inferencia adicional",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "El preprocesamiento no generó audio de entrenamiento válido. Revise el conjunto de datos y el registro.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "El preprocesamiento no generó audio de 16 kHz. Se detuvieron la extracción de características y el entrenamiento.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Los archivos de salida del preprocesamiento no coinciden. Se detuvieron la extracción y el entrenamiento.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "La extracción de características HuBERT no generó resultados válidos. Se detuvo el entrenamiento.",
|
||||
"F0提取没有生成有效结果，已停止训练": "La extracción de F0 no generó resultados válidos. Se detuvo el entrenamiento.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "No hay audio válido para entrenar. Complete primero el preprocesamiento y la extracción de características.",
|
||||
"已完成阶段": "Etapas completadas",
|
||||
"已成功": "Correcto",
|
||||
"刷新音色列表": "Actualizar lista de voces",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Ruta del índice de características (se detecta al elegir el modelo; editable)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Entrenamiento de índice] El enlace externo ya existe: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Entrenamiento de índice][Omitido] El índice added ya existe: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Entrenamiento de índice][Omitido] El índice trained ya existe: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Dispositivo actual: %s | Precisión de inferencia: %s",
|
||||
"正在预热CUDA Graph": "Preparando CUDA Graph",
|
||||
"CUDA Graph预热完成": "Preparación de CUDA Graph completada",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Extracción de datos iniciada: start_time=%.6f, concurrencia solicitada=%s, límite real=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Extracción de datos finalizada: end_time=%.6f, tiempo total=%.3f segundos",
|
||||
"人声伴奏分离&去混响": "Separación de voz/acompañamiento y eliminación de reverberación",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "Procesamiento por lotes de voz, acompañamiento y reverberación con modelos pymss/MSST.",
|
||||
"处理方式": "Modo de procesamiento",
|
||||
"底层模型": "Modelo subyacente",
|
||||
"主结果文件夹": "Carpeta de salida principal",
|
||||
"分离残余文件夹": "Carpeta de salida residual",
|
||||
"停止分离": "Detener separación"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Intensité de l’extraction vocale",
|
||||
"%s → 成功": "%s → Réussite",
|
||||
"%s运行中，请先停止该任务": "%s est en cours ; arrêtez cette tâche avant d'en démarrer une autre",
|
||||
"%s进程已终止": "Le processus %s a été arrêté",
|
||||
"====> 轮次：{} {}": "====> Époque : {} {}",
|
||||
"A模型权重": "Poids (w) pour le modèle A :",
|
||||
"A模型路径": "Chemin d'accès au modèle A :",
|
||||
"B模型路径": "Chemin d'accès au modèle B :",
|
||||
"CUDA可用：%s": "CUDA disponible : %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Extraction F0 et caractéristiques HuBERT",
|
||||
"F0提取": "Extraction F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Fichier de courbe F0 (facultatif). Une hauteur par ligne. Remplace la fréquence fondamentale par défaut et la modulation de la hauteur :",
|
||||
"HuBERT特征": "Caractéristiques HuBERT",
|
||||
"Index Rate": "Taux d'indexation",
|
||||
"RVC模型路径": "Chemin du modèle RVC :",
|
||||
"SOLA偏移：%d": "Décalage SOLA : %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Extraction F0] Terminé | Réussite: %s | Ignorés: %s | Échec: %s",
|
||||
"[F0提取] 待处理：%s": "[Extraction F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Extraction F0] Aucun audio en attente ; tous les fichiers ont été ignorés",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Extraction F0] Progression: %s/%s | Réussite: %s | Ignorés: %s | %s",
|
||||
"[F0提取][失败] %s": "[Extraction F0][Échec] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Extraction F0][Échec] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Caractéristiques HuBERT] Terminé | Réussite: %s | Ignorés: %s | Échec: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Caractéristiques HuBERT] Aucun audio en attente ; ignorés: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Caractéristiques HuBERT] Chargement du modèle: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Caractéristiques HuBERT] Périphérique: %s | Pending: %s | Ignorés: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Caractéristiques HuBERT] Progression: %s/%s | Réussite: %s | Échec: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Caractéristiques HuBERT][Échec] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Caractéristiques HuBERT][Échec] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Caractéristiques HuBERT][Échec] Modèle not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Découpage des données] Sous-tâche terminée | Réussite: %s | Échec: %s",
|
||||
"[数据切分] 完成": "[Découpage des données] Terminé",
|
||||
"[数据切分] 开始": "[Découpage des données] Démarré",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Découpage des données] Pending: %s | Processus: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Découpage des données] Progression: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Découpage des données][Échec] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Découpage des données][Échec] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Découpage des données][Ignorés] Segment audio invalide ou anormal: %s_%s | Crête: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Entraînement de l'index] Progressionion de l'écriture: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Entraînement de l'index] Index lié au dossier externe: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Entraînement de l'index] Index créé avec succès: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Entraînement de l'index] Ajout des vecteurs de caractéristiques",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Entraînement de l'index] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Entraînement de l'index] Entraînement de l'index",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Entraînement de l'index] Forme des caractéristiques: %s | Nombre d'IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Entraînement de l'index][Échec] Impossible de lier l'index au dossier externe: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Entraînement de l'index][Échec] Échec du regroupement ; poursuite avec les caractéristiques d'origine\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Entraînement de l'index][Échec] Extrayez d'abord les caractéristiques",
|
||||
"ckpt处理": "Traitement des fichiers .ckpt",
|
||||
"index文件路径不可包含中文": "Le chemin du fichier d'index ne doit pas contenir de caractères chinois.",
|
||||
"pth文件路径不可包含中文": "Le chemin du fichier .pth ne doit pas contenir de caractères chinois.",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configuration des numéros de carte RMVPE : séparez les index GPU par des tirets \"-\", par exemple, 0-0-1 pour utiliser 2 processus sur GPU0 et 1 processus sur GPU1.",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Étape 1 : Remplissez la configuration expérimentale. Les données expérimentales sont stockées dans le dossier 'logs', avec chaque expérience ayant un dossier distinct. Entrez manuellement le chemin du nom de l'expérience, qui contient la configuration expérimentale, les journaux et les fichiers de modèle entraînés.",
|
||||
"step1:正在处理数据": "Étape 1 : Traitement des données en cours.",
|
||||
"step2:正在提取音高&正在提取特征": "Étape 2 : Extraction de la hauteur et extraction des caractéristiques en cours.",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Étape 2a : Parcours automatique de tous les fichiers du dossier d'entraînement qui peuvent être décodés en fichiers audio et réalisation d'une normalisation par tranches. Génère 2 dossiers wav dans le répertoire de l'expérience. Actuellement, seule la formation avec un seul chanteur/locuteur est prise en charge.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Étape 2b : Utilisez le CPU pour extraire la hauteur (si le modèle le permet), utilisez le GPU pour extraire les caractéristiques (sélectionnez l'index du GPU) :",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Étape 3 : Remplissez les paramètres d'entraînement et démarrez l'entraînement du modèle ainsi que l'indexation.",
|
||||
"step3a:正在训练模型": "Étape 3a : L'entraînement du modèle a commencé.",
|
||||
"step3b:正在训练索引": "étape 3b : entraînement de l’index",
|
||||
"……仅显示最近10条失败记录": "…Seuls les 10 échecs les plus récents sont affichés",
|
||||
"……已省略前%s行，仅显示最新状态": "…Les %s premières lignes ont été omises ; seul l'état récent est affiché",
|
||||
"一键训练": "Entraînement en un clic",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Il est également possible d'importer plusieurs fichiers audio. Si un chemin de dossier existe, cette entrée est ignorée.",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "Séparation par lot des voix et de l’accompagnement à l’aide de modèles UVR5.<br>Vous pouvez choisir un modèle qui conserve les voix, ou utiliser les modèles DeEcho/DeReverb pour supprimer l’écho et la réverbération.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Seules les méthodes d'extraction de hauteur pm et rmvpe sont prises en charge",
|
||||
"从训练检查点提取的模型": "Modèle extrait d'un point de contrôle d'entraînement",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Entrez le(s) index GPU séparé(s) par '-', par exemple, 0-1-2 pour utiliser les GPU 0, 1 et 2 :",
|
||||
"任务": "Tâche",
|
||||
"伴奏人声分离&去混响&去回声": "Séparation des voix/accompagnement et suppression de la réverbération",
|
||||
"使用显卡：%s": "GPU utilisés : %s",
|
||||
"使用模型采样率": "Utiliser la fréquence du modèle",
|
||||
"使用设备采样率": "Utiliser la fréquence du périphérique",
|
||||
"保存名": "Nom de sauvegarde :",
|
||||
"保存的文件名, 默认空为和源文件同名": "Nom du fichier de sauvegarde (par défaut : identique au nom du fichier source) :",
|
||||
"保存的模型名不带后缀": "Nom du modèle enregistré (sans extension) :",
|
||||
"保存频率save_every_epoch": "Fréquence de sauvegarde (save_every_epoch) :",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Protéger les consonnes sourdes et les bruits de respiration pour éviter les artefacts tels que le déchirement dans la musique électronique. Réglez à 0,5 pour désactiver. Diminuez la valeur pour renforcer la protection, mais cela peut réduire la précision de l'indexation :",
|
||||
"修改": "Modifier",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modifier les informations du modèle (uniquement pris en charge pour les petits fichiers de modèle extraits du dossier 'weights')",
|
||||
"停止一键训练": "Arrêter l’entraînement en un clic",
|
||||
"停止处理数据": "Arrêter le prétraitement des données",
|
||||
"停止特征提取": "Arrêter l’extraction des caractéristiques",
|
||||
"停止训练模型": "Arrêter l’entraînement du modèle",
|
||||
"停止训练索引": "Arrêter l’entraînement de l’index",
|
||||
"停止音频转换": "Arrêter la conversion audio",
|
||||
"全流程结束！": "Toutes les étapes ont été terminées !",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Charger le modèle.",
|
||||
"加载预训练底模D路径": "Charger le chemin du modèle de base pré-entraîné D :",
|
||||
"加载预训练底模G路径": "Charger le chemin du modèle de base pré-entraîné G :",
|
||||
"单次推理": "Inférence unique",
|
||||
"卸载音色省显存": "Décharger la voix pour économiser la mémoire GPU.",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Transposer (entier, nombre de demi-tons, monter d'une octave : 12, descendre d'une octave : -12) :",
|
||||
"合成": "Synthèse",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Rééchantillonner l'audio de sortie en post-traitement à la fréquence d'échantillonnage finale. Réglez sur 0 pour ne pas effectuer de rééchantillonnage :",
|
||||
"否": "Non",
|
||||
"响应阈值": "Seuil de réponse",
|
||||
"响度因子": "Facteur de volume sonore",
|
||||
"处理中": "Traitement en cours",
|
||||
"处理数据": "Traitement des données",
|
||||
"失败": "Échec",
|
||||
"失败记录": "Détails des échecs",
|
||||
"子进程执行失败，返回码：%s": "Le sous-processus a échoué avec le code de sortie: %s",
|
||||
"导出文件格式": "Format de fichier d'exportation",
|
||||
"已停止": "Arrêté",
|
||||
"已加载判别器预训练模型：%s": "Modèle préentraîné du discriminateur chargé: %s",
|
||||
"已加载生成器预训练模型：%s": "Modèle préentraîné du générateur chargé: %s",
|
||||
"已启用索引检索": "Recherche par index activée",
|
||||
"已完成": "Terminé",
|
||||
"已恢复判别器检查点": "Point de contrôle du discriminateur restauré",
|
||||
"常见问题解答": "FAQ (Foire Aux Questions)",
|
||||
"常规设置": "Paramètres généraux",
|
||||
"开始音频转换": "Démarrer la conversion audio.",
|
||||
"当前": "Actuel",
|
||||
"当前阶段": "Étape actuelle",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Malheureusement, il n'y a pas de GPU compatible disponible pour prendre en charge votre entrainement.",
|
||||
"性别因子/声线粗细": "Facteur de genre / épaisseur de la voix",
|
||||
"性能设置": "Paramètres de performance",
|
||||
"总训练轮数total_epoch": "Nombre total d'époques d'entraînement (total_epoch) :",
|
||||
"成功": "Réussite",
|
||||
"执行命令": "Commande",
|
||||
"批量推理": "Inférence par lot",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversion en lot. Entrez le dossier contenant les fichiers audio à convertir ou téléchargez plusieurs fichiers audio. Les fichiers audio convertis seront enregistrés dans le dossier spécifié (par défaut : 'opt').",
|
||||
"拖拽或点击上传待处理音频": "Glissez-déposez ou cliquez pour téléverser l’audio à traiter",
|
||||
"指定输出主人声文件夹": "Spécifiez le dossier de sortie pour les fichiers de voix :",
|
||||
"指定输出文件夹": "Spécifiez le dossier de sortie :",
|
||||
"指定输出非主人声文件夹": "Spécifiez le dossier de sortie pour l'accompagnement :",
|
||||
"推理时间(ms):": "Temps d'inférence (ms) :",
|
||||
"推理耗时：%.2f秒": "Temps d'inférence: %.2f seconds",
|
||||
"推理音色": "Voix pour l'inférence",
|
||||
"提取": "Extraire",
|
||||
"提取音高和处理数据使用的CPU进程数": "Nombre de processus CPU utilisés pour l'extraction de la hauteur et le traitement des données :",
|
||||
"数据切分": "Découpage des données",
|
||||
"无法停止": "Impossible à arrêter",
|
||||
"无法读取音频：%s": "Impossible de lire l'audio: %s",
|
||||
"是": "Oui",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Enregistrer uniquement le dernier fichier '.ckpt' pour économiser de l'espace disque :",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Enregistrer un petit modèle final dans le dossier 'weights' à chaque point de sauvegarde :",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Mettre en cache tous les ensembles d'entrainement dans la mémoire GPU. Mettre en cache de petits ensembles de données (moins de 10 minutes) peut accélérer l'entrainement, mais mettre en cache de grands ensembles de données consommera beaucoup de mémoire GPU et peut ne pas apporter beaucoup d'amélioration de vitesse :",
|
||||
"显卡信息": "Informations sur la carte graphique (GPU)",
|
||||
"未使用": "Non utilisé",
|
||||
"未使用判别器预训练模型": "Modèle préentraîné du discriminateur non utilisé",
|
||||
"未使用生成器预训练模型": "Modèle préentraîné du générateur non utilisé",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Configuration du modèle Roformer introuvable ; utilisation des valeurs intégrées",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Aucun GPU compatible détecté ; l'entraînement sur CPU peut être beaucoup plus long",
|
||||
"未运行": "Non démarré",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Ce logiciel est open source sous la licence MIT. L'auteur n'a aucun contrôle sur le logiciel. Les utilisateurs qui utilisent le logiciel et distribuent les sons exportés par le logiciel en sont entièrement responsables. <br>Si vous n'acceptez pas cette clause, vous ne pouvez pas utiliser ou faire référence à aucun code ni fichier contenu dans le package logiciel. Consultez le fichier <b>Agreement-LICENSE.txt</b> dans le répertoire racine pour plus de détails.",
|
||||
"查看": "Voir",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Afficher les informations sur le modèle (uniquement pour les petits fichiers de modèle extraits du dossier \"weights\")",
|
||||
"检测到模型类型：%s": "Type de modèle détecté : %s",
|
||||
"检索特征占比": "Rapport de recherche de caractéristiques (contrôle l'intensité de l'accent, un rapport trop élevé provoque des artefacts) :",
|
||||
"模型": "Modèle",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Informations du modèle: %s\nFréquence d'échantillonnage: %s\nGuidage de hauteur: %s\nVersion: %s",
|
||||
"模型推理": "Inférence du modèle",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extraction du modèle (saisissez le chemin d'accès au modèle du grand fichier dans le dossier \"logs\"). Cette fonction est utile si vous souhaitez arrêter l'entrainement à mi-chemin et extraire et enregistrer manuellement un petit fichier de modèle, ou si vous souhaitez tester un modèle intermédiaire :",
|
||||
"模型是否带音高指导": "Indique si le modèle dispose d'un guidage en hauteur :",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Indique si le modèle dispose d'un système de guidage de la hauteur (obligatoire pour le chant, facultatif pour la parole) :",
|
||||
"模型是否带音高指导,1是0否": "Le modèle dispose-t-il d'un guide de hauteur (1 : oui, 0 : non) ?",
|
||||
"模型版本型号": "Version de l'architecture du modèle :",
|
||||
"模型融合, 可用于测试音色融合": "Fusion de modèles, peut être utilisée pour tester la fusion de timbres",
|
||||
"模型融合失败：两个模型的结构不一致": "Échec de la fusion : les architectures des deux modèles diffèrent",
|
||||
"模型训练": "Entraînement du modèle",
|
||||
"模型路径": "Le chemin vers le modèle :",
|
||||
"正在保存最终检查点：%s": "Enregistrement du point de contrôle final: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Enregistrement du point de contrôle %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Chargement du modèle RMVPE",
|
||||
"正在加载模型": "Chargement du modèle",
|
||||
"正在启动": "Démarrage",
|
||||
"正在收尾": "Finalisation",
|
||||
"每张显卡的batch_size": "Taille du batch par GPU :",
|
||||
"淡入淡出长度": "Longueur de la transition",
|
||||
"清理模型缓存": "Nettoyage du cache du modèle",
|
||||
"版本": "Version",
|
||||
"特征": "Caractéristiques",
|
||||
"特征提取": "Extraction des caractéristiques",
|
||||
"状态": "État",
|
||||
"独占 WASAPI 设备": "Périphérique WASAPI exclusif",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Il est recommandé d'utiliser la clé +12 pour la conversion homme-femme et la clé -12 pour la conversion femme-homme. Si la plage sonore est trop large et que la voix est déformée, vous pouvez également l'ajuster vous-même à la plage appropriée.",
|
||||
"目标采样率": "Taux d'échantillonnage cible :",
|
||||
"等待中": "En attente",
|
||||
"等待输入": "En attente d'une entrée",
|
||||
"算法延迟(ms):": "Latence de l'algorithme (ms) :",
|
||||
"索引": "Index",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Index invalide : utilisez added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Échec de la recherche par index",
|
||||
"索引检索失败或未启用": "La recherche par index a échoué ou est désactivée",
|
||||
"索引训练": "Entraînement de l'index",
|
||||
"耗时": "Temps écoulé",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Temps écoulé: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusion",
|
||||
"要改的模型信息": "Informations sur le modèle à modifier :",
|
||||
"要置入的模型信息": "Informations sur le modèle à placer :",
|
||||
"训练": "Entraîner",
|
||||
"训练已完成，正在保存最终模型": "Entraînement terminé ; enregistrement du modèle final",
|
||||
"训练文件列表写入完成": "Liste des fichiers d'entraînement enregistrée",
|
||||
"训练模型": "Entraîner le modèle",
|
||||
"训练特征索引": "Entraîner l'index des caractéristiques",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Entraînement terminé. Vous pouvez consulter les rapports d'entraînement dans la console ou dans le fichier 'train.log' situé dans le dossier de l'expérience.",
|
||||
"训练设备规则选择的精度：%s": "Précision d'entraînement choisie selon les règles du périphérique: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Époque d'entraînement : {} [{:.0f}%]",
|
||||
"设备类型": "Type de périphérique",
|
||||
"请上传音频文件": "Téléversez un fichier audio",
|
||||
"请填写输出文件夹路径": "Saisissez le chemin du dossier de sortie",
|
||||
"请指定说话人id": "Veuillez spécifier l'ID de l'orateur ou du chanteur :",
|
||||
"请选择index文件": "Veuillez sélectionner le fichier d'index",
|
||||
"请选择pth文件": "Veuillez sélectionner le fichier pth",
|
||||
"请选择说话人id": "Sélectionner l'ID de l'orateur ou du chanteur :",
|
||||
"转换": "Convertir",
|
||||
"输入实验名": "Saisissez le nom de l'expérience :",
|
||||
"输入待处理音频文件夹路径": "Entrez le chemin du dossier audio à traiter :",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Entrez le chemin du dossier audio à traiter (copiez-le depuis la barre d'adresse du gestionnaire de fichiers) :",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Entrez le chemin d'accès du fichier audio à traiter (par défaut, l'exemple de format correct) :",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Ajustez l'échelle de l'enveloppe de volume. Plus il est proche de 0, plus il imite le volume des voix originales. Cela peut aider à masquer les bruits et à rendre le volume plus naturel lorsqu'il est réglé relativement bas. Plus le volume est proche de 1, plus le volume sera fort et constant :",
|
||||
"输入监听": "Écouter l'entrée",
|
||||
"输入训练文件夹路径": "Indiquez le chemin d'accès au dossier d'entraînement :",
|
||||
"输入设备": "Dispositif d'entrée",
|
||||
"输入设备：%s:%s": "Périphérique d'entrée: %s:%s",
|
||||
"输入降噪": "Réduction du bruit d'entrée",
|
||||
"输出信息": "Informations sur la sortie",
|
||||
"输出变声": "Conversion de sortie",
|
||||
"输出设备": "Dispositif de sortie",
|
||||
"输出设备：%s:%s": "Périphérique de sortie: %s:%s",
|
||||
"输出降噪": "Réduction du bruit de sortie",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Exporter l'audio (cliquer sur les trois points dans le coin inférieur droit pour télécharger)",
|
||||
"运行中": "En cours",
|
||||
"进度": "Progression",
|
||||
"选择.index文件": "Sélectionner le fichier .index",
|
||||
"选择.pth文件": "Sélectionner le fichier .pth",
|
||||
"选择模型": "Sélectionner le modèle",
|
||||
"选择索引": "Sélectionner l'index",
|
||||
"选择音高提取算法": "Sélectionnez l’algorithme d’extraction de la hauteur",
|
||||
"采样率:": "Fréquence d'échantillonnage :",
|
||||
"采样长度": "Longueur de l'échantillon",
|
||||
"重载设备列表": "Recharger la liste des dispositifs",
|
||||
"错误信息：%s": "Détails de l'erreur: %s",
|
||||
"错误：未知模型：%s": "Erreur : modèle inconnu : %s",
|
||||
"音调设置": "Réglages de la hauteur",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "L'audio comporte plusieurs canaux, mais le modèle est mono ; tous les canaux seront moyennés",
|
||||
"音频设备": "Périphérique audio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Toutes les valeurs de hauteur sont nulles ; cet audio est inutilisable et sera ignoré: %s",
|
||||
"音高算法": "Algorithme de hauteur",
|
||||
"额外推理时长": "Temps d'inférence supplémentaire",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Le prétraitement n'a produit aucun audio d'entraînement valide. Vérifiez le jeu de données et le journal.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Le prétraitement n'a produit aucun audio 16 kHz. L'extraction et l'entraînement ont été arrêtés.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Les fichiers de sortie du prétraitement ne correspondent pas. L'extraction et l'entraînement ont été arrêtés.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "L'extraction des caractéristiques HuBERT n'a produit aucun résultat valide. L'entraînement a été arrêté.",
|
||||
"F0提取没有生成有效结果，已停止训练": "L'extraction F0 n'a produit aucun résultat valide. L'entraînement a été arrêté.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Aucun audio valide n'est disponible pour l'entraînement. Terminez d'abord le prétraitement et l'extraction.",
|
||||
"已完成阶段": "Étapes terminées",
|
||||
"已成功": "Réussi",
|
||||
"刷新音色列表": "Actualiser la liste des voix",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Chemin de l’index de caractéristiques (détecté après sélection du modèle ; modifiable)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Entraînement de l’index] Le lien externe existe déjà : %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Entraînement de l’index][Ignoré] L’index added existe déjà : %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Entraînement de l’index][Ignoré] L’index trained existe déjà : %s",
|
||||
"当前设备：%s | 推理精度：%s": "Périphérique actuel : %s | Précision d’inférence : %s",
|
||||
"正在预热CUDA Graph": "Préchauffage de CUDA Graph",
|
||||
"CUDA Graph预热完成": "Préchauffage de CUDA Graph terminé",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Extraction des données démarrée : start_time=%.6f, parallélisme demandé=%s, limite réelle=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Extraction des données terminée : end_time=%.6f, durée totale=%.3f secondes"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Intensité de l’extraction vocale",
|
||||
"%s → 成功": "%s → Réussite",
|
||||
"%s运行中，请先停止该任务": "%s est en cours ; arrêtez cette tâche avant d'en démarrer une autre",
|
||||
"%s进程已终止": "Le processus %s a été arrêté",
|
||||
"====> 轮次：{} {}": "====> Époque : {} {}",
|
||||
"A模型权重": "Poids (w) pour le modèle A :",
|
||||
"A模型路径": "Chemin d'accès au modèle A :",
|
||||
"B模型路径": "Chemin d'accès au modèle B :",
|
||||
"CUDA可用：%s": "CUDA disponible : %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Extraction F0 et caractéristiques HuBERT",
|
||||
"F0提取": "Extraction F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Fichier de courbe F0 (facultatif). Une hauteur par ligne. Remplace la fréquence fondamentale par défaut et la modulation de la hauteur :",
|
||||
"HuBERT特征": "Caractéristiques HuBERT",
|
||||
"Index Rate": "Taux d'indexation",
|
||||
"RVC模型路径": "Chemin du modèle RVC :",
|
||||
"SOLA偏移：%d": "Décalage SOLA : %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Extraction F0] Terminé | Réussite: %s | Ignorés: %s | Échec: %s",
|
||||
"[F0提取] 待处理：%s": "[Extraction F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Extraction F0] Aucun audio en attente ; tous les fichiers ont été ignorés",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Extraction F0] Progression: %s/%s | Réussite: %s | Ignorés: %s | %s",
|
||||
"[F0提取][失败] %s": "[Extraction F0][Échec] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Extraction F0][Échec] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Caractéristiques HuBERT] Terminé | Réussite: %s | Ignorés: %s | Échec: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Caractéristiques HuBERT] Aucun audio en attente ; ignorés: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Caractéristiques HuBERT] Chargement du modèle: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Caractéristiques HuBERT] Périphérique: %s | Pending: %s | Ignorés: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Caractéristiques HuBERT] Progression: %s/%s | Réussite: %s | Échec: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Caractéristiques HuBERT][Échec] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Caractéristiques HuBERT][Échec] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Caractéristiques HuBERT][Échec] Modèle not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Découpage des données] Sous-tâche terminée | Réussite: %s | Échec: %s",
|
||||
"[数据切分] 完成": "[Découpage des données] Terminé",
|
||||
"[数据切分] 开始": "[Découpage des données] Démarré",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Découpage des données] Pending: %s | Processus: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Découpage des données] Progression: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Découpage des données][Échec] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Découpage des données][Échec] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Découpage des données][Ignorés] Segment audio invalide ou anormal: %s_%s | Crête: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Entraînement de l'index] Progressionion de l'écriture: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Entraînement de l'index] Index lié au dossier externe: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Entraînement de l'index] Index créé avec succès: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Entraînement de l'index] Ajout des vecteurs de caractéristiques",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Entraînement de l'index] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Entraînement de l'index] Entraînement de l'index",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Entraînement de l'index] Forme des caractéristiques: %s | Nombre d'IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Entraînement de l'index][Échec] Impossible de lier l'index au dossier externe: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Entraînement de l'index][Échec] Échec du regroupement ; poursuite avec les caractéristiques d'origine\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Entraînement de l'index][Échec] Extrayez d'abord les caractéristiques",
|
||||
"ckpt处理": "Traitement des fichiers .ckpt",
|
||||
"index文件路径不可包含中文": "Le chemin du fichier d'index ne doit pas contenir de caractères chinois.",
|
||||
"pth文件路径不可包含中文": "Le chemin du fichier .pth ne doit pas contenir de caractères chinois.",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configuration des numéros de carte RMVPE : séparez les index GPU par des tirets \"-\", par exemple, 0-0-1 pour utiliser 2 processus sur GPU0 et 1 processus sur GPU1.",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Étape 1 : Remplissez la configuration expérimentale. Les données expérimentales sont stockées dans le dossier 'logs', avec chaque expérience ayant un dossier distinct. Entrez manuellement le chemin du nom de l'expérience, qui contient la configuration expérimentale, les journaux et les fichiers de modèle entraînés.",
|
||||
"step1:正在处理数据": "Étape 1 : Traitement des données en cours.",
|
||||
"step2:正在提取音高&正在提取特征": "Étape 2 : Extraction de la hauteur et extraction des caractéristiques en cours.",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Étape 2a : Parcours automatique de tous les fichiers du dossier d'entraînement qui peuvent être décodés en fichiers audio et réalisation d'une normalisation par tranches. Génère 2 dossiers wav dans le répertoire de l'expérience. Actuellement, seule la formation avec un seul chanteur/locuteur est prise en charge.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Étape 2b : Utilisez le CPU pour extraire la hauteur (si le modèle le permet), utilisez le GPU pour extraire les caractéristiques (sélectionnez l'index du GPU) :",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Étape 3 : Remplissez les paramètres d'entraînement et démarrez l'entraînement du modèle ainsi que l'indexation.",
|
||||
"step3a:正在训练模型": "Étape 3a : L'entraînement du modèle a commencé.",
|
||||
"step3b:正在训练索引": "étape 3b : entraînement de l’index",
|
||||
"……仅显示最近10条失败记录": "…Seuls les 10 échecs les plus récents sont affichés",
|
||||
"……已省略前%s行，仅显示最新状态": "…Les %s premières lignes ont été omises ; seul l'état récent est affiché",
|
||||
"一键训练": "Entraînement en un clic",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Il est également possible d'importer plusieurs fichiers audio. Si un chemin de dossier existe, cette entrée est ignorée.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Seules les méthodes d'extraction de hauteur pm et rmvpe sont prises en charge",
|
||||
"从训练检查点提取的模型": "Modèle extrait d'un point de contrôle d'entraînement",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Entrez le(s) index GPU séparé(s) par '-', par exemple, 0-1-2 pour utiliser les GPU 0, 1 et 2 :",
|
||||
"任务": "Tâche",
|
||||
"使用显卡：%s": "GPU utilisés : %s",
|
||||
"使用模型采样率": "Utiliser la fréquence du modèle",
|
||||
"使用设备采样率": "Utiliser la fréquence du périphérique",
|
||||
"保存名": "Nom de sauvegarde :",
|
||||
"保存的文件名, 默认空为和源文件同名": "Nom du fichier de sauvegarde (par défaut : identique au nom du fichier source) :",
|
||||
"保存的模型名不带后缀": "Nom du modèle enregistré (sans extension) :",
|
||||
"保存频率save_every_epoch": "Fréquence de sauvegarde (save_every_epoch) :",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Protéger les consonnes sourdes et les bruits de respiration pour éviter les artefacts tels que le déchirement dans la musique électronique. Réglez à 0,5 pour désactiver. Diminuez la valeur pour renforcer la protection, mais cela peut réduire la précision de l'indexation :",
|
||||
"修改": "Modifier",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modifier les informations du modèle (uniquement pris en charge pour les petits fichiers de modèle extraits du dossier 'weights')",
|
||||
"停止一键训练": "Arrêter l’entraînement en un clic",
|
||||
"停止处理数据": "Arrêter le prétraitement des données",
|
||||
"停止特征提取": "Arrêter l’extraction des caractéristiques",
|
||||
"停止训练模型": "Arrêter l’entraînement du modèle",
|
||||
"停止训练索引": "Arrêter l’entraînement de l’index",
|
||||
"停止音频转换": "Arrêter la conversion audio",
|
||||
"全流程结束！": "Toutes les étapes ont été terminées !",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Charger le modèle.",
|
||||
"加载预训练底模D路径": "Charger le chemin du modèle de base pré-entraîné D :",
|
||||
"加载预训练底模G路径": "Charger le chemin du modèle de base pré-entraîné G :",
|
||||
"单次推理": "Inférence unique",
|
||||
"卸载音色省显存": "Décharger la voix pour économiser la mémoire GPU.",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Transposer (entier, nombre de demi-tons, monter d'une octave : 12, descendre d'une octave : -12) :",
|
||||
"合成": "Synthèse",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Rééchantillonner l'audio de sortie en post-traitement à la fréquence d'échantillonnage finale. Réglez sur 0 pour ne pas effectuer de rééchantillonnage :",
|
||||
"否": "Non",
|
||||
"响应阈值": "Seuil de réponse",
|
||||
"响度因子": "Facteur de volume sonore",
|
||||
"处理中": "Traitement en cours",
|
||||
"处理数据": "Traitement des données",
|
||||
"失败": "Échec",
|
||||
"失败记录": "Détails des échecs",
|
||||
"子进程执行失败，返回码：%s": "Le sous-processus a échoué avec le code de sortie: %s",
|
||||
"导出文件格式": "Format de fichier d'exportation",
|
||||
"已停止": "Arrêté",
|
||||
"已加载判别器预训练模型：%s": "Modèle préentraîné du discriminateur chargé: %s",
|
||||
"已加载生成器预训练模型：%s": "Modèle préentraîné du générateur chargé: %s",
|
||||
"已启用索引检索": "Recherche par index activée",
|
||||
"已完成": "Terminé",
|
||||
"已恢复判别器检查点": "Point de contrôle du discriminateur restauré",
|
||||
"常见问题解答": "FAQ (Foire Aux Questions)",
|
||||
"常规设置": "Paramètres généraux",
|
||||
"开始音频转换": "Démarrer la conversion audio.",
|
||||
"当前": "Actuel",
|
||||
"当前阶段": "Étape actuelle",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Malheureusement, il n'y a pas de GPU compatible disponible pour prendre en charge votre entrainement.",
|
||||
"性别因子/声线粗细": "Facteur de genre / épaisseur de la voix",
|
||||
"性能设置": "Paramètres de performance",
|
||||
"总训练轮数total_epoch": "Nombre total d'époques d'entraînement (total_epoch) :",
|
||||
"成功": "Réussite",
|
||||
"执行命令": "Commande",
|
||||
"批量推理": "Inférence par lot",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversion en lot. Entrez le dossier contenant les fichiers audio à convertir ou téléchargez plusieurs fichiers audio. Les fichiers audio convertis seront enregistrés dans le dossier spécifié (par défaut : 'opt').",
|
||||
"拖拽或点击上传待处理音频": "Glissez-déposez ou cliquez pour téléverser l’audio à traiter",
|
||||
"指定输出主人声文件夹": "Spécifiez le dossier de sortie pour les fichiers de voix :",
|
||||
"指定输出文件夹": "Spécifiez le dossier de sortie :",
|
||||
"指定输出非主人声文件夹": "Spécifiez le dossier de sortie pour l'accompagnement :",
|
||||
"推理时间(ms):": "Temps d'inférence (ms) :",
|
||||
"推理耗时：%.2f秒": "Temps d'inférence: %.2f seconds",
|
||||
"推理音色": "Voix pour l'inférence",
|
||||
"提取": "Extraire",
|
||||
"提取音高和处理数据使用的CPU进程数": "Nombre de processus CPU utilisés pour l'extraction de la hauteur et le traitement des données :",
|
||||
"数据切分": "Découpage des données",
|
||||
"无法停止": "Impossible à arrêter",
|
||||
"无法读取音频：%s": "Impossible de lire l'audio: %s",
|
||||
"是": "Oui",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Enregistrer uniquement le dernier fichier '.ckpt' pour économiser de l'espace disque :",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Enregistrer un petit modèle final dans le dossier 'weights' à chaque point de sauvegarde :",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Mettre en cache tous les ensembles d'entrainement dans la mémoire GPU. Mettre en cache de petits ensembles de données (moins de 10 minutes) peut accélérer l'entrainement, mais mettre en cache de grands ensembles de données consommera beaucoup de mémoire GPU et peut ne pas apporter beaucoup d'amélioration de vitesse :",
|
||||
"显卡信息": "Informations sur la carte graphique (GPU)",
|
||||
"未使用": "Non utilisé",
|
||||
"未使用判别器预训练模型": "Modèle préentraîné du discriminateur non utilisé",
|
||||
"未使用生成器预训练模型": "Modèle préentraîné du générateur non utilisé",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Configuration du modèle Roformer introuvable ; utilisation des valeurs intégrées",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Aucun GPU compatible détecté ; l'entraînement sur CPU peut être beaucoup plus long",
|
||||
"未运行": "Non démarré",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Ce logiciel est open source sous la licence MIT. L'auteur n'a aucun contrôle sur le logiciel. Les utilisateurs qui utilisent le logiciel et distribuent les sons exportés par le logiciel en sont entièrement responsables. <br>Si vous n'acceptez pas cette clause, vous ne pouvez pas utiliser ou faire référence à aucun code ni fichier contenu dans le package logiciel. Consultez le fichier <b>Agreement-LICENSE.txt</b> dans le répertoire racine pour plus de détails.",
|
||||
"查看": "Voir",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Afficher les informations sur le modèle (uniquement pour les petits fichiers de modèle extraits du dossier \"weights\")",
|
||||
"检测到模型类型：%s": "Type de modèle détecté : %s",
|
||||
"检索特征占比": "Rapport de recherche de caractéristiques (contrôle l'intensité de l'accent, un rapport trop élevé provoque des artefacts) :",
|
||||
"模型": "Modèle",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Informations du modèle: %s\nFréquence d'échantillonnage: %s\nGuidage de hauteur: %s\nVersion: %s",
|
||||
"模型推理": "Inférence du modèle",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extraction du modèle (saisissez le chemin d'accès au modèle du grand fichier dans le dossier \"logs\"). Cette fonction est utile si vous souhaitez arrêter l'entrainement à mi-chemin et extraire et enregistrer manuellement un petit fichier de modèle, ou si vous souhaitez tester un modèle intermédiaire :",
|
||||
"模型是否带音高指导": "Indique si le modèle dispose d'un guidage en hauteur :",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Indique si le modèle dispose d'un système de guidage de la hauteur (obligatoire pour le chant, facultatif pour la parole) :",
|
||||
"模型是否带音高指导,1是0否": "Le modèle dispose-t-il d'un guide de hauteur (1 : oui, 0 : non) ?",
|
||||
"模型版本型号": "Version de l'architecture du modèle :",
|
||||
"模型融合, 可用于测试音色融合": "Fusion de modèles, peut être utilisée pour tester la fusion de timbres",
|
||||
"模型融合失败：两个模型的结构不一致": "Échec de la fusion : les architectures des deux modèles diffèrent",
|
||||
"模型训练": "Entraînement du modèle",
|
||||
"模型路径": "Le chemin vers le modèle :",
|
||||
"正在保存最终检查点：%s": "Enregistrement du point de contrôle final: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Enregistrement du point de contrôle %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Chargement du modèle RMVPE",
|
||||
"正在加载模型": "Chargement du modèle",
|
||||
"正在启动": "Démarrage",
|
||||
"正在收尾": "Finalisation",
|
||||
"每张显卡的batch_size": "Taille du batch par GPU :",
|
||||
"淡入淡出长度": "Longueur de la transition",
|
||||
"清理模型缓存": "Nettoyage du cache du modèle",
|
||||
"版本": "Version",
|
||||
"特征": "Caractéristiques",
|
||||
"特征提取": "Extraction des caractéristiques",
|
||||
"状态": "État",
|
||||
"独占 WASAPI 设备": "Périphérique WASAPI exclusif",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Il est recommandé d'utiliser la clé +12 pour la conversion homme-femme et la clé -12 pour la conversion femme-homme. Si la plage sonore est trop large et que la voix est déformée, vous pouvez également l'ajuster vous-même à la plage appropriée.",
|
||||
"目标采样率": "Taux d'échantillonnage cible :",
|
||||
"等待中": "En attente",
|
||||
"等待输入": "En attente d'une entrée",
|
||||
"算法延迟(ms):": "Latence de l'algorithme (ms) :",
|
||||
"索引": "Index",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Index invalide : utilisez added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Échec de la recherche par index",
|
||||
"索引检索失败或未启用": "La recherche par index a échoué ou est désactivée",
|
||||
"索引训练": "Entraînement de l'index",
|
||||
"耗时": "Temps écoulé",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Temps écoulé: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusion",
|
||||
"要改的模型信息": "Informations sur le modèle à modifier :",
|
||||
"要置入的模型信息": "Informations sur le modèle à placer :",
|
||||
"训练": "Entraîner",
|
||||
"训练已完成，正在保存最终模型": "Entraînement terminé ; enregistrement du modèle final",
|
||||
"训练文件列表写入完成": "Liste des fichiers d'entraînement enregistrée",
|
||||
"训练模型": "Entraîner le modèle",
|
||||
"训练特征索引": "Entraîner l'index des caractéristiques",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Entraînement terminé. Vous pouvez consulter les rapports d'entraînement dans la console ou dans le fichier 'train.log' situé dans le dossier de l'expérience.",
|
||||
"训练设备规则选择的精度：%s": "Précision d'entraînement choisie selon les règles du périphérique: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Époque d'entraînement : {} [{:.0f}%]",
|
||||
"设备类型": "Type de périphérique",
|
||||
"请上传音频文件": "Téléversez un fichier audio",
|
||||
"请填写输出文件夹路径": "Saisissez le chemin du dossier de sortie",
|
||||
"请指定说话人id": "Veuillez spécifier l'ID de l'orateur ou du chanteur :",
|
||||
"请选择index文件": "Veuillez sélectionner le fichier d'index",
|
||||
"请选择pth文件": "Veuillez sélectionner le fichier pth",
|
||||
"请选择说话人id": "Sélectionner l'ID de l'orateur ou du chanteur :",
|
||||
"转换": "Convertir",
|
||||
"输入实验名": "Saisissez le nom de l'expérience :",
|
||||
"输入待处理音频文件夹路径": "Entrez le chemin du dossier audio à traiter :",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Entrez le chemin du dossier audio à traiter (copiez-le depuis la barre d'adresse du gestionnaire de fichiers) :",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Entrez le chemin d'accès du fichier audio à traiter (par défaut, l'exemple de format correct) :",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Ajustez l'échelle de l'enveloppe de volume. Plus il est proche de 0, plus il imite le volume des voix originales. Cela peut aider à masquer les bruits et à rendre le volume plus naturel lorsqu'il est réglé relativement bas. Plus le volume est proche de 1, plus le volume sera fort et constant :",
|
||||
"输入监听": "Écouter l'entrée",
|
||||
"输入训练文件夹路径": "Indiquez le chemin d'accès au dossier d'entraînement :",
|
||||
"输入设备": "Dispositif d'entrée",
|
||||
"输入设备：%s:%s": "Périphérique d'entrée: %s:%s",
|
||||
"输入降噪": "Réduction du bruit d'entrée",
|
||||
"输出信息": "Informations sur la sortie",
|
||||
"输出变声": "Conversion de sortie",
|
||||
"输出设备": "Dispositif de sortie",
|
||||
"输出设备：%s:%s": "Périphérique de sortie: %s:%s",
|
||||
"输出降噪": "Réduction du bruit de sortie",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Exporter l'audio (cliquer sur les trois points dans le coin inférieur droit pour télécharger)",
|
||||
"运行中": "En cours",
|
||||
"进度": "Progression",
|
||||
"选择.index文件": "Sélectionner le fichier .index",
|
||||
"选择.pth文件": "Sélectionner le fichier .pth",
|
||||
"选择模型": "Sélectionner le modèle",
|
||||
"选择索引": "Sélectionner l'index",
|
||||
"选择音高提取算法": "Sélectionnez l’algorithme d’extraction de la hauteur",
|
||||
"采样率:": "Fréquence d'échantillonnage :",
|
||||
"采样长度": "Longueur de l'échantillon",
|
||||
"重载设备列表": "Recharger la liste des dispositifs",
|
||||
"错误信息：%s": "Détails de l'erreur: %s",
|
||||
"错误：未知模型：%s": "Erreur : modèle inconnu : %s",
|
||||
"音调设置": "Réglages de la hauteur",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "L'audio comporte plusieurs canaux, mais le modèle est mono ; tous les canaux seront moyennés",
|
||||
"音频设备": "Périphérique audio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Toutes les valeurs de hauteur sont nulles ; cet audio est inutilisable et sera ignoré: %s",
|
||||
"音高算法": "Algorithme de hauteur",
|
||||
"额外推理时长": "Temps d'inférence supplémentaire",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Le prétraitement n'a produit aucun audio d'entraînement valide. Vérifiez le jeu de données et le journal.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Le prétraitement n'a produit aucun audio 16 kHz. L'extraction et l'entraînement ont été arrêtés.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Les fichiers de sortie du prétraitement ne correspondent pas. L'extraction et l'entraînement ont été arrêtés.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "L'extraction des caractéristiques HuBERT n'a produit aucun résultat valide. L'entraînement a été arrêté.",
|
||||
"F0提取没有生成有效结果，已停止训练": "L'extraction F0 n'a produit aucun résultat valide. L'entraînement a été arrêté.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Aucun audio valide n'est disponible pour l'entraînement. Terminez d'abord le prétraitement et l'extraction.",
|
||||
"已完成阶段": "Étapes terminées",
|
||||
"已成功": "Réussi",
|
||||
"刷新音色列表": "Actualiser la liste des voix",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Chemin de l’index de caractéristiques (détecté après sélection du modèle ; modifiable)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Entraînement de l’index] Le lien externe existe déjà : %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Entraînement de l’index][Ignoré] L’index added existe déjà : %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Entraînement de l’index][Ignoré] L’index trained existe déjà : %s",
|
||||
"当前设备：%s | 推理精度：%s": "Périphérique actuel : %s | Précision d’inférence : %s",
|
||||
"正在预热CUDA Graph": "Préchauffage de CUDA Graph",
|
||||
"CUDA Graph预热完成": "Préchauffage de CUDA Graph terminé",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Extraction des données démarrée : start_time=%.6f, parallélisme demandé=%s, limite réelle=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Extraction des données terminée : end_time=%.6f, durée totale=%.3f secondes",
|
||||
"人声伴奏分离&去混响": "Séparation voix/accompagnement et suppression de la réverbération",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "Traitement par lots des voix, de l’accompagnement et de la réverbération avec les modèles pymss/MSST.",
|
||||
"处理方式": "Mode de traitement",
|
||||
"底层模型": "Modèle sous-jacent",
|
||||
"主结果文件夹": "Dossier de sortie principal",
|
||||
"分离残余文件夹": "Dossier de sortie résiduel",
|
||||
"停止分离": "Arrêter la séparation"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Intensità dell'estrazione vocale",
|
||||
"%s → 成功": "%s → Successo",
|
||||
"%s运行中，请先停止该任务": "%s è in esecuzione; interromperlo prima di avviare un'altra attività",
|
||||
"%s进程已终止": "Il processo %s è stato terminato",
|
||||
"====> 轮次：{} {}": "====> Epoca: {} {}",
|
||||
"A模型权重": "Peso (w) per il modello A:",
|
||||
"A模型路径": "Percorso per il modello A:",
|
||||
"B模型路径": "Percorso per il modello B:",
|
||||
"CUDA可用：%s": "CUDA disponibile: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Estrazione F0 e caratteristiche HuBERT",
|
||||
"F0提取": "Estrazione F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "File curva F0 (opzionale). ",
|
||||
"HuBERT特征": "Caratteristiche HuBERT",
|
||||
"Index Rate": "Tasso di indice",
|
||||
"RVC模型路径": "Percorso modello RVC:",
|
||||
"SOLA偏移：%d": "Offset SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Estrazione F0] Completato | Successo: %s | Ignorati: %s | Errore: %s",
|
||||
"[F0提取] 待处理：%s": "[Estrazione F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Estrazione F0] Nessun audio in attesa; tutti i file sono stati ignorati",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Estrazione F0] Avanzamento: %s/%s | Successo: %s | Ignorati: %s | %s",
|
||||
"[F0提取][失败] %s": "[Estrazione F0][Errore] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Estrazione F0][Errore] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Caratteristiche HuBERT] Completato | Successo: %s | Ignorati: %s | Errore: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Caratteristiche HuBERT] Nessun audio in attesa; ignorati: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Caratteristiche HuBERT] Caricamento del modello: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Caratteristiche HuBERT] Dispositivo: %s | Pending: %s | Ignorati: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Caratteristiche HuBERT] Avanzamento: %s/%s | Successo: %s | Errore: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Caratteristiche HuBERT][Errore] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Caratteristiche HuBERT][Errore] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Caratteristiche HuBERT][Errore] Modello not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Suddivisione dati] Sottoattività completata | Successo: %s | Errore: %s",
|
||||
"[数据切分] 完成": "[Suddivisione dati] Completato",
|
||||
"[数据切分] 开始": "[Suddivisione dati] Avviato",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Suddivisione dati] Pending: %s | Processi: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Suddivisione dati] Avanzamento: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Suddivisione dati][Errore] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Suddivisione dati][Errore] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Suddivisione dati][Ignorati] Segmento audio non valido o anomalo: %s_%s | Picco: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Addestramento indice] Avanzamento scrittura: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Addestramento indice] Indice collegato alla cartella esterna: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Addestramento indice] Indice creato correttamente: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Addestramento indice] Aggiunta dei vettori delle caratteristiche",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Addestramento indice] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Addestramento indice] Addestramento dell'indice",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Addestramento indice] Forma caratteristiche: %s | Numero IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Addestramento indice][Errore] Impossibile collegare l'indice alla cartella esterna: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Addestramento indice][Errore] Clustering non riuscito; continuazione con le caratteristiche originali\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Addestramento indice][Errore] Estrarre prima le caratteristiche",
|
||||
"ckpt处理": "Elaborazione ckpt",
|
||||
"index文件路径不可包含中文": "Il percorso del file index non può contenere caratteri cinesi",
|
||||
"pth文件路径不可包含中文": "pth è un'app per il futuro",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configurazione GPU RMVPE separata da trattini; ad esempio 0-0-1 avvia due processi sulla GPU 0 e uno sulla GPU 1",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Passaggio 1: compilare la configurazione sperimentale. ",
|
||||
"step1:正在处理数据": "Passaggio 1: elaborazione dei dati",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Estrazione dell'intonazione e delle caratteristiche",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Passaggio 2a: attraversa automaticamente tutti i file nella cartella di addestramento che possono essere decodificati in audio ed esegui la normalizzazione delle sezioni. ",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Passaggio 2b: utilizzare la CPU per estrarre il tono (se il modello ha il tono), utilizzare la GPU per estrarre le caratteristiche (selezionare l'indice GPU):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Passaggio 3: compilare le impostazioni di addestramento e avviare l'addestramento del modello e dell'indice",
|
||||
"step3a:正在训练模型": "Passaggio 3a: è iniziato l'addestramento del modello",
|
||||
"step3b:正在训练索引": "passaggio 3b: addestramento dell’indice",
|
||||
"……仅显示最近10条失败记录": "…Vengono mostrati solo gli ultimi 10 errori",
|
||||
"……已省略前%s行，仅显示最新状态": "…Omesse le prime %s righe; viene mostrato solo lo stato più recente",
|
||||
"一键训练": "Addestramento con un clic",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "È anche possibile scegliere più file audio; la cartella ha la priorità",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "Separazione in batch di voce e accompagnamento tramite modelli UVR5.<br>È possibile scegliere un modello che preserva la voce oppure usare i modelli DeEcho/DeReverb per rimuovere eco e riverbero.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Sono supportati solo i metodi di estrazione dell'intonazione pm e rmvpe",
|
||||
"从训练检查点提取的模型": "Modellolo estratto da un checkpoint di addestramento",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Inserisci gli indici GPU separati da '-', ad esempio 0-1-2 per utilizzare GPU 0, 1 e 2:",
|
||||
"任务": "Attività",
|
||||
"伴奏人声分离&去混响&去回声": "Separazione voce/accompagnamento",
|
||||
"使用显卡：%s": "GPU in uso: %s",
|
||||
"使用模型采样率": "Usa frequenza del modello",
|
||||
"使用设备采样率": "Usa frequenza del dispositivo",
|
||||
"保存名": "Salva nome:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Salva il nome del file (predefinito: uguale al file di origine):",
|
||||
"保存的模型名不带后缀": "Nome del modello salvato (senza estensione):",
|
||||
"保存频率save_every_epoch": "Frequenza di salvataggio (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteggi le consonanti senza voce e i suoni del respiro per evitare artefatti come il tearing nella musica elettronica. ",
|
||||
"修改": "Modificare",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modifica le informazioni sul modello (supportato solo per i file di modello di piccole dimensioni estratti dalla cartella 'weights')",
|
||||
"停止一键训练": "Interrompi addestramento con un clic",
|
||||
"停止处理数据": "Interrompi pre-elaborazione dei dati",
|
||||
"停止特征提取": "Interrompi estrazione delle caratteristiche",
|
||||
"停止训练模型": "Interrompi addestramento del modello",
|
||||
"停止训练索引": "Interrompi addestramento dell’indice",
|
||||
"停止音频转换": "Arresta la conversione audio",
|
||||
"全流程结束！": "Tutti i processi sono stati completati!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Carica modello",
|
||||
"加载预训练底模D路径": "Carica il percorso D del modello base pre-addestrato:",
|
||||
"加载预训练底模G路径": "Carica il percorso G del modello base pre-addestrato:",
|
||||
"单次推理": "Inferenza singola",
|
||||
"卸载音色省显存": "Scarica la voce per risparmiare memoria della GPU:",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Trasposizione (numero intero, numero di semitoni, alza di un'ottava: 12, abbassa di un'ottava: -12):",
|
||||
"合成": "Sintesi",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Ricampiona l'audio di output in post-elaborazione alla frequenza di campionamento finale. ",
|
||||
"否": "NO",
|
||||
"响应阈值": "Soglia di risposta",
|
||||
"响度因子": "fattore di sonorità",
|
||||
"处理中": "Elaborazione",
|
||||
"处理数据": "Processa dati",
|
||||
"失败": "Errore",
|
||||
"失败记录": "Registro errori",
|
||||
"子进程执行失败，返回码：%s": "Il sottoprocesso non è riuscito, codice di uscita: %s",
|
||||
"导出文件格式": "Formato file di esportazione",
|
||||
"已停止": "Interrotto",
|
||||
"已加载判别器预训练模型：%s": "Modellolo preaddestrato del discriminatore caricato: %s",
|
||||
"已加载生成器预训练模型：%s": "Modellolo preaddestrato del generatore caricato: %s",
|
||||
"已启用索引检索": "Ricerca nell'indice attivata",
|
||||
"已完成": "Completato",
|
||||
"已恢复判别器检查点": "Checkpoint del discriminatore ripristinato",
|
||||
"常见问题解答": "FAQ (Domande frequenti)",
|
||||
"常规设置": "Impostazioni generali",
|
||||
"开始音频转换": "Avvia la conversione audio",
|
||||
"当前": "Attuale",
|
||||
"当前阶段": "Fase attuale",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Sfortunatamente, non è disponibile alcuna GPU compatibile per supportare l'addestramento.",
|
||||
"性别因子/声线粗细": "Fattore di genere / spessore della voce",
|
||||
"性能设置": "Impostazioni delle prestazioni",
|
||||
"总训练轮数total_epoch": "Epoch totali di addestramento (total_epoch):",
|
||||
"成功": "Successo",
|
||||
"执行命令": "Comando",
|
||||
"批量推理": "Inferenza batch",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversione massiva. Inserisci il percorso della cartella che contiene i file da convertire o carica più file audio. I file convertiti finiranno nella cartella specificata. (default: opt) ",
|
||||
"拖拽或点击上传待处理音频": "Trascina qui o fai clic per caricare l’audio da elaborare",
|
||||
"指定输出主人声文件夹": "Specifica la cartella di output per le voci:",
|
||||
"指定输出文件夹": "Specifica la cartella di output:",
|
||||
"指定输出非主人声文件夹": "Specificare la cartella di output per l'accompagnamento:",
|
||||
"推理时间(ms):": "Tempo di inferenza (ms):",
|
||||
"推理耗时：%.2f秒": "Tempo di inferenza: %.2f seconds",
|
||||
"推理音色": "Voce di inferenza:",
|
||||
"提取": "Estrai",
|
||||
"提取音高和处理数据使用的CPU进程数": "Numero di processi CPU utilizzati per l'estrazione del tono e l'elaborazione dei dati:",
|
||||
"数据切分": "Suddivisione dati",
|
||||
"无法停止": "Impossibile interrompere",
|
||||
"无法读取音频：%s": "Impossibile leggere l'audio: %s",
|
||||
"是": "SÌ",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Salva solo l'ultimo file '.ckpt' per risparmiare spazio su disco:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Salva un piccolo modello finale nella cartella \"weights\" in ogni punto di salvataggio:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Memorizza nella cache tutti i set di addestramento nella memoria della GPU. ",
|
||||
"显卡信息": "Informazioni GPU",
|
||||
"未使用": "Non usato",
|
||||
"未使用判别器预训练模型": "Modello preaddestrato del discriminatore non usato",
|
||||
"未使用生成器预训练模型": "Modello preaddestrato del generatore non usato",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Configurazione del modello Roformer non trovata; verranno usati i valori predefiniti integrati",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Nessuna GPU supportata rilevata; l'addestramento sulla CPU può richiedere molto più tempo",
|
||||
"未运行": "Non avviato",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Questo software è open source con licenza MIT. <br>Se non si accetta questa clausola, non è possibile utilizzare o fare riferimento a codici e file all'interno del pacchetto software. <b>Contratto-LICENZA.txt</b> per dettagli.",
|
||||
"查看": "Visualizzazione",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Visualizza le informazioni sul modello (supportato solo per file di modello piccoli estratti dalla cartella 'weights')",
|
||||
"检测到模型类型：%s": "Tipo di modello rilevato: %s",
|
||||
"检索特征占比": "Rapporto funzionalità di ricerca (controlla la forza dell'accento, troppo alto ha artefatti):",
|
||||
"模型": "Modello",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Informazioni modello: %s\nFrequenza di campionamento: %s\nGuida intonazione: %s\nVersione: %s",
|
||||
"模型推理": "Inferenza del modello",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Estrazione del modello (inserire il percorso del modello di file di grandi dimensioni nella cartella \"logs\"). ",
|
||||
"模型是否带音高指导": "Se il modello ha una guida del tono:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Se il modello ha una guida del tono (necessario per il canto, facoltativo per il parlato):",
|
||||
"模型是否带音高指导,1是0否": "Se il modello ha una guida del tono (1: sì, 0: no):",
|
||||
"模型版本型号": "Versione dell'architettura del modello:",
|
||||
"模型融合, 可用于测试音色融合": "Model fusion, può essere utilizzato per testare la fusione timbrica",
|
||||
"模型融合失败：两个模型的结构不一致": "Unione dei modelli non riuscita: le architetture non corrispondono",
|
||||
"模型训练": "Addestramento modello",
|
||||
"模型路径": "Percorso al modello:",
|
||||
"正在保存最终检查点：%s": "Salvataggio del checkpoint finale: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Salvataggio del checkpoint %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Caricamento del modello RMVPE",
|
||||
"正在加载模型": "Caricamento del modello",
|
||||
"正在启动": "Avvio in corso",
|
||||
"正在收尾": "Finalizzazione",
|
||||
"每张显卡的batch_size": "Dimensione batch per GPU:",
|
||||
"淡入淡出长度": "Lunghezza dissolvenza",
|
||||
"清理模型缓存": "Pulizia della cache del modello",
|
||||
"版本": "Versione",
|
||||
"特征": "Caratteristiche",
|
||||
"特征提取": "Estrazione delle caratteristiche",
|
||||
"状态": "Stato",
|
||||
"独占 WASAPI 设备": "Dispositivo WASAPI esclusivo",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Tonalità +12 consigliata per la conversione da maschio a femmina e tonalità -12 per la conversione da femmina a maschio. ",
|
||||
"目标采样率": "Frequenza di campionamento target:",
|
||||
"等待中": "In attesa",
|
||||
"等待输入": "In attesa dell'input",
|
||||
"算法延迟(ms):": "Latenza algoritmo (ms):",
|
||||
"索引": "Indice",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Indice non valido: usare added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Ricerca nell'indice non riuscita",
|
||||
"索引检索失败或未启用": "Ricerca nell'indice non riuscita o disattivata",
|
||||
"索引训练": "Addestramento indice",
|
||||
"耗时": "Tempo trascorso",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Tempo trascorso: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusione",
|
||||
"要改的模型信息": "Informazioni sul modello da modificare:",
|
||||
"要置入的模型信息": "Informazioni sul modello da posizionare:",
|
||||
"训练": "Addestramento",
|
||||
"训练已完成，正在保存最终模型": "Addestramento completato; salvataggio del modello finale",
|
||||
"训练文件列表写入完成": "Elenco dei file di addestramento salvato",
|
||||
"训练模型": "Addestra modello",
|
||||
"训练特征索引": "Addestra indice delle caratteristiche",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Addestramento completato. ",
|
||||
"训练设备规则选择的精度：%s": "Precisione di addestramento scelta dalle regole del dispositivo: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Epoca di addestramento: {} [{:.0f}%]",
|
||||
"设备类型": "Tipo di dispositivo",
|
||||
"请上传音频文件": "Caricare un file audio",
|
||||
"请填写输出文件夹路径": "Inserire il percorso della cartella di output",
|
||||
"请指定说话人id": "Si prega di specificare l'ID del locutore/cantante:",
|
||||
"请选择index文件": "Selezionare un file .index",
|
||||
"请选择pth文件": "Selezionare un file .pth",
|
||||
"请选择说话人id": "Seleziona ID locutore/cantante:",
|
||||
"转换": "Convertire",
|
||||
"输入实验名": "Inserisci il nome dell'esperimento:",
|
||||
"输入待处理音频文件夹路径": "Immettere il percorso della cartella audio da elaborare:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Immettere il percorso della cartella audio da elaborare (copiarlo dalla barra degli indirizzi del file manager):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Immettere il percorso del file audio da elaborare (l'impostazione predefinita è l'esempio di formato corretto):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Regola il ridimensionamento dell'inviluppo del volume. ",
|
||||
"输入监听": "Monitor ingresso",
|
||||
"输入训练文件夹路径": "Inserisci il percorso della cartella di addestramento:",
|
||||
"输入设备": "Dispositivo di input",
|
||||
"输入设备：%s:%s": "Dispositivo di ingresso: %s:%s",
|
||||
"输入降噪": "Riduzione del rumore in ingresso",
|
||||
"输出信息": "Informazioni sull'uscita",
|
||||
"输出变声": "Conversione uscita",
|
||||
"输出设备": "Dispositivo di uscita",
|
||||
"输出设备：%s:%s": "Dispositivo di uscita: %s:%s",
|
||||
"输出降噪": "Riduzione del rumore in uscita",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Esporta audio (clicca sui tre puntini in basso a destra per scaricarlo)",
|
||||
"运行中": "In esecuzione",
|
||||
"进度": "Avanzamento",
|
||||
"选择.index文件": "Seleziona il file .index",
|
||||
"选择.pth文件": "Seleziona il file .pth",
|
||||
"选择模型": "Seleziona modello",
|
||||
"选择索引": "Seleziona indice",
|
||||
"选择音高提取算法": "Seleziona l’algoritmo di estrazione dell’intonazione",
|
||||
"采样率:": "Frequenza di campionamento:",
|
||||
"采样长度": "Lunghezza del campione",
|
||||
"重载设备列表": "Ricaricare l'elenco dei dispositivi",
|
||||
"错误信息：%s": "Dettagli errore: %s",
|
||||
"错误：未知模型：%s": "Errore: modello sconosciuto: %s",
|
||||
"音调设置": "Impostazioni del tono",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "L'audio ha più canali, ma il modello è mono; verrà calcolata la media di tutti i canali",
|
||||
"音频设备": "Dispositivo audio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Tutti i valori di intonazione sono zero; questo audio è inutilizzabile e verrà ignorato: %s",
|
||||
"音高算法": "Algoritmo di intonazione",
|
||||
"额外推理时长": "Tempo di inferenza extra",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Il pre-processing non ha generato audio di addestramento valido. Controlla il dataset e il registro.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Il pre-processing non ha generato audio a 16 kHz. Estrazione e addestramento sono stati interrotti.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "I file prodotti dal pre-processing non corrispondono. Estrazione e addestramento sono stati interrotti.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "Estrazione HuBERT senza risultati validi. Addestramento interrotto.",
|
||||
"F0提取没有生成有效结果，已停止训练": "Estrazione F0 senza risultati validi. Addestramento interrotto.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Nessun audio valido per l’addestramento. Completa prima pre-processing ed estrazione delle caratteristiche.",
|
||||
"已完成阶段": "Fasi completate",
|
||||
"已成功": "Completato",
|
||||
"刷新音色列表": "Aggiorna elenco voci",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Percorso indice caratteristiche (rilevato dopo la scelta del modello; modificabile)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Addestramento indice] Il collegamento esterno esiste già: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Addestramento indice][Saltato] L’indice added esiste già: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Addestramento indice][Saltato] L’indice trained esiste già: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Dispositivo corrente: %s | Precisione di inferenza: %s",
|
||||
"正在预热CUDA Graph": "Riscaldamento di CUDA Graph",
|
||||
"CUDA Graph预热完成": "Riscaldamento di CUDA Graph completato",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Estrazione dati avviata: start_time=%.6f, concorrenza richiesta=%s, limite effettivo=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Estrazione dati completata: end_time=%.6f, tempo totale=%.3f secondi"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Intensità dell'estrazione vocale",
|
||||
"%s → 成功": "%s → Successo",
|
||||
"%s运行中，请先停止该任务": "%s è in esecuzione; interromperlo prima di avviare un'altra attività",
|
||||
"%s进程已终止": "Il processo %s è stato terminato",
|
||||
"====> 轮次：{} {}": "====> Epoca: {} {}",
|
||||
"A模型权重": "Peso (w) per il modello A:",
|
||||
"A模型路径": "Percorso per il modello A:",
|
||||
"B模型路径": "Percorso per il modello B:",
|
||||
"CUDA可用：%s": "CUDA disponibile: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Estrazione F0 e caratteristiche HuBERT",
|
||||
"F0提取": "Estrazione F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "File curva F0 (opzionale). ",
|
||||
"HuBERT特征": "Caratteristiche HuBERT",
|
||||
"Index Rate": "Tasso di indice",
|
||||
"RVC模型路径": "Percorso modello RVC:",
|
||||
"SOLA偏移：%d": "Offset SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Estrazione F0] Completato | Successo: %s | Ignorati: %s | Errore: %s",
|
||||
"[F0提取] 待处理：%s": "[Estrazione F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Estrazione F0] Nessun audio in attesa; tutti i file sono stati ignorati",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Estrazione F0] Avanzamento: %s/%s | Successo: %s | Ignorati: %s | %s",
|
||||
"[F0提取][失败] %s": "[Estrazione F0][Errore] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Estrazione F0][Errore] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Caratteristiche HuBERT] Completato | Successo: %s | Ignorati: %s | Errore: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Caratteristiche HuBERT] Nessun audio in attesa; ignorati: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Caratteristiche HuBERT] Caricamento del modello: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Caratteristiche HuBERT] Dispositivo: %s | Pending: %s | Ignorati: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Caratteristiche HuBERT] Avanzamento: %s/%s | Successo: %s | Errore: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Caratteristiche HuBERT][Errore] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Caratteristiche HuBERT][Errore] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Caratteristiche HuBERT][Errore] Modello not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Suddivisione dati] Sottoattività completata | Successo: %s | Errore: %s",
|
||||
"[数据切分] 完成": "[Suddivisione dati] Completato",
|
||||
"[数据切分] 开始": "[Suddivisione dati] Avviato",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Suddivisione dati] Pending: %s | Processi: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Suddivisione dati] Avanzamento: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Suddivisione dati][Errore] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Suddivisione dati][Errore] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Suddivisione dati][Ignorati] Segmento audio non valido o anomalo: %s_%s | Picco: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Addestramento indice] Avanzamento scrittura: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Addestramento indice] Indice collegato alla cartella esterna: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Addestramento indice] Indice creato correttamente: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Addestramento indice] Aggiunta dei vettori delle caratteristiche",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Addestramento indice] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Addestramento indice] Addestramento dell'indice",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Addestramento indice] Forma caratteristiche: %s | Numero IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Addestramento indice][Errore] Impossibile collegare l'indice alla cartella esterna: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Addestramento indice][Errore] Clustering non riuscito; continuazione con le caratteristiche originali\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Addestramento indice][Errore] Estrarre prima le caratteristiche",
|
||||
"ckpt处理": "Elaborazione ckpt",
|
||||
"index文件路径不可包含中文": "Il percorso del file index non può contenere caratteri cinesi",
|
||||
"pth文件路径不可包含中文": "pth è un'app per il futuro",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configurazione GPU RMVPE separata da trattini; ad esempio 0-0-1 avvia due processi sulla GPU 0 e uno sulla GPU 1",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Passaggio 1: compilare la configurazione sperimentale. ",
|
||||
"step1:正在处理数据": "Passaggio 1: elaborazione dei dati",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Estrazione dell'intonazione e delle caratteristiche",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Passaggio 2a: attraversa automaticamente tutti i file nella cartella di addestramento che possono essere decodificati in audio ed esegui la normalizzazione delle sezioni. ",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Passaggio 2b: utilizzare la CPU per estrarre il tono (se il modello ha il tono), utilizzare la GPU per estrarre le caratteristiche (selezionare l'indice GPU):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Passaggio 3: compilare le impostazioni di addestramento e avviare l'addestramento del modello e dell'indice",
|
||||
"step3a:正在训练模型": "Passaggio 3a: è iniziato l'addestramento del modello",
|
||||
"step3b:正在训练索引": "passaggio 3b: addestramento dell’indice",
|
||||
"……仅显示最近10条失败记录": "…Vengono mostrati solo gli ultimi 10 errori",
|
||||
"……已省略前%s行，仅显示最新状态": "…Omesse le prime %s righe; viene mostrato solo lo stato più recente",
|
||||
"一键训练": "Addestramento con un clic",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "È anche possibile scegliere più file audio; la cartella ha la priorità",
|
||||
"仅支持pm和rmvpe音高提取算法": "Sono supportati solo i metodi di estrazione dell'intonazione pm e rmvpe",
|
||||
"从训练检查点提取的模型": "Modellolo estratto da un checkpoint di addestramento",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Inserisci gli indici GPU separati da '-', ad esempio 0-1-2 per utilizzare GPU 0, 1 e 2:",
|
||||
"任务": "Attività",
|
||||
"使用显卡：%s": "GPU in uso: %s",
|
||||
"使用模型采样率": "Usa frequenza del modello",
|
||||
"使用设备采样率": "Usa frequenza del dispositivo",
|
||||
"保存名": "Salva nome:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Salva il nome del file (predefinito: uguale al file di origine):",
|
||||
"保存的模型名不带后缀": "Nome del modello salvato (senza estensione):",
|
||||
"保存频率save_every_epoch": "Frequenza di salvataggio (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteggi le consonanti senza voce e i suoni del respiro per evitare artefatti come il tearing nella musica elettronica. ",
|
||||
"修改": "Modificare",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modifica le informazioni sul modello (supportato solo per i file di modello di piccole dimensioni estratti dalla cartella 'weights')",
|
||||
"停止一键训练": "Interrompi addestramento con un clic",
|
||||
"停止处理数据": "Interrompi pre-elaborazione dei dati",
|
||||
"停止特征提取": "Interrompi estrazione delle caratteristiche",
|
||||
"停止训练模型": "Interrompi addestramento del modello",
|
||||
"停止训练索引": "Interrompi addestramento dell’indice",
|
||||
"停止音频转换": "Arresta la conversione audio",
|
||||
"全流程结束！": "Tutti i processi sono stati completati!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Carica modello",
|
||||
"加载预训练底模D路径": "Carica il percorso D del modello base pre-addestrato:",
|
||||
"加载预训练底模G路径": "Carica il percorso G del modello base pre-addestrato:",
|
||||
"单次推理": "Inferenza singola",
|
||||
"卸载音色省显存": "Scarica la voce per risparmiare memoria della GPU:",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Trasposizione (numero intero, numero di semitoni, alza di un'ottava: 12, abbassa di un'ottava: -12):",
|
||||
"合成": "Sintesi",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Ricampiona l'audio di output in post-elaborazione alla frequenza di campionamento finale. ",
|
||||
"否": "NO",
|
||||
"响应阈值": "Soglia di risposta",
|
||||
"响度因子": "fattore di sonorità",
|
||||
"处理中": "Elaborazione",
|
||||
"处理数据": "Processa dati",
|
||||
"失败": "Errore",
|
||||
"失败记录": "Registro errori",
|
||||
"子进程执行失败，返回码：%s": "Il sottoprocesso non è riuscito, codice di uscita: %s",
|
||||
"导出文件格式": "Formato file di esportazione",
|
||||
"已停止": "Interrotto",
|
||||
"已加载判别器预训练模型：%s": "Modellolo preaddestrato del discriminatore caricato: %s",
|
||||
"已加载生成器预训练模型：%s": "Modellolo preaddestrato del generatore caricato: %s",
|
||||
"已启用索引检索": "Ricerca nell'indice attivata",
|
||||
"已完成": "Completato",
|
||||
"已恢复判别器检查点": "Checkpoint del discriminatore ripristinato",
|
||||
"常见问题解答": "FAQ (Domande frequenti)",
|
||||
"常规设置": "Impostazioni generali",
|
||||
"开始音频转换": "Avvia la conversione audio",
|
||||
"当前": "Attuale",
|
||||
"当前阶段": "Fase attuale",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Sfortunatamente, non è disponibile alcuna GPU compatibile per supportare l'addestramento.",
|
||||
"性别因子/声线粗细": "Fattore di genere / spessore della voce",
|
||||
"性能设置": "Impostazioni delle prestazioni",
|
||||
"总训练轮数total_epoch": "Epoch totali di addestramento (total_epoch):",
|
||||
"成功": "Successo",
|
||||
"执行命令": "Comando",
|
||||
"批量推理": "Inferenza batch",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversione massiva. Inserisci il percorso della cartella che contiene i file da convertire o carica più file audio. I file convertiti finiranno nella cartella specificata. (default: opt) ",
|
||||
"拖拽或点击上传待处理音频": "Trascina qui o fai clic per caricare l’audio da elaborare",
|
||||
"指定输出主人声文件夹": "Specifica la cartella di output per le voci:",
|
||||
"指定输出文件夹": "Specifica la cartella di output:",
|
||||
"指定输出非主人声文件夹": "Specificare la cartella di output per l'accompagnamento:",
|
||||
"推理时间(ms):": "Tempo di inferenza (ms):",
|
||||
"推理耗时：%.2f秒": "Tempo di inferenza: %.2f seconds",
|
||||
"推理音色": "Voce di inferenza:",
|
||||
"提取": "Estrai",
|
||||
"提取音高和处理数据使用的CPU进程数": "Numero di processi CPU utilizzati per l'estrazione del tono e l'elaborazione dei dati:",
|
||||
"数据切分": "Suddivisione dati",
|
||||
"无法停止": "Impossibile interrompere",
|
||||
"无法读取音频：%s": "Impossibile leggere l'audio: %s",
|
||||
"是": "SÌ",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Salva solo l'ultimo file '.ckpt' per risparmiare spazio su disco:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Salva un piccolo modello finale nella cartella \"weights\" in ogni punto di salvataggio:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Memorizza nella cache tutti i set di addestramento nella memoria della GPU. ",
|
||||
"显卡信息": "Informazioni GPU",
|
||||
"未使用": "Non usato",
|
||||
"未使用判别器预训练模型": "Modello preaddestrato del discriminatore non usato",
|
||||
"未使用生成器预训练模型": "Modello preaddestrato del generatore non usato",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Configurazione del modello Roformer non trovata; verranno usati i valori predefiniti integrati",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Nessuna GPU supportata rilevata; l'addestramento sulla CPU può richiedere molto più tempo",
|
||||
"未运行": "Non avviato",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Questo software è open source con licenza MIT. <br>Se non si accetta questa clausola, non è possibile utilizzare o fare riferimento a codici e file all'interno del pacchetto software. <b>Contratto-LICENZA.txt</b> per dettagli.",
|
||||
"查看": "Visualizzazione",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Visualizza le informazioni sul modello (supportato solo per file di modello piccoli estratti dalla cartella 'weights')",
|
||||
"检测到模型类型：%s": "Tipo di modello rilevato: %s",
|
||||
"检索特征占比": "Rapporto funzionalità di ricerca (controlla la forza dell'accento, troppo alto ha artefatti):",
|
||||
"模型": "Modello",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Informazioni modello: %s\nFrequenza di campionamento: %s\nGuida intonazione: %s\nVersione: %s",
|
||||
"模型推理": "Inferenza del modello",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Estrazione del modello (inserire il percorso del modello di file di grandi dimensioni nella cartella \"logs\"). ",
|
||||
"模型是否带音高指导": "Se il modello ha una guida del tono:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Se il modello ha una guida del tono (necessario per il canto, facoltativo per il parlato):",
|
||||
"模型是否带音高指导,1是0否": "Se il modello ha una guida del tono (1: sì, 0: no):",
|
||||
"模型版本型号": "Versione dell'architettura del modello:",
|
||||
"模型融合, 可用于测试音色融合": "Model fusion, può essere utilizzato per testare la fusione timbrica",
|
||||
"模型融合失败：两个模型的结构不一致": "Unione dei modelli non riuscita: le architetture non corrispondono",
|
||||
"模型训练": "Addestramento modello",
|
||||
"模型路径": "Percorso al modello:",
|
||||
"正在保存最终检查点：%s": "Salvataggio del checkpoint finale: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Salvataggio del checkpoint %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Caricamento del modello RMVPE",
|
||||
"正在加载模型": "Caricamento del modello",
|
||||
"正在启动": "Avvio in corso",
|
||||
"正在收尾": "Finalizzazione",
|
||||
"每张显卡的batch_size": "Dimensione batch per GPU:",
|
||||
"淡入淡出长度": "Lunghezza dissolvenza",
|
||||
"清理模型缓存": "Pulizia della cache del modello",
|
||||
"版本": "Versione",
|
||||
"特征": "Caratteristiche",
|
||||
"特征提取": "Estrazione delle caratteristiche",
|
||||
"状态": "Stato",
|
||||
"独占 WASAPI 设备": "Dispositivo WASAPI esclusivo",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Tonalità +12 consigliata per la conversione da maschio a femmina e tonalità -12 per la conversione da femmina a maschio. ",
|
||||
"目标采样率": "Frequenza di campionamento target:",
|
||||
"等待中": "In attesa",
|
||||
"等待输入": "In attesa dell'input",
|
||||
"算法延迟(ms):": "Latenza algoritmo (ms):",
|
||||
"索引": "Indice",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Indice non valido: usare added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Ricerca nell'indice non riuscita",
|
||||
"索引检索失败或未启用": "Ricerca nell'indice non riuscita o disattivata",
|
||||
"索引训练": "Addestramento indice",
|
||||
"耗时": "Tempo trascorso",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Tempo trascorso: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusione",
|
||||
"要改的模型信息": "Informazioni sul modello da modificare:",
|
||||
"要置入的模型信息": "Informazioni sul modello da posizionare:",
|
||||
"训练": "Addestramento",
|
||||
"训练已完成，正在保存最终模型": "Addestramento completato; salvataggio del modello finale",
|
||||
"训练文件列表写入完成": "Elenco dei file di addestramento salvato",
|
||||
"训练模型": "Addestra modello",
|
||||
"训练特征索引": "Addestra indice delle caratteristiche",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Addestramento completato. ",
|
||||
"训练设备规则选择的精度：%s": "Precisione di addestramento scelta dalle regole del dispositivo: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Epoca di addestramento: {} [{:.0f}%]",
|
||||
"设备类型": "Tipo di dispositivo",
|
||||
"请上传音频文件": "Caricare un file audio",
|
||||
"请填写输出文件夹路径": "Inserire il percorso della cartella di output",
|
||||
"请指定说话人id": "Si prega di specificare l'ID del locutore/cantante:",
|
||||
"请选择index文件": "Selezionare un file .index",
|
||||
"请选择pth文件": "Selezionare un file .pth",
|
||||
"请选择说话人id": "Seleziona ID locutore/cantante:",
|
||||
"转换": "Convertire",
|
||||
"输入实验名": "Inserisci il nome dell'esperimento:",
|
||||
"输入待处理音频文件夹路径": "Immettere il percorso della cartella audio da elaborare:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Immettere il percorso della cartella audio da elaborare (copiarlo dalla barra degli indirizzi del file manager):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Immettere il percorso del file audio da elaborare (l'impostazione predefinita è l'esempio di formato corretto):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Regola il ridimensionamento dell'inviluppo del volume. ",
|
||||
"输入监听": "Monitor ingresso",
|
||||
"输入训练文件夹路径": "Inserisci il percorso della cartella di addestramento:",
|
||||
"输入设备": "Dispositivo di input",
|
||||
"输入设备：%s:%s": "Dispositivo di ingresso: %s:%s",
|
||||
"输入降噪": "Riduzione del rumore in ingresso",
|
||||
"输出信息": "Informazioni sull'uscita",
|
||||
"输出变声": "Conversione uscita",
|
||||
"输出设备": "Dispositivo di uscita",
|
||||
"输出设备：%s:%s": "Dispositivo di uscita: %s:%s",
|
||||
"输出降噪": "Riduzione del rumore in uscita",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Esporta audio (clicca sui tre puntini in basso a destra per scaricarlo)",
|
||||
"运行中": "In esecuzione",
|
||||
"进度": "Avanzamento",
|
||||
"选择.index文件": "Seleziona il file .index",
|
||||
"选择.pth文件": "Seleziona il file .pth",
|
||||
"选择模型": "Seleziona modello",
|
||||
"选择索引": "Seleziona indice",
|
||||
"选择音高提取算法": "Seleziona l’algoritmo di estrazione dell’intonazione",
|
||||
"采样率:": "Frequenza di campionamento:",
|
||||
"采样长度": "Lunghezza del campione",
|
||||
"重载设备列表": "Ricaricare l'elenco dei dispositivi",
|
||||
"错误信息：%s": "Dettagli errore: %s",
|
||||
"错误：未知模型：%s": "Errore: modello sconosciuto: %s",
|
||||
"音调设置": "Impostazioni del tono",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "L'audio ha più canali, ma il modello è mono; verrà calcolata la media di tutti i canali",
|
||||
"音频设备": "Dispositivo audio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Tutti i valori di intonazione sono zero; questo audio è inutilizzabile e verrà ignorato: %s",
|
||||
"音高算法": "Algoritmo di intonazione",
|
||||
"额外推理时长": "Tempo di inferenza extra",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Il pre-processing non ha generato audio di addestramento valido. Controlla il dataset e il registro.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Il pre-processing non ha generato audio a 16 kHz. Estrazione e addestramento sono stati interrotti.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "I file prodotti dal pre-processing non corrispondono. Estrazione e addestramento sono stati interrotti.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "Estrazione HuBERT senza risultati validi. Addestramento interrotto.",
|
||||
"F0提取没有生成有效结果，已停止训练": "Estrazione F0 senza risultati validi. Addestramento interrotto.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Nessun audio valido per l’addestramento. Completa prima pre-processing ed estrazione delle caratteristiche.",
|
||||
"已完成阶段": "Fasi completate",
|
||||
"已成功": "Completato",
|
||||
"刷新音色列表": "Aggiorna elenco voci",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Percorso indice caratteristiche (rilevato dopo la scelta del modello; modificabile)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Addestramento indice] Il collegamento esterno esiste già: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Addestramento indice][Saltato] L’indice added esiste già: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Addestramento indice][Saltato] L’indice trained esiste già: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Dispositivo corrente: %s | Precisione di inferenza: %s",
|
||||
"正在预热CUDA Graph": "Riscaldamento di CUDA Graph",
|
||||
"CUDA Graph预热完成": "Riscaldamento di CUDA Graph completato",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Estrazione dati avviata: start_time=%.6f, concorrenza richiesta=%s, limite effettivo=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Estrazione dati completata: end_time=%.6f, tempo totale=%.3f secondi",
|
||||
"人声伴奏分离&去混响": "Separazione voce/accompagnamento e rimozione del riverbero",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "Elaborazione batch di voce, accompagnamento e riverbero con i modelli pymss/MSST.",
|
||||
"处理方式": "Modalità di elaborazione",
|
||||
"底层模型": "Modello sottostante",
|
||||
"主结果文件夹": "Cartella di output principale",
|
||||
"分离残余文件夹": "Cartella di output residuo",
|
||||
"停止分离": "Interrompi separazione"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "ボーカル抽出の強度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%sを実行中です。先に停止してください",
|
||||
"%s进程已终止": "%sプロセスを終了しました",
|
||||
"====> 轮次：{} {}": "====> エポック: {} {}",
|
||||
"A模型权重": "Aモデルの重み",
|
||||
"A模型路径": "Aモデルのパス",
|
||||
"B模型路径": "Bモデルのパス",
|
||||
"CUDA可用：%s": "CUDA利用可能: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0とHuBERT特徴量の抽出",
|
||||
"F0提取": "F0抽出",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0(最低共振周波数)カーブファイル(オプション、1行に1ピッチ、デフォルトのF0(最低共振周波数)とエレベーションを置き換えます。)",
|
||||
"HuBERT特征": "HuBERT特徴量",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVCモデルパス",
|
||||
"SOLA偏移：%d": "SOLAオフセット: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0抽出] 完了 | 成功: %s | スキップ: %s | 失敗: %s",
|
||||
"[F0提取] 待处理：%s": "[F0抽出] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0抽出] 処理対象の音声はなく、すべてスキップ済みです",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0抽出] 進捗: %s/%s | 成功: %s | スキップ: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0抽出][失敗] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0抽出][失敗] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特徴量] 完了 | 成功: %s | スキップ: %s | 失敗: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特徴量] 処理対象の音声なし、スキップ済み: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特徴量] モデルを読み込み中: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特徴量] デバイス: %s | Pending: %s | スキップ: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特徴量] 進捗: %s/%s | 成功: %s | 失敗: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特徴量][失敗] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特徴量][失敗] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特徴量][失敗] モデル not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[データ分割] サブタスク完了 | 成功: %s | 失敗: %s",
|
||||
"[数据切分] 完成": "[データ分割] 完了",
|
||||
"[数据切分] 开始": "[データ分割] 開始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[データ分割] Pending: %s | プロセス数: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[データ分割] 進捗: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[データ分割][失敗] %s",
|
||||
"[数据切分][失败] %s\n%s": "[データ分割][失敗] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[データ分割][スキップ] 無効または異常な音声区間: %s_%s | ピーク: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[インデックス学習] 書き込み進捗: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[インデックス学習] インデックスを外部フォルダーへリンクしました: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[インデックス学習] インデックスを作成しました: %s",
|
||||
"[索引训练] 正在写入特征向量": "[インデックス学習] 特徴ベクトルを追加中",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[インデックス学習] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[インデックス学習] インデックスを学習中",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[インデックス学習] 特徴量形状: %s | IVF数: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[インデックス学習][失敗] インデックスを外部フォルダーへリンクできませんでした: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[インデックス学習][失敗] クラスタリングに失敗したため、元の特徴量で続行します\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[インデックス学習][失敗] 先に特徴抽出を実行してください",
|
||||
"ckpt处理": "ckptファイルの処理",
|
||||
"index文件路径不可包含中文": "indexファイルのパスに漢字を含んではいけません",
|
||||
"pth文件路径不可包含中文": "pthファイルのパスに漢字を含んではいけません",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpeカード番号設定：異なるプロセスに使用するカード番号を入力する。例えば、0-0-1でカード0に2つのプロセス、カード1に1つのプロセスを実行する。",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "ステップ1:実験設定を入力します。実験データはlogsに保存され、各実験にはフォルダーがあります。実験名のパスを手動で入力する必要があり、実験設定、ログ、トレーニングされたモデルファイルが含まれます。",
|
||||
"step1:正在处理数据": "step1:処理中のデータ",
|
||||
"step2:正在提取音高&正在提取特征": "step2:ピッチ抽出と特徴抽出",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "ステップ2a: 訓練フォルダー内のすべての音声ファイルを自動的に探索し、スライスと正規化を行い、2つのwavフォルダーを実験ディレクトリに生成します。現在は一人でのトレーニングのみをサポートしています。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "ステップ2b: CPUを使用して音高を抽出する(モデルに音高がある場合)、GPUを使用して特徴を抽出する(GPUの番号を選択する)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "ステップ3: トレーニング設定を入力して、モデルとインデックスのトレーニングを開始します",
|
||||
"step3a:正在训练模型": "step3a:トレーニング中のモデル",
|
||||
"step3b:正在训练索引": "ステップ3b：インデックスをトレーニング中",
|
||||
"……仅显示最近10条失败记录": "…直近10件の失敗のみ表示しています",
|
||||
"……已省略前%s行，仅显示最新状态": "…先頭%s行を省略し、最新状態のみ表示しています",
|
||||
"一键训练": "ワンクリックトレーニング",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "複数のオーディオファイルをインポートすることもできます。フォルダパスが存在する場合、この入力は無視されます。",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "UVR5モデルを使用して、ボーカルと伴奏を一括分離します。<br>ボーカル保持モデルを選択するか、DeEcho／DeReverbモデルでエコーや残響を除去できます。",
|
||||
"仅支持pm和rmvpe音高提取算法": "ピッチ抽出方式はpmとrmvpeのみ対応しています",
|
||||
"从训练检查点提取的模型": "学習チェックポイントから抽出したモデル",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "ハイフンで区切って使用するGPUの番号を入力します。例えば0-1-2はGPU0、GPU1、GPU2を使用します",
|
||||
"任务": "タスク",
|
||||
"伴奏人声分离&去混响&去回声": "伴奏ボーカル分離＆残響除去＆エコー除去",
|
||||
"使用显卡：%s": "使用GPU: %s",
|
||||
"使用模型采样率": "モデルのサンプルレートを使用",
|
||||
"使用设备采样率": "デバイスのサンプルレートを使用",
|
||||
"保存名": "保存ファイル名",
|
||||
"保存的文件名, 默认空为和源文件同名": "保存するファイル名、デフォルトでは空欄で元のファイル名と同じ名前になります",
|
||||
"保存的模型名不带后缀": "拡張子のない保存するモデル名",
|
||||
"保存频率save_every_epoch": "エポックごとの保存頻度",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "明確な子音と呼吸音を保護し、電子音の途切れやその他のアーティファクトを防止します。0.5でオフになります。下げると保護が強化されますが、indexの効果が低下する可能性があります。",
|
||||
"修改": "変更",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "モデル情報の修正(weightsフォルダから抽出された小さなモデルファイルのみ対応)",
|
||||
"停止一键训练": "ワンクリック学習を停止",
|
||||
"停止处理数据": "データ前処理を停止",
|
||||
"停止特征提取": "特徴抽出を停止",
|
||||
"停止训练模型": "モデル学習を停止",
|
||||
"停止训练索引": "インデックス学習を停止",
|
||||
"停止音频转换": "音声変換を停止",
|
||||
"全流程结束！": "全工程が完了！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "モデルをロード",
|
||||
"加载预训练底模D路径": "事前学習済みのDモデルのパス",
|
||||
"加载预训练底模G路径": "事前学習済みのGモデルのパス",
|
||||
"单次推理": "単発推論",
|
||||
"卸载音色省显存": "音源を削除してメモリを節約",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "ピッチ変更(整数、半音数、上下オクターブ12-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "最終的なサンプリングレートへのポストプロセッシングのリサンプリング リサンプリングしない場合は0",
|
||||
"否": "いいえ",
|
||||
"响应阈值": "反応閾値",
|
||||
"响度因子": "ラウドネス係数",
|
||||
"处理中": "処理中",
|
||||
"处理数据": "データ処理",
|
||||
"失败": "失敗",
|
||||
"失败记录": "失敗記録",
|
||||
"子进程执行失败，返回码：%s": "子プロセスが終了コード付きで失敗しました: %s",
|
||||
"导出文件格式": "エクスポート形式",
|
||||
"已停止": "停止済み",
|
||||
"已加载判别器预训练模型：%s": "識別器の事前学習モデルを読み込みました: %s",
|
||||
"已加载生成器预训练模型：%s": "生成器の事前学習モデルを読み込みました: %s",
|
||||
"已启用索引检索": "インデックス検索を有効化しました",
|
||||
"已完成": "完了",
|
||||
"已恢复判别器检查点": "識別器チェックポイントを復元しました",
|
||||
"常见问题解答": "よくある質問",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "音声変換を開始",
|
||||
"当前": "現在",
|
||||
"当前阶段": "現在の段階",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "トレーニングに対応したGPUが動作しないのは残念です。",
|
||||
"性别因子/声线粗细": "性別係数／声質の太さ",
|
||||
"性能设置": "パフォーマンス設定",
|
||||
"总训练轮数total_epoch": "総エポック数",
|
||||
"成功": "成功",
|
||||
"执行命令": "実行コマンド",
|
||||
"批量推理": "一括推論",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "一括変換、変換する音声フォルダを入力、または複数の音声ファイルをアップロードし、指定したフォルダ(デフォルトのopt)に変換した音声を出力します。",
|
||||
"拖拽或点击上传待处理音频": "処理する音声をドラッグ＆ドロップするか、クリックしてアップロード",
|
||||
"指定输出主人声文件夹": "マスターの出力音声フォルダーを指定する",
|
||||
"指定输出文件夹": "出力フォルダを指定してください",
|
||||
"指定输出非主人声文件夹": "マスター以外の出力音声フォルダーを指定する",
|
||||
"推理时间(ms):": "推論時間(ms):",
|
||||
"推理耗时：%.2f秒": "推論時間: %.2f seconds",
|
||||
"推理音色": "音源推論",
|
||||
"提取": "抽出",
|
||||
"提取音高和处理数据使用的CPU进程数": "ピッチの抽出やデータ処理に使用するCPUスレッド数",
|
||||
"数据切分": "データ分割",
|
||||
"无法停止": "停止できません",
|
||||
"无法读取音频：%s": "音声を読み込めませんでした: %s",
|
||||
"是": "はい",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "ハードディスク容量を節約するため、最新のckptファイルのみを保存しますか？",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "各保存時点の小モデルを全部weightsフォルダに保存するかどうか",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "すべてのトレーニングデータをメモリにキャッシュするかどうか。10分以下の小さなデータはキャッシュしてトレーニングを高速化できますが、大きなデータをキャッシュするとメモリが破裂し、あまり速度が上がりません。",
|
||||
"显卡信息": "GPU情報",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "識別器の事前学習モデルは未使用です",
|
||||
"未使用生成器预训练模型": "生成器の事前学習モデルは未使用です",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformerモデル設定が見つからないため、組み込みの既定値を使用します",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "対応GPUが検出されませんでした。CPUでの学習には時間がかかる場合があります",
|
||||
"未运行": "未実行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本ソフトウェアはMITライセンスに基づくオープンソースであり、製作者は本ソフトウェアに対していかなる責任を持ちません。本ソフトウェアの利用者および本ソフトウェアから派生した音源(成果物)を配布する者は、本ソフトウェアに対して自身で責任を負うものとします。 <br>この条項に同意しない場合、パッケージ内のコードやファイルを使用や参照を禁じます。詳しくは<b>LICENSE</b>をご覧ください。",
|
||||
"查看": "表示",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "モデル情報を表示する(小さいモデルファイルはweightsフォルダーからのみサポートされています)",
|
||||
"检测到模型类型：%s": "検出したモデル種別: %s",
|
||||
"检索特征占比": "検索特徴率",
|
||||
"模型": "モデル",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "モデル情報: %s\nサンプルレート: %s\nピッチガイド: %s\nバージョン: %s",
|
||||
"模型推理": "モデル推論",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "モデル抽出(ログフォルダー内の大きなファイルのモデルパスを入力)、モデルを半分までトレーニングし、自動的に小さいファイルモデルを保存しなかったり、中間モデルをテストしたい場合に適用されます。",
|
||||
"模型是否带音高指导": "モデルに音高ガイドを付けるかどうか",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "モデルに音高ガイドがあるかどうか(歌唱には必要ですが、音声には必要ありません)",
|
||||
"模型是否带音高指导,1是0否": "モデルに音高ガイドを付けるかどうか、1は付ける、0は付けない",
|
||||
"模型版本型号": "モデルのバージョン",
|
||||
"模型融合, 可用于测试音色融合": "モデルのマージ、音源のマージテストに使用できます",
|
||||
"模型融合失败：两个模型的结构不一致": "モデルの構造が一致しないため、結合に失敗しました",
|
||||
"模型训练": "モデル学習",
|
||||
"模型路径": "モデルパス",
|
||||
"正在保存最终检查点：%s": "最終チェックポイントを保存中: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "チェックポイントを保存中 %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "RMVPEモデルを読み込み中",
|
||||
"正在加载模型": "モデルを読み込み中",
|
||||
"正在启动": "起動中",
|
||||
"正在收尾": "終了処理中",
|
||||
"每张显卡的batch_size": "GPUごとのバッチサイズ",
|
||||
"淡入淡出长度": "フェードイン/フェードアウト長",
|
||||
"清理模型缓存": "モデルキャッシュを消去中",
|
||||
"版本": "バージョン",
|
||||
"特征": "特徴量",
|
||||
"特征提取": "特徴抽出",
|
||||
"状态": "状態",
|
||||
"独占 WASAPI 设备": "WASAPI排他デバイス",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性から女性へは+12キーをお勧めします。女性から男性へは-12キーをお勧めします。音域が広すぎて音質が劣化した場合は、適切な音域に自分で調整してください。",
|
||||
"目标采样率": "目標サンプリングレート",
|
||||
"等待中": "待機中",
|
||||
"等待输入": "入力待ち",
|
||||
"算法延迟(ms):": "アルゴリズム遅延(ms):",
|
||||
"索引": "インデックス",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "無効なインデックスです。使用してください: added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "インデックス検索に失敗しました",
|
||||
"索引检索失败或未启用": "インデックス検索に失敗したか無効です",
|
||||
"索引训练": "インデックス学習",
|
||||
"耗时": "所要時間",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "所要時間: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "マージ",
|
||||
"要改的模型信息": "変更するモデル情報",
|
||||
"要置入的模型信息": "挿入するモデル情報",
|
||||
"训练": "トレーニング",
|
||||
"训练已完成，正在保存最终模型": "学習が完了しました。最終モデルを保存しています",
|
||||
"训练文件列表写入完成": "学習ファイル一覧を書き込みました",
|
||||
"训练模型": "モデルのトレーニング",
|
||||
"训练特征索引": "特徴インデックスのトレーニング",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "トレーニング終了時に、トレーニングログやフォルダ内のtrain.logを確認することができます",
|
||||
"训练设备规则选择的精度：%s": "デバイス規則で選択された学習精度: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "学習エポック: {} [{:.0f}%]",
|
||||
"设备类型": "デバイス種別",
|
||||
"请上传音频文件": "音声ファイルをアップロードしてください",
|
||||
"请填写输出文件夹路径": "出力フォルダーのパスを入力してください",
|
||||
"请指定说话人id": "話者IDを指定してください",
|
||||
"请选择index文件": "indexファイルを選択してください",
|
||||
"请选择pth文件": "pthファイルを選択してください",
|
||||
"请选择说话人id": "話者IDを選択してください",
|
||||
"转换": "変換",
|
||||
"输入实验名": "モデル名",
|
||||
"输入待处理音频文件夹路径": "処理するオーディオファイルのフォルダパスを入力してください",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "処理対象音声フォルダーのパスを入力してください(エクスプローラーのアドレスバーからコピーしてください)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "処理対象音声ファイルのパスを入力してください(デフォルトは正しいフォーマットの例です)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "入力ソースの音量エンベロープと出力音量エンベロープの融合率 1に近づくほど、出力音量エンベロープの割合が高くなる",
|
||||
"输入监听": "入力モニター",
|
||||
"输入训练文件夹路径": "トレーニング用フォルダのパスを入力してください",
|
||||
"输入设备": "入力デバイス",
|
||||
"输入设备：%s:%s": "入力デバイス: %s:%s",
|
||||
"输入降噪": "入力ノイズの低減",
|
||||
"输出信息": "出力情報",
|
||||
"输出变声": "出力変声",
|
||||
"输出设备": "出力デバイス",
|
||||
"输出设备：%s:%s": "出力デバイス: %s:%s",
|
||||
"输出降噪": "出力ノイズの低減",
|
||||
"输出音频(右下角三个点,点了可以下载)": "出力音声(右下の三点をクリックしてダウンロードできます)",
|
||||
"运行中": "実行中",
|
||||
"进度": "進捗",
|
||||
"选择.index文件": ".indexファイルを選択",
|
||||
"选择.pth文件": ".pthファイルを選択",
|
||||
"选择模型": "モデルを選択",
|
||||
"选择索引": "インデックスを選択",
|
||||
"选择音高提取算法": "ピッチ抽出アルゴリズムを選択",
|
||||
"采样率:": "サンプルレート:",
|
||||
"采样长度": "サンプル長",
|
||||
"重载设备列表": "デバイスリストをリロードする",
|
||||
"错误信息：%s": "エラー詳細: %s",
|
||||
"错误：未知模型：%s": "エラー: 不明なモデル: %s",
|
||||
"音调设置": "音程設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音声は複数チャンネルですがモデルはモノラルのため、全チャンネルを平均します",
|
||||
"音频设备": "オーディオデバイス",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "ピッチがすべて0のため、この音声は無効としてスキップします: %s",
|
||||
"音高算法": "ピッチ方式",
|
||||
"额外推理时长": "追加推論時間",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "データ前処理で有効な学習音声が生成されませんでした。データセットと前処理ログを確認してください。",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "データ前処理で16 kHz音声が生成されなかったため、特徴抽出と学習を停止しました。",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "データ前処理の出力ファイルが一致しないため、特徴抽出と学習を停止しました。",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特徴抽出で有効な結果が生成されなかったため、学習を停止しました。",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0抽出で有効な結果が生成されなかったため、学習を停止しました。",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "学習に使用できる有効な音声がありません。先にデータ前処理と特徴抽出を完了してください。",
|
||||
"已完成阶段": "完了した段階",
|
||||
"已成功": "成功",
|
||||
"刷新音色列表": "音色リストを更新",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特徴インデックスのパス（モデル選択後に自動照合、手動編集可）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[インデックス学習] 外部インデックスリンクは既に存在します：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[インデックス学習][スキップ] addedインデックスは既に存在します：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[インデックス学習][スキップ] trainedインデックスは既に存在します：%s",
|
||||
"当前设备：%s | 推理精度：%s": "現在のデバイス：%s | 推論精度：%s",
|
||||
"正在预热CUDA Graph": "CUDA Graphをウォームアップしています",
|
||||
"CUDA Graph预热完成": "CUDA Graphのウォームアップが完了しました",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "データ抽出開始：start_time=%.6f、要求並列数=%s、実並列上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "データ抽出完了：end_time=%.6f、合計所要時間=%.3f秒"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "ボーカル抽出の強度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%sを実行中です。先に停止してください",
|
||||
"%s进程已终止": "%sプロセスを終了しました",
|
||||
"====> 轮次：{} {}": "====> エポック: {} {}",
|
||||
"A模型权重": "Aモデルの重み",
|
||||
"A模型路径": "Aモデルのパス",
|
||||
"B模型路径": "Bモデルのパス",
|
||||
"CUDA可用：%s": "CUDA利用可能: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0とHuBERT特徴量の抽出",
|
||||
"F0提取": "F0抽出",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0(最低共振周波数)カーブファイル(オプション、1行に1ピッチ、デフォルトのF0(最低共振周波数)とエレベーションを置き換えます。)",
|
||||
"HuBERT特征": "HuBERT特徴量",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVCモデルパス",
|
||||
"SOLA偏移：%d": "SOLAオフセット: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0抽出] 完了 | 成功: %s | スキップ: %s | 失敗: %s",
|
||||
"[F0提取] 待处理：%s": "[F0抽出] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0抽出] 処理対象の音声はなく、すべてスキップ済みです",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0抽出] 進捗: %s/%s | 成功: %s | スキップ: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0抽出][失敗] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0抽出][失敗] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特徴量] 完了 | 成功: %s | スキップ: %s | 失敗: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特徴量] 処理対象の音声なし、スキップ済み: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特徴量] モデルを読み込み中: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特徴量] デバイス: %s | Pending: %s | スキップ: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特徴量] 進捗: %s/%s | 成功: %s | 失敗: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特徴量][失敗] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特徴量][失敗] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特徴量][失敗] モデル not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[データ分割] サブタスク完了 | 成功: %s | 失敗: %s",
|
||||
"[数据切分] 完成": "[データ分割] 完了",
|
||||
"[数据切分] 开始": "[データ分割] 開始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[データ分割] Pending: %s | プロセス数: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[データ分割] 進捗: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[データ分割][失敗] %s",
|
||||
"[数据切分][失败] %s\n%s": "[データ分割][失敗] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[データ分割][スキップ] 無効または異常な音声区間: %s_%s | ピーク: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[インデックス学習] 書き込み進捗: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[インデックス学習] インデックスを外部フォルダーへリンクしました: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[インデックス学習] インデックスを作成しました: %s",
|
||||
"[索引训练] 正在写入特征向量": "[インデックス学習] 特徴ベクトルを追加中",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[インデックス学習] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[インデックス学習] インデックスを学習中",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[インデックス学習] 特徴量形状: %s | IVF数: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[インデックス学習][失敗] インデックスを外部フォルダーへリンクできませんでした: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[インデックス学習][失敗] クラスタリングに失敗したため、元の特徴量で続行します\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[インデックス学習][失敗] 先に特徴抽出を実行してください",
|
||||
"ckpt处理": "ckptファイルの処理",
|
||||
"index文件路径不可包含中文": "indexファイルのパスに漢字を含んではいけません",
|
||||
"pth文件路径不可包含中文": "pthファイルのパスに漢字を含んではいけません",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpeカード番号設定：異なるプロセスに使用するカード番号を入力する。例えば、0-0-1でカード0に2つのプロセス、カード1に1つのプロセスを実行する。",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "ステップ1:実験設定を入力します。実験データはlogsに保存され、各実験にはフォルダーがあります。実験名のパスを手動で入力する必要があり、実験設定、ログ、トレーニングされたモデルファイルが含まれます。",
|
||||
"step1:正在处理数据": "step1:処理中のデータ",
|
||||
"step2:正在提取音高&正在提取特征": "step2:ピッチ抽出と特徴抽出",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "ステップ2a: 訓練フォルダー内のすべての音声ファイルを自動的に探索し、スライスと正規化を行い、2つのwavフォルダーを実験ディレクトリに生成します。現在は一人でのトレーニングのみをサポートしています。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "ステップ2b: CPUを使用して音高を抽出する(モデルに音高がある場合)、GPUを使用して特徴を抽出する(GPUの番号を選択する)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "ステップ3: トレーニング設定を入力して、モデルとインデックスのトレーニングを開始します",
|
||||
"step3a:正在训练模型": "step3a:トレーニング中のモデル",
|
||||
"step3b:正在训练索引": "ステップ3b：インデックスをトレーニング中",
|
||||
"……仅显示最近10条失败记录": "…直近10件の失敗のみ表示しています",
|
||||
"……已省略前%s行，仅显示最新状态": "…先頭%s行を省略し、最新状態のみ表示しています",
|
||||
"一键训练": "ワンクリックトレーニング",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "複数のオーディオファイルをインポートすることもできます。フォルダパスが存在する場合、この入力は無視されます。",
|
||||
"仅支持pm和rmvpe音高提取算法": "ピッチ抽出方式はpmとrmvpeのみ対応しています",
|
||||
"从训练检查点提取的模型": "学習チェックポイントから抽出したモデル",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "ハイフンで区切って使用するGPUの番号を入力します。例えば0-1-2はGPU0、GPU1、GPU2を使用します",
|
||||
"任务": "タスク",
|
||||
"使用显卡：%s": "使用GPU: %s",
|
||||
"使用模型采样率": "モデルのサンプルレートを使用",
|
||||
"使用设备采样率": "デバイスのサンプルレートを使用",
|
||||
"保存名": "保存ファイル名",
|
||||
"保存的文件名, 默认空为和源文件同名": "保存するファイル名、デフォルトでは空欄で元のファイル名と同じ名前になります",
|
||||
"保存的模型名不带后缀": "拡張子のない保存するモデル名",
|
||||
"保存频率save_every_epoch": "エポックごとの保存頻度",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "明確な子音と呼吸音を保護し、電子音の途切れやその他のアーティファクトを防止します。0.5でオフになります。下げると保護が強化されますが、indexの効果が低下する可能性があります。",
|
||||
"修改": "変更",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "モデル情報の修正(weightsフォルダから抽出された小さなモデルファイルのみ対応)",
|
||||
"停止一键训练": "ワンクリック学習を停止",
|
||||
"停止处理数据": "データ前処理を停止",
|
||||
"停止特征提取": "特徴抽出を停止",
|
||||
"停止训练模型": "モデル学習を停止",
|
||||
"停止训练索引": "インデックス学習を停止",
|
||||
"停止音频转换": "音声変換を停止",
|
||||
"全流程结束！": "全工程が完了！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "モデルをロード",
|
||||
"加载预训练底模D路径": "事前学習済みのDモデルのパス",
|
||||
"加载预训练底模G路径": "事前学習済みのGモデルのパス",
|
||||
"单次推理": "単発推論",
|
||||
"卸载音色省显存": "音源を削除してメモリを節約",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "ピッチ変更(整数、半音数、上下オクターブ12-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "最終的なサンプリングレートへのポストプロセッシングのリサンプリング リサンプリングしない場合は0",
|
||||
"否": "いいえ",
|
||||
"响应阈值": "反応閾値",
|
||||
"响度因子": "ラウドネス係数",
|
||||
"处理中": "処理中",
|
||||
"处理数据": "データ処理",
|
||||
"失败": "失敗",
|
||||
"失败记录": "失敗記録",
|
||||
"子进程执行失败，返回码：%s": "子プロセスが終了コード付きで失敗しました: %s",
|
||||
"导出文件格式": "エクスポート形式",
|
||||
"已停止": "停止済み",
|
||||
"已加载判别器预训练模型：%s": "識別器の事前学習モデルを読み込みました: %s",
|
||||
"已加载生成器预训练模型：%s": "生成器の事前学習モデルを読み込みました: %s",
|
||||
"已启用索引检索": "インデックス検索を有効化しました",
|
||||
"已完成": "完了",
|
||||
"已恢复判别器检查点": "識別器チェックポイントを復元しました",
|
||||
"常见问题解答": "よくある質問",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "音声変換を開始",
|
||||
"当前": "現在",
|
||||
"当前阶段": "現在の段階",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "トレーニングに対応したGPUが動作しないのは残念です。",
|
||||
"性别因子/声线粗细": "性別係数／声質の太さ",
|
||||
"性能设置": "パフォーマンス設定",
|
||||
"总训练轮数total_epoch": "総エポック数",
|
||||
"成功": "成功",
|
||||
"执行命令": "実行コマンド",
|
||||
"批量推理": "一括推論",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "一括変換、変換する音声フォルダを入力、または複数の音声ファイルをアップロードし、指定したフォルダ(デフォルトのopt)に変換した音声を出力します。",
|
||||
"拖拽或点击上传待处理音频": "処理する音声をドラッグ＆ドロップするか、クリックしてアップロード",
|
||||
"指定输出主人声文件夹": "マスターの出力音声フォルダーを指定する",
|
||||
"指定输出文件夹": "出力フォルダを指定してください",
|
||||
"指定输出非主人声文件夹": "マスター以外の出力音声フォルダーを指定する",
|
||||
"推理时间(ms):": "推論時間(ms):",
|
||||
"推理耗时：%.2f秒": "推論時間: %.2f seconds",
|
||||
"推理音色": "音源推論",
|
||||
"提取": "抽出",
|
||||
"提取音高和处理数据使用的CPU进程数": "ピッチの抽出やデータ処理に使用するCPUスレッド数",
|
||||
"数据切分": "データ分割",
|
||||
"无法停止": "停止できません",
|
||||
"无法读取音频：%s": "音声を読み込めませんでした: %s",
|
||||
"是": "はい",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "ハードディスク容量を節約するため、最新のckptファイルのみを保存しますか？",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "各保存時点の小モデルを全部weightsフォルダに保存するかどうか",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "すべてのトレーニングデータをメモリにキャッシュするかどうか。10分以下の小さなデータはキャッシュしてトレーニングを高速化できますが、大きなデータをキャッシュするとメモリが破裂し、あまり速度が上がりません。",
|
||||
"显卡信息": "GPU情報",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "識別器の事前学習モデルは未使用です",
|
||||
"未使用生成器预训练模型": "生成器の事前学習モデルは未使用です",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformerモデル設定が見つからないため、組み込みの既定値を使用します",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "対応GPUが検出されませんでした。CPUでの学習には時間がかかる場合があります",
|
||||
"未运行": "未実行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本ソフトウェアはMITライセンスに基づくオープンソースであり、製作者は本ソフトウェアに対していかなる責任を持ちません。本ソフトウェアの利用者および本ソフトウェアから派生した音源(成果物)を配布する者は、本ソフトウェアに対して自身で責任を負うものとします。 <br>この条項に同意しない場合、パッケージ内のコードやファイルを使用や参照を禁じます。詳しくは<b>LICENSE</b>をご覧ください。",
|
||||
"查看": "表示",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "モデル情報を表示する(小さいモデルファイルはweightsフォルダーからのみサポートされています)",
|
||||
"检测到模型类型：%s": "検出したモデル種別: %s",
|
||||
"检索特征占比": "検索特徴率",
|
||||
"模型": "モデル",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "モデル情報: %s\nサンプルレート: %s\nピッチガイド: %s\nバージョン: %s",
|
||||
"模型推理": "モデル推論",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "モデル抽出(ログフォルダー内の大きなファイルのモデルパスを入力)、モデルを半分までトレーニングし、自動的に小さいファイルモデルを保存しなかったり、中間モデルをテストしたい場合に適用されます。",
|
||||
"模型是否带音高指导": "モデルに音高ガイドを付けるかどうか",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "モデルに音高ガイドがあるかどうか(歌唱には必要ですが、音声には必要ありません)",
|
||||
"模型是否带音高指导,1是0否": "モデルに音高ガイドを付けるかどうか、1は付ける、0は付けない",
|
||||
"模型版本型号": "モデルのバージョン",
|
||||
"模型融合, 可用于测试音色融合": "モデルのマージ、音源のマージテストに使用できます",
|
||||
"模型融合失败：两个模型的结构不一致": "モデルの構造が一致しないため、結合に失敗しました",
|
||||
"模型训练": "モデル学習",
|
||||
"模型路径": "モデルパス",
|
||||
"正在保存最终检查点：%s": "最終チェックポイントを保存中: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "チェックポイントを保存中 %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "RMVPEモデルを読み込み中",
|
||||
"正在加载模型": "モデルを読み込み中",
|
||||
"正在启动": "起動中",
|
||||
"正在收尾": "終了処理中",
|
||||
"每张显卡的batch_size": "GPUごとのバッチサイズ",
|
||||
"淡入淡出长度": "フェードイン/フェードアウト長",
|
||||
"清理模型缓存": "モデルキャッシュを消去中",
|
||||
"版本": "バージョン",
|
||||
"特征": "特徴量",
|
||||
"特征提取": "特徴抽出",
|
||||
"状态": "状態",
|
||||
"独占 WASAPI 设备": "WASAPI排他デバイス",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性から女性へは+12キーをお勧めします。女性から男性へは-12キーをお勧めします。音域が広すぎて音質が劣化した場合は、適切な音域に自分で調整してください。",
|
||||
"目标采样率": "目標サンプリングレート",
|
||||
"等待中": "待機中",
|
||||
"等待输入": "入力待ち",
|
||||
"算法延迟(ms):": "アルゴリズム遅延(ms):",
|
||||
"索引": "インデックス",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "無効なインデックスです。使用してください: added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "インデックス検索に失敗しました",
|
||||
"索引检索失败或未启用": "インデックス検索に失敗したか無効です",
|
||||
"索引训练": "インデックス学習",
|
||||
"耗时": "所要時間",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "所要時間: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "マージ",
|
||||
"要改的模型信息": "変更するモデル情報",
|
||||
"要置入的模型信息": "挿入するモデル情報",
|
||||
"训练": "トレーニング",
|
||||
"训练已完成，正在保存最终模型": "学習が完了しました。最終モデルを保存しています",
|
||||
"训练文件列表写入完成": "学習ファイル一覧を書き込みました",
|
||||
"训练模型": "モデルのトレーニング",
|
||||
"训练特征索引": "特徴インデックスのトレーニング",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "トレーニング終了時に、トレーニングログやフォルダ内のtrain.logを確認することができます",
|
||||
"训练设备规则选择的精度：%s": "デバイス規則で選択された学習精度: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "学習エポック: {} [{:.0f}%]",
|
||||
"设备类型": "デバイス種別",
|
||||
"请上传音频文件": "音声ファイルをアップロードしてください",
|
||||
"请填写输出文件夹路径": "出力フォルダーのパスを入力してください",
|
||||
"请指定说话人id": "話者IDを指定してください",
|
||||
"请选择index文件": "indexファイルを選択してください",
|
||||
"请选择pth文件": "pthファイルを選択してください",
|
||||
"请选择说话人id": "話者IDを選択してください",
|
||||
"转换": "変換",
|
||||
"输入实验名": "モデル名",
|
||||
"输入待处理音频文件夹路径": "処理するオーディオファイルのフォルダパスを入力してください",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "処理対象音声フォルダーのパスを入力してください(エクスプローラーのアドレスバーからコピーしてください)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "処理対象音声ファイルのパスを入力してください(デフォルトは正しいフォーマットの例です)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "入力ソースの音量エンベロープと出力音量エンベロープの融合率 1に近づくほど、出力音量エンベロープの割合が高くなる",
|
||||
"输入监听": "入力モニター",
|
||||
"输入训练文件夹路径": "トレーニング用フォルダのパスを入力してください",
|
||||
"输入设备": "入力デバイス",
|
||||
"输入设备：%s:%s": "入力デバイス: %s:%s",
|
||||
"输入降噪": "入力ノイズの低減",
|
||||
"输出信息": "出力情報",
|
||||
"输出变声": "出力変声",
|
||||
"输出设备": "出力デバイス",
|
||||
"输出设备：%s:%s": "出力デバイス: %s:%s",
|
||||
"输出降噪": "出力ノイズの低減",
|
||||
"输出音频(右下角三个点,点了可以下载)": "出力音声(右下の三点をクリックしてダウンロードできます)",
|
||||
"运行中": "実行中",
|
||||
"进度": "進捗",
|
||||
"选择.index文件": ".indexファイルを選択",
|
||||
"选择.pth文件": ".pthファイルを選択",
|
||||
"选择模型": "モデルを選択",
|
||||
"选择索引": "インデックスを選択",
|
||||
"选择音高提取算法": "ピッチ抽出アルゴリズムを選択",
|
||||
"采样率:": "サンプルレート:",
|
||||
"采样长度": "サンプル長",
|
||||
"重载设备列表": "デバイスリストをリロードする",
|
||||
"错误信息：%s": "エラー詳細: %s",
|
||||
"错误：未知模型：%s": "エラー: 不明なモデル: %s",
|
||||
"音调设置": "音程設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音声は複数チャンネルですがモデルはモノラルのため、全チャンネルを平均します",
|
||||
"音频设备": "オーディオデバイス",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "ピッチがすべて0のため、この音声は無効としてスキップします: %s",
|
||||
"音高算法": "ピッチ方式",
|
||||
"额外推理时长": "追加推論時間",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "データ前処理で有効な学習音声が生成されませんでした。データセットと前処理ログを確認してください。",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "データ前処理で16 kHz音声が生成されなかったため、特徴抽出と学習を停止しました。",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "データ前処理の出力ファイルが一致しないため、特徴抽出と学習を停止しました。",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特徴抽出で有効な結果が生成されなかったため、学習を停止しました。",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0抽出で有効な結果が生成されなかったため、学習を停止しました。",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "学習に使用できる有効な音声がありません。先にデータ前処理と特徴抽出を完了してください。",
|
||||
"已完成阶段": "完了した段階",
|
||||
"已成功": "成功",
|
||||
"刷新音色列表": "音色リストを更新",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特徴インデックスのパス（モデル選択後に自動照合、手動編集可）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[インデックス学習] 外部インデックスリンクは既に存在します：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[インデックス学習][スキップ] addedインデックスは既に存在します：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[インデックス学習][スキップ] trainedインデックスは既に存在します：%s",
|
||||
"当前设备：%s | 推理精度：%s": "現在のデバイス：%s | 推論精度：%s",
|
||||
"正在预热CUDA Graph": "CUDA Graphをウォームアップしています",
|
||||
"CUDA Graph预热完成": "CUDA Graphのウォームアップが完了しました",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "データ抽出開始：start_time=%.6f、要求並列数=%s、実並列上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "データ抽出完了：end_time=%.6f、合計所要時間=%.3f秒",
|
||||
"人声伴奏分离&去混响": "ボーカル・伴奏分離と残響除去",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "pymss/MSSTモデルを使用して、ボーカル、伴奏、残響を一括処理します。",
|
||||
"处理方式": "処理方法",
|
||||
"底层模型": "基盤モデル",
|
||||
"主结果文件夹": "主要出力フォルダー",
|
||||
"分离残余文件夹": "残余出力フォルダー",
|
||||
"停止分离": "分離を停止"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "보컬 추출 강도",
|
||||
"%s → 成功": "%s → 성공",
|
||||
"%s运行中，请先停止该任务": "%s이(가) 실행 중입니다. 먼저 중지하세요",
|
||||
"%s进程已终止": "%s 프로세스가 종료되었습니다",
|
||||
"====> 轮次：{} {}": "====> 에포크: {} {}",
|
||||
"A模型权重": "A 모델 가중치",
|
||||
"A模型路径": "A 모델 경로",
|
||||
"B模型路径": "B 모델 경로",
|
||||
"CUDA可用：%s": "CUDA 사용 가능: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0 및 HuBERT 특징 추출",
|
||||
"F0提取": "F0 추출",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 곡선 파일, 선택적, 한 줄에 하나의 피치, 기본 F0 및 음높이 조절 대체",
|
||||
"HuBERT特征": "HuBERT 특징",
|
||||
"Index Rate": "인덱스 비율",
|
||||
"RVC模型路径": "RVC 모델 경로",
|
||||
"SOLA偏移：%d": "SOLA 오프셋: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0 추출] 완료 | 성공: %s | 건너뜀: %s | 실패: %s",
|
||||
"[F0提取] 待处理：%s": "[F0 추출] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0 추출] 처리할 오디오가 없으며 모든 파일을 건너뛰었습니다",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0 추출] 진행률: %s/%s | 성공: %s | 건너뜀: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0 추출][실패] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0 추출][실패] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT 특징] 완료 | 성공: %s | 건너뜀: %s | 실패: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT 특징] 처리할 오디오 없음, 건너뜀: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT 특징] 모델 불러오는 중: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT 특징] 장치: %s | Pending: %s | 건너뜀: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT 특징] 진행률: %s/%s | 성공: %s | 실패: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT 특징][실패] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT 특징][실패] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT 특징][실패] 모델 not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[데이터 분할] 하위 작업 완료 | 성공: %s | 실패: %s",
|
||||
"[数据切分] 完成": "[데이터 분할] 완료",
|
||||
"[数据切分] 开始": "[데이터 분할] 시작",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[데이터 분할] Pending: %s | 프로세스 수: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[데이터 분할] 진행률: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[데이터 분할][실패] %s",
|
||||
"[数据切分][失败] %s\n%s": "[데이터 분할][실패] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[데이터 분할][건너뜀] 잘못되었거나 비정상적인 오디오 구간: %s_%s | 피크: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[인덱스 학습] 쓰기 진행률: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[인덱스 학습] 인덱스를 외부 폴더에 연결했습니다: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[인덱스 학습] 인덱스를 성공적으로 생성했습니다: %s",
|
||||
"[索引训练] 正在写入特征向量": "[인덱스 학습] 특징 벡터 추가 중",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[인덱스 학습] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[인덱스 학습] 인덱스 학습 중",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[인덱스 학습] 특징 형태: %s | IVF 수: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[인덱스 학습][실패] 인덱스를 외부 폴더에 연결하지 못했습니다: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[인덱스 학습][실패] 클러스터링에 실패하여 원본 특징으로 계속합니다\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[인덱스 학습][실패] 먼저 특징을 추출하세요",
|
||||
"ckpt处理": "ckpt 처리",
|
||||
"index文件路径不可包含中文": "index 파일 경로는 중국어를 포함할 수 없음",
|
||||
"pth文件路径不可包含中文": "pth 파일 경로는 중국어를 포함할 수 없음",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe 카드 번호 설정: -로 구분된 입력 사용 카드 번호, 예: 0-0-1은 카드 0에서 2개 프로세스, 카드 1에서 1개 프로세스 실행",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1: 실험 구성 작성. 실험 데이터는 logs에 저장, 각 실험은 하나의 폴더, 수동으로 실험 이름 경로 입력 필요, 실험 구성, 로그, 훈련된 모델 파일 포함.",
|
||||
"step1:正在处理数据": "step1: 데이터 처리 중",
|
||||
"step2:正在提取音高&正在提取特征": "step2: 음높이 추출 & 특징 추출 중",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a: 훈련 폴더 아래 모든 오디오로 디코딩 가능한 파일을 자동 순회하며 슬라이스 정규화 진행, 실험 디렉토리 아래 2개의 wav 폴더 생성; 현재 단일 사용자 훈련만 지원.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "step2b: CPU를 사용하여 음높이 추출(모델이 음높이 포함 시), GPU를 사용하여 특징 추출(카드 번호 선택)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "step3: 훈련 설정 작성, 모델 및 인덱스 훈련 시작",
|
||||
"step3a:正在训练模型": "step3a: 모델 훈련 중",
|
||||
"step3b:正在训练索引": "3b단계: 인덱스 학습 중",
|
||||
"……仅显示最近10条失败记录": "…최근 실패 10개만 표시합니다",
|
||||
"……已省略前%s行，仅显示最新状态": "…앞의 %s줄을 생략하고 최신 상태만 표시합니다",
|
||||
"一键训练": "원클릭 훈련",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "여러 오디오 파일을 일괄 입력할 수도 있음, 둘 중 하나 선택, 폴더 우선 읽기",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "UVR5 모델을 사용하여 보컬과 반주를 일괄 분리합니다.<br>보컬 보존 모델을 선택하거나 DeEcho/DeReverb 모델로 에코와 잔향을 제거할 수 있습니다.",
|
||||
"仅支持pm和rmvpe音高提取算法": "피치 추출 방식은 pm과 rmvpe만 지원합니다",
|
||||
"从训练检查点提取的模型": "학습 체크포인트에서 추출한 모델",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "-로 구분하여 입력하는 카드 번호, 예: 0-1-2는 카드 0, 카드 1, 카드 2 사용",
|
||||
"任务": "작업",
|
||||
"伴奏人声分离&去混响&去回声": "반주 인간 목소리 분리 & 혼효음 제거 & 에코 제거",
|
||||
"使用显卡：%s": "사용 GPU: %s",
|
||||
"使用模型采样率": "모델 샘플링 레이트 사용",
|
||||
"使用设备采样率": "장치 샘플링 레이트 사용",
|
||||
"保存名": "저장 이름",
|
||||
"保存的文件名, 默认空为和源文件同名": "저장될 파일명, 기본적으로 빈 공간은 원본 파일과 동일한 이름으로",
|
||||
"保存的模型名不带后缀": "저장된 모델명은 접미사 없음",
|
||||
"保存频率save_every_epoch": "저장 빈도 save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "청자음과 호흡 소리를 보호, 전자음 찢김 등의 아티팩트 방지, 0.5까지 올려서 비활성화, 낮추면 보호 강도 증가하지만 인덱스 효과 감소 가능성 있음",
|
||||
"修改": "수정",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "모델 정보 수정(오직 weights 폴더 아래에서 추출된 작은 모델 파일만 지원)",
|
||||
"停止一键训练": "원클릭 학습 중지",
|
||||
"停止处理数据": "데이터 전처리 중지",
|
||||
"停止特征提取": "특징 추출 중지",
|
||||
"停止训练模型": "모델 학습 중지",
|
||||
"停止训练索引": "인덱스 학습 중지",
|
||||
"停止音频转换": "오디오 변환 중지",
|
||||
"全流程结束！": "전체 과정 완료!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "모델 로드",
|
||||
"加载预训练底模D路径": "미리 훈련된 베이스 모델 D 경로 로드",
|
||||
"加载预训练底模G路径": "미리 훈련된 베이스 모델 G 경로 로드",
|
||||
"单次推理": "단일 추론",
|
||||
"卸载音色省显存": "음색 언로드로 디스플레이 메모리 절약",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "키 변경(정수, 반음 수, 옥타브 상승 12, 옥타브 하강 -12)",
|
||||
"合成": "합성",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "후처리 재샘플링을 최종 샘플링 레이트로, 0은 재샘플링하지 않음",
|
||||
"否": "아니오",
|
||||
"响应阈值": "응답 임계값",
|
||||
"响度因子": "음량 인자",
|
||||
"处理中": "처리 중",
|
||||
"处理数据": "데이터 처리",
|
||||
"失败": "실패",
|
||||
"失败记录": "실패 기록",
|
||||
"子进程执行失败，返回码：%s": "하위 프로세스가 종료 코드와 함께 실패했습니다: %s",
|
||||
"导出文件格式": "내보낼 파일 형식",
|
||||
"已停止": "중지됨",
|
||||
"已加载判别器预训练模型：%s": "판별기 사전 학습 모델을 불러왔습니다: %s",
|
||||
"已加载生成器预训练模型：%s": "생성기 사전 학습 모델을 불러왔습니다: %s",
|
||||
"已启用索引检索": "인덱스 검색 활성화됨",
|
||||
"已完成": "완료",
|
||||
"已恢复判别器检查点": "판별기 체크포인트를 복원했습니다",
|
||||
"常见问题解答": "자주 묻는 질문",
|
||||
"常规设置": "일반 설정",
|
||||
"开始音频转换": "오디오 변환 시작",
|
||||
"当前": "현재",
|
||||
"当前阶段": "현재 단계",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "사용 가능한 그래픽 카드가 없어 훈련을 지원할 수 없습니다",
|
||||
"性别因子/声线粗细": "성별 계수 / 음색 굵기",
|
||||
"性能设置": "성능 설정",
|
||||
"总训练轮数total_epoch": "총 훈련 라운드 수 total_epoch",
|
||||
"成功": "성공",
|
||||
"执行命令": "실행 명령",
|
||||
"批量推理": "일괄 추론",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "일괄 변환, 변환할 오디오 파일 폴더 입력 또는 여러 오디오 파일 업로드, 지정된 폴더(기본값 opt)에 변환된 오디오 출력.",
|
||||
"拖拽或点击上传待处理音频": "처리할 오디오를 끌어다 놓거나 클릭하여 업로드",
|
||||
"指定输出主人声文件夹": "주된 목소리 출력 폴더 지정",
|
||||
"指定输出文件夹": "출력 파일 폴더 지정",
|
||||
"指定输出非主人声文件夹": "주된 목소리가 아닌 출력 폴더 지정",
|
||||
"推理时间(ms):": "추론 시간(ms):",
|
||||
"推理耗时：%.2f秒": "추론 시간: %.2f seconds",
|
||||
"推理音色": "추론 음색",
|
||||
"提取": "추출",
|
||||
"提取音高和处理数据使用的CPU进程数": "음높이 추출 및 데이터 처리에 사용되는 CPU 프로세스 수",
|
||||
"数据切分": "데이터 분할",
|
||||
"无法停止": "중지할 수 없음",
|
||||
"无法读取音频：%s": "오디오를 읽지 못했습니다: %s",
|
||||
"是": "예",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "디스크 공간을 절약하기 위해 최신 ckpt 파일만 저장할지 여부",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "저장 시마다 최종 소형 모델을 weights 폴더에 저장할지 여부",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "모든 훈련 세트를 VRAM에 캐시할지 여부. 10분 미만의 소량 데이터는 캐시하여 훈련 속도를 높일 수 있지만, 대량 데이터 캐시는 VRAM을 과부하시키고 속도를 크게 향상시키지 못함",
|
||||
"显卡信息": "그래픽 카드 정보",
|
||||
"未使用": "사용 안 함",
|
||||
"未使用判别器预训练模型": "판별기 사전 학습 모델을 사용하지 않음",
|
||||
"未使用生成器预训练模型": "생성기 사전 학습 모델을 사용하지 않음",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformer 모델 설정을 찾지 못해 내장 기본값을 사용합니다",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "지원되는 GPU가 감지되지 않았습니다. CPU 학습은 훨씬 오래 걸릴 수 있습니다",
|
||||
"未运行": "실행 안 됨",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "이 소프트웨어는 MIT 라이선스로 공개되며, 저자는 소프트웨어에 대해 어떠한 통제권도 가지지 않습니다. 모든 귀책사유는 소프트웨어 사용자 및 소프트웨어에서 생성된 결과물을 사용하는 당사자에게 있습니다. <br>해당 조항을 인정하지 않는 경우, 소프트웨어 패키지의 어떠한 코드나 파일도 사용하거나 인용할 수 없습니다. 자세한 내용은 루트 디렉토리의 <b>LICENSE</b>를 참조하세요.",
|
||||
"查看": "보기",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "모델 정보 보기(오직 weights 폴더에서 추출된 소형 모델 파일만 지원)",
|
||||
"检测到模型类型：%s": "감지된 모델 유형: %s",
|
||||
"检索特征占比": "검색 특징 비율",
|
||||
"模型": "모델",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "모델 정보: %s\n샘플링 레이트: %s\n피치 가이드: %s\n버전: %s",
|
||||
"模型推理": "모델 추론",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "모델 추출(logs 폴더 아래의 큰 파일 모델 경로 입력), 훈련 중간에 중단한 모델의 자동 추출 및 소형 파일 모델 저장이 안 되거나 중간 모델을 테스트하고 싶은 경우에 적합",
|
||||
"模型是否带音高指导": "모델이 음높이 지도를 포함하는지 여부",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "모델이 음높이 지도를 포함하는지 여부(노래에는 반드시 필요, 음성에는 필요 없음)",
|
||||
"模型是否带音高指导,1是0否": "모델이 음높이 지도를 포함하는지 여부, 1은 예, 0은 아니오",
|
||||
"模型版本型号": "모델 버전 및 모델",
|
||||
"模型融合, 可用于测试音色融合": "모델 융합, 음색 융합 테스트에 사용 가능",
|
||||
"模型融合失败：两个模型的结构不一致": "두 모델의 구조가 일치하지 않아 모델 병합에 실패했습니다",
|
||||
"模型训练": "모델 학습",
|
||||
"模型路径": "모델 경로",
|
||||
"正在保存最终检查点：%s": "최종 체크포인트 저장 중: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "체크포인트 저장 중 %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "RMVPE 모델 불러오는 중",
|
||||
"正在加载模型": "모델 불러오는 중",
|
||||
"正在启动": "시작 중",
|
||||
"正在收尾": "마무리 중",
|
||||
"每张显卡的batch_size": "각 그래픽 카드의 batch_size",
|
||||
"淡入淡出长度": "페이드 인/아웃 길이",
|
||||
"清理模型缓存": "모델 캐시 정리 중",
|
||||
"版本": "버전",
|
||||
"特征": "특징",
|
||||
"特征提取": "특징 추출",
|
||||
"状态": "상태",
|
||||
"独占 WASAPI 设备": "WASAPI 독점 장치",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "남성에서 여성으로 변경 시 +12 키 권장, 여성에서 남성으로 변경 시 -12 키 권장, 음역대 폭발로 음색이 왜곡되면 적절한 음역대로 조정 가능.",
|
||||
"目标采样率": "목표 샘플링률",
|
||||
"等待中": "대기 중",
|
||||
"等待输入": "입력 대기 중",
|
||||
"算法延迟(ms):": "알고리즘 지연(ms):",
|
||||
"索引": "인덱스",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "잘못된 인덱스입니다. 다음을 사용하세요: added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "인덱스 검색 실패",
|
||||
"索引检索失败或未启用": "인덱스 검색 실패 또는 비활성화됨",
|
||||
"索引训练": "인덱스 학습",
|
||||
"耗时": "소요 시간",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "소요 시간: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "융합",
|
||||
"要改的模型信息": "변경할 모델 정보",
|
||||
"要置入的模型信息": "삽입할 모델 정보",
|
||||
"训练": "훈련",
|
||||
"训练已完成，正在保存最终模型": "학습 완료, 최종 모델을 저장합니다",
|
||||
"训练文件列表写入完成": "학습 파일 목록 저장 완료",
|
||||
"训练模型": "모델 훈련",
|
||||
"训练特征索引": "특징 인덱스 훈련",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "훈련 완료, 콘솔 훈련 로그 또는 실험 폴더 내의 train.log 확인 가능",
|
||||
"训练设备规则选择的精度：%s": "장치 규칙에 따라 선택한 학습 정밀도: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "학습 에포크: {} [{:.0f}%]",
|
||||
"设备类型": "장치 유형",
|
||||
"请上传音频文件": "오디오 파일을 업로드하세요",
|
||||
"请填写输出文件夹路径": "출력 폴더 경로를 입력하세요",
|
||||
"请指定说话人id": "화자 ID 지정 필요",
|
||||
"请选择index文件": "index 파일 선택",
|
||||
"请选择pth文件": "pth 파일 선택",
|
||||
"请选择说话人id": "화자 ID 선택",
|
||||
"转换": "변환",
|
||||
"输入实验名": "실험명 입력",
|
||||
"输入待处理音频文件夹路径": "처리할 오디오 파일 폴더 경로 입력",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "처리할 오디오 파일 폴더 경로 입력(파일 탐색기 주소 표시줄에서 복사)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "처리할 오디오 파일 경로 입력(기본적으로 올바른 형식 예시)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "입력 소스 볼륨 엔벨로프와 출력 볼륨 엔벨로프의 결합 비율 입력, 1에 가까울수록 출력 엔벨로프 사용",
|
||||
"输入监听": "입력 모니터링",
|
||||
"输入训练文件夹路径": "훈련 파일 폴더 경로 입력",
|
||||
"输入设备": "입력 장치",
|
||||
"输入设备：%s:%s": "입력 장치: %s:%s",
|
||||
"输入降噪": "입력 노이즈 감소",
|
||||
"输出信息": "출력 정보",
|
||||
"输出变声": "출력 음성 변환",
|
||||
"输出设备": "출력 장치",
|
||||
"输出设备：%s:%s": "출력 장치: %s:%s",
|
||||
"输出降噪": "출력 노이즈 감소",
|
||||
"输出音频(右下角三个点,点了可以下载)": "출력 오디오(오른쪽 하단 세 개의 점, 클릭하면 다운로드 가능)",
|
||||
"运行中": "실행 중",
|
||||
"进度": "진행률",
|
||||
"选择.index文件": ".index 파일 선택",
|
||||
"选择.pth文件": ".pth 파일 선택",
|
||||
"选择模型": "모델 선택",
|
||||
"选择索引": "인덱스 선택",
|
||||
"选择音高提取算法": "피치 추출 알고리즘 선택",
|
||||
"采样率:": "샘플링 레이트:",
|
||||
"采样长度": "샘플링 길이",
|
||||
"重载设备列表": "장치 목록 재로드",
|
||||
"错误信息：%s": "오류 정보: %s",
|
||||
"错误：未知模型：%s": "오류: 알 수 없는 모델: %s",
|
||||
"音调设置": "음조 설정",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "오디오가 다채널이지만 모델은 모노이므로 모든 채널의 평균을 사용합니다",
|
||||
"音频设备": "오디오 장치",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "모든 피치 값이 0이므로 이 오디오는 무의미하여 건너뜁니다: %s",
|
||||
"音高算法": "피치 알고리즘",
|
||||
"额外推理时长": "추가 추론 시간",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "데이터 전처리에서 유효한 학습 오디오가 생성되지 않았습니다. 데이터셋과 전처리 로그를 확인하세요.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "데이터 전처리에서 16 kHz 오디오가 생성되지 않아 특징 추출과 학습을 중지했습니다.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "데이터 전처리 출력 파일이 일치하지 않아 특징 추출과 학습을 중지했습니다.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT 특징 추출에서 유효한 결과가 생성되지 않아 학습을 중지했습니다.",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0 추출에서 유효한 결과가 생성되지 않아 학습을 중지했습니다.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "학습에 사용할 유효한 오디오가 없습니다. 먼저 데이터 전처리와 특징 추출을 완료하세요.",
|
||||
"已完成阶段": "완료된 단계",
|
||||
"已成功": "성공",
|
||||
"刷新音色列表": "음색 목록 새로고침",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "특징 인덱스 경로(모델 선택 후 자동 매칭, 수동 수정 가능)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[인덱스 학습] 외부 인덱스 링크가 이미 있습니다: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[인덱스 학습][건너뜀] added 인덱스가 이미 있습니다: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[인덱스 학습][건너뜀] trained 인덱스가 이미 있습니다: %s",
|
||||
"当前设备：%s | 推理精度：%s": "현재 장치: %s | 추론 정밀도: %s",
|
||||
"正在预热CUDA Graph": "CUDA Graph 워밍업 중",
|
||||
"CUDA Graph预热完成": "CUDA Graph 워밍업 완료",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "데이터 추출 시작: start_time=%.6f, 요청 병렬 수=%s, 실제 병렬 상한=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "데이터 추출 완료: end_time=%.6f, 총 소요 시간=%.3f초"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "보컬 추출 강도",
|
||||
"%s → 成功": "%s → 성공",
|
||||
"%s运行中，请先停止该任务": "%s이(가) 실행 중입니다. 먼저 중지하세요",
|
||||
"%s进程已终止": "%s 프로세스가 종료되었습니다",
|
||||
"====> 轮次：{} {}": "====> 에포크: {} {}",
|
||||
"A模型权重": "A 모델 가중치",
|
||||
"A模型路径": "A 모델 경로",
|
||||
"B模型路径": "B 모델 경로",
|
||||
"CUDA可用：%s": "CUDA 사용 가능: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0 및 HuBERT 특징 추출",
|
||||
"F0提取": "F0 추출",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 곡선 파일, 선택적, 한 줄에 하나의 피치, 기본 F0 및 음높이 조절 대체",
|
||||
"HuBERT特征": "HuBERT 특징",
|
||||
"Index Rate": "인덱스 비율",
|
||||
"RVC模型路径": "RVC 모델 경로",
|
||||
"SOLA偏移：%d": "SOLA 오프셋: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0 추출] 완료 | 성공: %s | 건너뜀: %s | 실패: %s",
|
||||
"[F0提取] 待处理：%s": "[F0 추출] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0 추출] 처리할 오디오가 없으며 모든 파일을 건너뛰었습니다",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0 추출] 진행률: %s/%s | 성공: %s | 건너뜀: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0 추출][실패] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0 추출][실패] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT 특징] 완료 | 성공: %s | 건너뜀: %s | 실패: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT 특징] 처리할 오디오 없음, 건너뜀: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT 특징] 모델 불러오는 중: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT 특징] 장치: %s | Pending: %s | 건너뜀: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT 특징] 진행률: %s/%s | 성공: %s | 실패: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT 특징][실패] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT 특징][실패] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT 특징][실패] 모델 not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[데이터 분할] 하위 작업 완료 | 성공: %s | 실패: %s",
|
||||
"[数据切分] 完成": "[데이터 분할] 완료",
|
||||
"[数据切分] 开始": "[데이터 분할] 시작",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[데이터 분할] Pending: %s | 프로세스 수: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[데이터 분할] 진행률: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[데이터 분할][실패] %s",
|
||||
"[数据切分][失败] %s\n%s": "[데이터 분할][실패] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[데이터 분할][건너뜀] 잘못되었거나 비정상적인 오디오 구간: %s_%s | 피크: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[인덱스 학습] 쓰기 진행률: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[인덱스 학습] 인덱스를 외부 폴더에 연결했습니다: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[인덱스 학습] 인덱스를 성공적으로 생성했습니다: %s",
|
||||
"[索引训练] 正在写入特征向量": "[인덱스 학습] 특징 벡터 추가 중",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[인덱스 학습] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[인덱스 학습] 인덱스 학습 중",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[인덱스 학습] 특징 형태: %s | IVF 수: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[인덱스 학습][실패] 인덱스를 외부 폴더에 연결하지 못했습니다: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[인덱스 학습][실패] 클러스터링에 실패하여 원본 특징으로 계속합니다\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[인덱스 학습][실패] 먼저 특징을 추출하세요",
|
||||
"ckpt处理": "ckpt 처리",
|
||||
"index文件路径不可包含中文": "index 파일 경로는 중국어를 포함할 수 없음",
|
||||
"pth文件路径不可包含中文": "pth 파일 경로는 중국어를 포함할 수 없음",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe 카드 번호 설정: -로 구분된 입력 사용 카드 번호, 예: 0-0-1은 카드 0에서 2개 프로세스, 카드 1에서 1개 프로세스 실행",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1: 실험 구성 작성. 실험 데이터는 logs에 저장, 각 실험은 하나의 폴더, 수동으로 실험 이름 경로 입력 필요, 실험 구성, 로그, 훈련된 모델 파일 포함.",
|
||||
"step1:正在处理数据": "step1: 데이터 처리 중",
|
||||
"step2:正在提取音高&正在提取特征": "step2: 음높이 추출 & 특징 추출 중",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a: 훈련 폴더 아래 모든 오디오로 디코딩 가능한 파일을 자동 순회하며 슬라이스 정규화 진행, 실험 디렉토리 아래 2개의 wav 폴더 생성; 현재 단일 사용자 훈련만 지원.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "step2b: CPU를 사용하여 음높이 추출(모델이 음높이 포함 시), GPU를 사용하여 특징 추출(카드 번호 선택)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "step3: 훈련 설정 작성, 모델 및 인덱스 훈련 시작",
|
||||
"step3a:正在训练模型": "step3a: 모델 훈련 중",
|
||||
"step3b:正在训练索引": "3b단계: 인덱스 학습 중",
|
||||
"……仅显示最近10条失败记录": "…최근 실패 10개만 표시합니다",
|
||||
"……已省略前%s行，仅显示最新状态": "…앞의 %s줄을 생략하고 최신 상태만 표시합니다",
|
||||
"一键训练": "원클릭 훈련",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "여러 오디오 파일을 일괄 입력할 수도 있음, 둘 중 하나 선택, 폴더 우선 읽기",
|
||||
"仅支持pm和rmvpe音高提取算法": "피치 추출 방식은 pm과 rmvpe만 지원합니다",
|
||||
"从训练检查点提取的模型": "학습 체크포인트에서 추출한 모델",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "-로 구분하여 입력하는 카드 번호, 예: 0-1-2는 카드 0, 카드 1, 카드 2 사용",
|
||||
"任务": "작업",
|
||||
"使用显卡：%s": "사용 GPU: %s",
|
||||
"使用模型采样率": "모델 샘플링 레이트 사용",
|
||||
"使用设备采样率": "장치 샘플링 레이트 사용",
|
||||
"保存名": "저장 이름",
|
||||
"保存的文件名, 默认空为和源文件同名": "저장될 파일명, 기본적으로 빈 공간은 원본 파일과 동일한 이름으로",
|
||||
"保存的模型名不带后缀": "저장된 모델명은 접미사 없음",
|
||||
"保存频率save_every_epoch": "저장 빈도 save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "청자음과 호흡 소리를 보호, 전자음 찢김 등의 아티팩트 방지, 0.5까지 올려서 비활성화, 낮추면 보호 강도 증가하지만 인덱스 효과 감소 가능성 있음",
|
||||
"修改": "수정",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "모델 정보 수정(오직 weights 폴더 아래에서 추출된 작은 모델 파일만 지원)",
|
||||
"停止一键训练": "원클릭 학습 중지",
|
||||
"停止处理数据": "데이터 전처리 중지",
|
||||
"停止特征提取": "특징 추출 중지",
|
||||
"停止训练模型": "모델 학습 중지",
|
||||
"停止训练索引": "인덱스 학습 중지",
|
||||
"停止音频转换": "오디오 변환 중지",
|
||||
"全流程结束！": "전체 과정 완료!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "모델 로드",
|
||||
"加载预训练底模D路径": "미리 훈련된 베이스 모델 D 경로 로드",
|
||||
"加载预训练底模G路径": "미리 훈련된 베이스 모델 G 경로 로드",
|
||||
"单次推理": "단일 추론",
|
||||
"卸载音色省显存": "음색 언로드로 디스플레이 메모리 절약",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "키 변경(정수, 반음 수, 옥타브 상승 12, 옥타브 하강 -12)",
|
||||
"合成": "합성",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "후처리 재샘플링을 최종 샘플링 레이트로, 0은 재샘플링하지 않음",
|
||||
"否": "아니오",
|
||||
"响应阈值": "응답 임계값",
|
||||
"响度因子": "음량 인자",
|
||||
"处理中": "처리 중",
|
||||
"处理数据": "데이터 처리",
|
||||
"失败": "실패",
|
||||
"失败记录": "실패 기록",
|
||||
"子进程执行失败，返回码：%s": "하위 프로세스가 종료 코드와 함께 실패했습니다: %s",
|
||||
"导出文件格式": "내보낼 파일 형식",
|
||||
"已停止": "중지됨",
|
||||
"已加载判别器预训练模型：%s": "판별기 사전 학습 모델을 불러왔습니다: %s",
|
||||
"已加载生成器预训练模型：%s": "생성기 사전 학습 모델을 불러왔습니다: %s",
|
||||
"已启用索引检索": "인덱스 검색 활성화됨",
|
||||
"已完成": "완료",
|
||||
"已恢复判别器检查点": "판별기 체크포인트를 복원했습니다",
|
||||
"常见问题解答": "자주 묻는 질문",
|
||||
"常规设置": "일반 설정",
|
||||
"开始音频转换": "오디오 변환 시작",
|
||||
"当前": "현재",
|
||||
"当前阶段": "현재 단계",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "사용 가능한 그래픽 카드가 없어 훈련을 지원할 수 없습니다",
|
||||
"性别因子/声线粗细": "성별 계수 / 음색 굵기",
|
||||
"性能设置": "성능 설정",
|
||||
"总训练轮数total_epoch": "총 훈련 라운드 수 total_epoch",
|
||||
"成功": "성공",
|
||||
"执行命令": "실행 명령",
|
||||
"批量推理": "일괄 추론",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "일괄 변환, 변환할 오디오 파일 폴더 입력 또는 여러 오디오 파일 업로드, 지정된 폴더(기본값 opt)에 변환된 오디오 출력.",
|
||||
"拖拽或点击上传待处理音频": "처리할 오디오를 끌어다 놓거나 클릭하여 업로드",
|
||||
"指定输出主人声文件夹": "주된 목소리 출력 폴더 지정",
|
||||
"指定输出文件夹": "출력 파일 폴더 지정",
|
||||
"指定输出非主人声文件夹": "주된 목소리가 아닌 출력 폴더 지정",
|
||||
"推理时间(ms):": "추론 시간(ms):",
|
||||
"推理耗时：%.2f秒": "추론 시간: %.2f seconds",
|
||||
"推理音色": "추론 음색",
|
||||
"提取": "추출",
|
||||
"提取音高和处理数据使用的CPU进程数": "음높이 추출 및 데이터 처리에 사용되는 CPU 프로세스 수",
|
||||
"数据切分": "데이터 분할",
|
||||
"无法停止": "중지할 수 없음",
|
||||
"无法读取音频：%s": "오디오를 읽지 못했습니다: %s",
|
||||
"是": "예",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "디스크 공간을 절약하기 위해 최신 ckpt 파일만 저장할지 여부",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "저장 시마다 최종 소형 모델을 weights 폴더에 저장할지 여부",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "모든 훈련 세트를 VRAM에 캐시할지 여부. 10분 미만의 소량 데이터는 캐시하여 훈련 속도를 높일 수 있지만, 대량 데이터 캐시는 VRAM을 과부하시키고 속도를 크게 향상시키지 못함",
|
||||
"显卡信息": "그래픽 카드 정보",
|
||||
"未使用": "사용 안 함",
|
||||
"未使用判别器预训练模型": "판별기 사전 학습 모델을 사용하지 않음",
|
||||
"未使用生成器预训练模型": "생성기 사전 학습 모델을 사용하지 않음",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformer 모델 설정을 찾지 못해 내장 기본값을 사용합니다",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "지원되는 GPU가 감지되지 않았습니다. CPU 학습은 훨씬 오래 걸릴 수 있습니다",
|
||||
"未运行": "실행 안 됨",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "이 소프트웨어는 MIT 라이선스로 공개되며, 저자는 소프트웨어에 대해 어떠한 통제권도 가지지 않습니다. 모든 귀책사유는 소프트웨어 사용자 및 소프트웨어에서 생성된 결과물을 사용하는 당사자에게 있습니다. <br>해당 조항을 인정하지 않는 경우, 소프트웨어 패키지의 어떠한 코드나 파일도 사용하거나 인용할 수 없습니다. 자세한 내용은 루트 디렉토리의 <b>LICENSE</b>를 참조하세요.",
|
||||
"查看": "보기",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "모델 정보 보기(오직 weights 폴더에서 추출된 소형 모델 파일만 지원)",
|
||||
"检测到模型类型：%s": "감지된 모델 유형: %s",
|
||||
"检索特征占比": "검색 특징 비율",
|
||||
"模型": "모델",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "모델 정보: %s\n샘플링 레이트: %s\n피치 가이드: %s\n버전: %s",
|
||||
"模型推理": "모델 추론",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "모델 추출(logs 폴더 아래의 큰 파일 모델 경로 입력), 훈련 중간에 중단한 모델의 자동 추출 및 소형 파일 모델 저장이 안 되거나 중간 모델을 테스트하고 싶은 경우에 적합",
|
||||
"模型是否带音高指导": "모델이 음높이 지도를 포함하는지 여부",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "모델이 음높이 지도를 포함하는지 여부(노래에는 반드시 필요, 음성에는 필요 없음)",
|
||||
"模型是否带音高指导,1是0否": "모델이 음높이 지도를 포함하는지 여부, 1은 예, 0은 아니오",
|
||||
"模型版本型号": "모델 버전 및 모델",
|
||||
"模型融合, 可用于测试音色融合": "모델 융합, 음색 융합 테스트에 사용 가능",
|
||||
"模型融合失败：两个模型的结构不一致": "두 모델의 구조가 일치하지 않아 모델 병합에 실패했습니다",
|
||||
"模型训练": "모델 학습",
|
||||
"模型路径": "모델 경로",
|
||||
"正在保存最终检查点：%s": "최종 체크포인트 저장 중: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "체크포인트 저장 중 %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "RMVPE 모델 불러오는 중",
|
||||
"正在加载模型": "모델 불러오는 중",
|
||||
"正在启动": "시작 중",
|
||||
"正在收尾": "마무리 중",
|
||||
"每张显卡的batch_size": "각 그래픽 카드의 batch_size",
|
||||
"淡入淡出长度": "페이드 인/아웃 길이",
|
||||
"清理模型缓存": "모델 캐시 정리 중",
|
||||
"版本": "버전",
|
||||
"特征": "특징",
|
||||
"特征提取": "특징 추출",
|
||||
"状态": "상태",
|
||||
"独占 WASAPI 设备": "WASAPI 독점 장치",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "남성에서 여성으로 변경 시 +12 키 권장, 여성에서 남성으로 변경 시 -12 키 권장, 음역대 폭발로 음색이 왜곡되면 적절한 음역대로 조정 가능.",
|
||||
"目标采样率": "목표 샘플링률",
|
||||
"等待中": "대기 중",
|
||||
"等待输入": "입력 대기 중",
|
||||
"算法延迟(ms):": "알고리즘 지연(ms):",
|
||||
"索引": "인덱스",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "잘못된 인덱스입니다. 다음을 사용하세요: added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "인덱스 검색 실패",
|
||||
"索引检索失败或未启用": "인덱스 검색 실패 또는 비활성화됨",
|
||||
"索引训练": "인덱스 학습",
|
||||
"耗时": "소요 시간",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "소요 시간: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "융합",
|
||||
"要改的模型信息": "변경할 모델 정보",
|
||||
"要置入的模型信息": "삽입할 모델 정보",
|
||||
"训练": "훈련",
|
||||
"训练已完成，正在保存最终模型": "학습 완료, 최종 모델을 저장합니다",
|
||||
"训练文件列表写入完成": "학습 파일 목록 저장 완료",
|
||||
"训练模型": "모델 훈련",
|
||||
"训练特征索引": "특징 인덱스 훈련",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "훈련 완료, 콘솔 훈련 로그 또는 실험 폴더 내의 train.log 확인 가능",
|
||||
"训练设备规则选择的精度：%s": "장치 규칙에 따라 선택한 학습 정밀도: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "학습 에포크: {} [{:.0f}%]",
|
||||
"设备类型": "장치 유형",
|
||||
"请上传音频文件": "오디오 파일을 업로드하세요",
|
||||
"请填写输出文件夹路径": "출력 폴더 경로를 입력하세요",
|
||||
"请指定说话人id": "화자 ID 지정 필요",
|
||||
"请选择index文件": "index 파일 선택",
|
||||
"请选择pth文件": "pth 파일 선택",
|
||||
"请选择说话人id": "화자 ID 선택",
|
||||
"转换": "변환",
|
||||
"输入实验名": "실험명 입력",
|
||||
"输入待处理音频文件夹路径": "처리할 오디오 파일 폴더 경로 입력",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "처리할 오디오 파일 폴더 경로 입력(파일 탐색기 주소 표시줄에서 복사)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "처리할 오디오 파일 경로 입력(기본적으로 올바른 형식 예시)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "입력 소스 볼륨 엔벨로프와 출력 볼륨 엔벨로프의 결합 비율 입력, 1에 가까울수록 출력 엔벨로프 사용",
|
||||
"输入监听": "입력 모니터링",
|
||||
"输入训练文件夹路径": "훈련 파일 폴더 경로 입력",
|
||||
"输入设备": "입력 장치",
|
||||
"输入设备：%s:%s": "입력 장치: %s:%s",
|
||||
"输入降噪": "입력 노이즈 감소",
|
||||
"输出信息": "출력 정보",
|
||||
"输出变声": "출력 음성 변환",
|
||||
"输出设备": "출력 장치",
|
||||
"输出设备：%s:%s": "출력 장치: %s:%s",
|
||||
"输出降噪": "출력 노이즈 감소",
|
||||
"输出音频(右下角三个点,点了可以下载)": "출력 오디오(오른쪽 하단 세 개의 점, 클릭하면 다운로드 가능)",
|
||||
"运行中": "실행 중",
|
||||
"进度": "진행률",
|
||||
"选择.index文件": ".index 파일 선택",
|
||||
"选择.pth文件": ".pth 파일 선택",
|
||||
"选择模型": "모델 선택",
|
||||
"选择索引": "인덱스 선택",
|
||||
"选择音高提取算法": "피치 추출 알고리즘 선택",
|
||||
"采样率:": "샘플링 레이트:",
|
||||
"采样长度": "샘플링 길이",
|
||||
"重载设备列表": "장치 목록 재로드",
|
||||
"错误信息：%s": "오류 정보: %s",
|
||||
"错误：未知模型：%s": "오류: 알 수 없는 모델: %s",
|
||||
"音调设置": "음조 설정",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "오디오가 다채널이지만 모델은 모노이므로 모든 채널의 평균을 사용합니다",
|
||||
"音频设备": "오디오 장치",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "모든 피치 값이 0이므로 이 오디오는 무의미하여 건너뜁니다: %s",
|
||||
"音高算法": "피치 알고리즘",
|
||||
"额外推理时长": "추가 추론 시간",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "데이터 전처리에서 유효한 학습 오디오가 생성되지 않았습니다. 데이터셋과 전처리 로그를 확인하세요.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "데이터 전처리에서 16 kHz 오디오가 생성되지 않아 특징 추출과 학습을 중지했습니다.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "데이터 전처리 출력 파일이 일치하지 않아 특징 추출과 학습을 중지했습니다.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT 특징 추출에서 유효한 결과가 생성되지 않아 학습을 중지했습니다.",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0 추출에서 유효한 결과가 생성되지 않아 학습을 중지했습니다.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "학습에 사용할 유효한 오디오가 없습니다. 먼저 데이터 전처리와 특징 추출을 완료하세요.",
|
||||
"已完成阶段": "완료된 단계",
|
||||
"已成功": "성공",
|
||||
"刷新音色列表": "음색 목록 새로고침",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "특징 인덱스 경로(모델 선택 후 자동 매칭, 수동 수정 가능)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[인덱스 학습] 외부 인덱스 링크가 이미 있습니다: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[인덱스 학습][건너뜀] added 인덱스가 이미 있습니다: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[인덱스 학습][건너뜀] trained 인덱스가 이미 있습니다: %s",
|
||||
"当前设备：%s | 推理精度：%s": "현재 장치: %s | 추론 정밀도: %s",
|
||||
"正在预热CUDA Graph": "CUDA Graph 워밍업 중",
|
||||
"CUDA Graph预热完成": "CUDA Graph 워밍업 완료",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "데이터 추출 시작: start_time=%.6f, 요청 병렬 수=%s, 실제 병렬 상한=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "데이터 추출 완료: end_time=%.6f, 총 소요 시간=%.3f초",
|
||||
"人声伴奏分离&去混响": "보컬/반주 분리 및 잔향 제거",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "pymss/MSST 모델로 보컬, 반주 및 잔향을 일괄 처리합니다.",
|
||||
"处理方式": "처리 방식",
|
||||
"底层模型": "기반 모델",
|
||||
"主结果文件夹": "주 결과 폴더",
|
||||
"分离残余文件夹": "잔여 결과 폴더",
|
||||
"停止分离": "분리 중지"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Intensidade da extração vocal",
|
||||
"%s → 成功": "%s → Sucesso",
|
||||
"%s运行中，请先停止该任务": "%s está em execução; interrompa antes de iniciar outra tarefa",
|
||||
"%s进程已终止": "O processo %s foi encerrado",
|
||||
"====> 轮次：{} {}": "====> Época: {} {}",
|
||||
"A模型权重": "Peso (w) para o modelo A:",
|
||||
"A模型路径": "Caminho para o Modelo A:",
|
||||
"B模型路径": "Caminho para o Modelo B:",
|
||||
"CUDA可用：%s": "CUDA disponível: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Extração de F0 e recursos HuBERT",
|
||||
"F0提取": "Extração F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Arquivo de curva F0 (opcional). Um arremesso por linha. Substitui a modulação padrão F0 e tom:",
|
||||
"HuBERT特征": "Recursos HuBERT",
|
||||
"Index Rate": "Taxa do Index",
|
||||
"RVC模型路径": "Caminho do Modelo RVC:",
|
||||
"SOLA偏移：%d": "Deslocamento SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Extração F0] Concluído | Sucesso: %s | Ignorados: %s | Falha: %s",
|
||||
"[F0提取] 待处理：%s": "[Extração F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Extração F0] Nenhum áudio pendente; todos os arquivos foram ignorados",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Extração F0] Progresso: %s/%s | Sucesso: %s | Ignorados: %s | %s",
|
||||
"[F0提取][失败] %s": "[Extração F0][Falha] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Extração F0][Falha] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Recursos HuBERT] Concluído | Sucesso: %s | Ignorados: %s | Falha: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Recursos HuBERT] Nenhum áudio pendente; ignorados: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Recursos HuBERT] Carregando o modelo: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Recursos HuBERT] Dispositivo: %s | Pending: %s | Ignorados: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Recursos HuBERT] Progresso: %s/%s | Sucesso: %s | Falha: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Recursos HuBERT][Falha] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Recursos HuBERT][Falha] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Recursos HuBERT][Falha] Modelo not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Divisão de dados] Subtarefa concluída | Sucesso: %s | Falha: %s",
|
||||
"[数据切分] 完成": "[Divisão de dados] Concluído",
|
||||
"[数据切分] 开始": "[Divisão de dados] Iniciado",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Divisão de dados] Pending: %s | Processos: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Divisão de dados] Progresso: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Divisão de dados][Falha] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Divisão de dados][Falha] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Divisão de dados][Ignorados] Segmento de áudio inválido ou anormal: %s_%s | Pico: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Treinamento do índice] Progressoo da gravação: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Treinamento do índice] Índice vinculado à pasta externa: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Treinamento do índice] Índice criado com sucesso: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Treinamento do índice] Adicionando vetores de recursos",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Treinamento do índice] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Treinamento do índice] Treinando o índice",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Treinamento do índice] Forma dos recursos: %s | Quantidade de IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Treinamento do índice][Falha] Não foi possível vincular o índice à pasta externa: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Treinamento do índice][Falha] O agrupamento falhou; continuando com os recursos originais\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Treinamento do índice][Falha] Extraia os recursos primeiro",
|
||||
"ckpt处理": "processamento ckpt",
|
||||
"index文件路径不可包含中文": "O caminho do arquivo de Index não pode conter caracteres chineses",
|
||||
"pth文件路径不可包含中文": "o caminho do arquivo pth não pode conter caracteres chineses",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configuração do número do cartão rmvpe: Use - para separar os números dos cartões de entrada de diferentes processos. Por exemplo, 0-0-1 é usado para executar 2 processos no cartão 0 e 1 processo no cartão 1.",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Etapa 1: Preencha a configuração experimental. Os dados experimentais são armazenados na pasta 'logs', com cada experimento tendo uma pasta separada. Digite manualmente o caminho do nome do experimento, que contém a configuração experimental, os logs e os arquivos de modelo treinados.",
|
||||
"step1:正在处理数据": "Etapa 1: Processamento de dados",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Extração de tom e características",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Etapa 2a: Percorra automaticamente todos os arquivos na pasta de treinamento que podem ser decodificados em áudio e execute a normalização da fatia. Gera 2 pastas wav no diretório do experimento. Atualmente, apenas o treinamento de um único cantor/palestrante é suportado.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Etapa 2b: Use a CPU para extrair o tom (se o modelo tiver tom), use a GPU para extrair recursos (selecione o índice da GPU):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Etapa 3: Preencha as configurações de treinamento e comece a treinar o modelo e o Index",
|
||||
"step3a:正在训练模型": "Etapa 3a: Treinamento do modelo iniciado",
|
||||
"step3b:正在训练索引": "etapa 3b: treinando o índice",
|
||||
"……仅显示最近10条失败记录": "…Mostrando apenas as 10 falhas mais recentes",
|
||||
"……已省略前%s行，仅显示最新状态": "…As primeiras %s linhas foram omitidas; mostrando apenas o estado mais recente",
|
||||
"一键训练": "Treinamento com um clique",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Você também pode inserir arquivos de áudio em lotes. Escolha uma das duas opções. É dada prioridade à leitura da pasta.",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "Processamento em lote para separar vocais e acompanhamento usando modelos UVR5.<br>Você pode escolher um modelo que preserve os vocais ou usar modelos DeEcho/DeReverb para remover eco e reverberação.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Somente os métodos de extração de tom pm e rmvpe são compatíveis",
|
||||
"从训练检查点提取的模型": "Modeloo extraído de um checkpoint de treinamento",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Digite o (s) índice(s) da GPU separados por '-', por exemplo, 0-1-2 para usar a GPU 0, 1 e 2:",
|
||||
"任务": "Tarefa",
|
||||
"伴奏人声分离&去混响&去回声": "UVR5",
|
||||
"使用显卡：%s": "GPUs em uso: %s",
|
||||
"使用模型采样率": "Usar taxa do modelo",
|
||||
"使用设备采样率": "Usar taxa do dispositivo",
|
||||
"保存名": "Salvar nome",
|
||||
"保存的文件名, 默认空为和源文件同名": "Salvar nome do arquivo (padrão: igual ao arquivo de origem):",
|
||||
"保存的模型名不带后缀": "Nome do modelo salvo (sem extensão):",
|
||||
"保存频率save_every_epoch": "Faça backup a cada # de Epoch:",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteja consoantes sem voz e sons respiratórios, evite artefatos como quebra de som eletrônico e desligue-o quando estiver cheio de 0,5. Diminua-o para aumentar a proteção, mas pode reduzir o efeito de indexação:",
|
||||
"修改": "Editar",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modificar informações do modelo (suportado apenas para arquivos de modelo pequenos extraídos da pasta 'weights')",
|
||||
"停止一键训练": "Parar treinamento com um clique",
|
||||
"停止处理数据": "Parar pré-processamento de dados",
|
||||
"停止特征提取": "Parar extração de características",
|
||||
"停止训练模型": "Parar treinamento do modelo",
|
||||
"停止训练索引": "Parar treinamento do índice",
|
||||
"停止音频转换": "Conversão de áudio",
|
||||
"全流程结束！": "Todos os processos foram concluídos!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Modelo",
|
||||
"加载预训练底模D路径": "Carregue o caminho D do modelo base pré-treinado:",
|
||||
"加载预训练底模G路径": "Carregue o caminho G do modelo base pré-treinado:",
|
||||
"单次推理": "Inferência única",
|
||||
"卸载音色省显存": "Descarregue a voz para liberar a memória da GPU:",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Mude o tom aqui. Se a voz for do mesmo sexo, não é necessario alterar (12 caso seja Masculino para feminino, -12 caso seja ao contrário).",
|
||||
"合成": "Síntese",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Reamostragem pós-processamento para a taxa de amostragem final, 0 significa sem reamostragem:",
|
||||
"否": "Não",
|
||||
"响应阈值": "Limiar de resposta",
|
||||
"响度因子": "Fator de volume",
|
||||
"处理中": "Processando",
|
||||
"处理数据": "Processar o Conjunto de Dados",
|
||||
"失败": "Falha",
|
||||
"失败记录": "Registro de falhas",
|
||||
"子进程执行失败，返回码：%s": "O subprocesso falhou com o código de saída: %s",
|
||||
"导出文件格式": "Qual formato de arquivo você prefere?",
|
||||
"已停止": "Interrompido",
|
||||
"已加载判别器预训练模型：%s": "Modeloo pré-treinado do discriminador carregado: %s",
|
||||
"已加载生成器预训练模型：%s": "Modeloo pré-treinado do gerador carregado: %s",
|
||||
"已启用索引检索": "Pesquisa por índice ativada",
|
||||
"已完成": "Concluído",
|
||||
"已恢复判别器检查点": "Checkpoint do discriminador restaurado",
|
||||
"常见问题解答": "FAQ (Perguntas frequentes)",
|
||||
"常规设置": "Configurações gerais",
|
||||
"开始音频转换": "Iniciar conversão de áudio",
|
||||
"当前": "Atual",
|
||||
"当前阶段": "Etapa atual",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Infelizmente, não há GPU compatível disponível para apoiar o seu treinamento.",
|
||||
"性别因子/声线粗细": "Fator de gênero / espessura da voz",
|
||||
"性能设置": "Configurações de desempenho.",
|
||||
"总训练轮数total_epoch": "Número total de ciclos(epoch) de treino (se escolher um valor alto demais, o seu modelo parecerá terrivelmente sobretreinado):",
|
||||
"成功": "Sucesso",
|
||||
"执行命令": "Comando",
|
||||
"批量推理": "Inferência em lote",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversão em Massa.",
|
||||
"拖拽或点击上传待处理音频": "Arraste e solte ou clique para enviar o áudio a ser processado",
|
||||
"指定输出主人声文件夹": "Especifique a pasta de saída para vocais:",
|
||||
"指定输出文件夹": "Especifique a pasta de saída:",
|
||||
"指定输出非主人声文件夹": "Informar a pasta de saída para acompanhamento:",
|
||||
"推理时间(ms):": "Tempo de inferência (ms):",
|
||||
"推理耗时：%.2f秒": "Tempo de inferência: %.2f seconds",
|
||||
"推理音色": "Escolha o seu Modelo:",
|
||||
"提取": "Extrato",
|
||||
"提取音高和处理数据使用的CPU进程数": "Número de processos de CPU usados para extração de tom e processamento de dados:",
|
||||
"数据切分": "Divisão de dados",
|
||||
"无法停止": "Não é possível interromper",
|
||||
"无法读取音频：%s": "Não foi possível ler o áudio: %s",
|
||||
"是": "Sim",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Só deve salvar apenas o arquivo ckpt mais recente para economizar espaço em disco:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Salve um pequeno modelo final na pasta 'weights' em cada ponto de salvamento:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Se deve armazenar em cache todos os conjuntos de treinamento na memória de vídeo. Pequenos dados com menos de 10 minutos podem ser armazenados em cache para acelerar o treinamento, e um cache de dados grande irá explodir a memória de vídeo e não aumentar muito a velocidade:",
|
||||
"显卡信息": "Informações da GPU",
|
||||
"未使用": "Não usado",
|
||||
"未使用判别器预训练模型": "Modelo pré-treinado do discriminador não usado",
|
||||
"未使用生成器预训练模型": "Modelo pré-treinado do gerador não usado",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Configuração do modelo Roformer não encontrada; usando os padrões internos",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Nenhuma GPU compatível foi detectada; treinar na CPU pode demorar muito mais",
|
||||
"未运行": "Não iniciado",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "<center>The Mangio-RVC 💻 | Tradução por Krisp e Rafael Godoy Ebert | AI HUB BRASIL<br> Este software é de código aberto sob a licença MIT. O autor não tem qualquer controle sobre o software. Aqueles que usam o software e divulgam os sons exportados pelo software são totalmente responsáveis. <br>Se você não concorda com este termo, você não pode usar ou citar nenhum código e arquivo no pacote de software. Para obter detalhes, consulte o diretório raiz <b>O acordo a ser seguido para uso <a href='https://raw.githubusercontent.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/main/LICENSE' target='_blank'>LICENSE</a></b></center>",
|
||||
"查看": "Visualizar",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Exibir informações do modelo (suportado apenas para arquivos de modelo pequenos extraídos da pasta 'weights')",
|
||||
"检测到模型类型：%s": "Tipo de modelo detectado: %s",
|
||||
"检索特征占比": "Taxa de recurso de recuperação:",
|
||||
"模型": "Modelo",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Informações do modelo: %s\nTaxa de amostragem: %s\nOrientação de tom: %s\nVersão: %s",
|
||||
"模型推理": "Inference",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extração do modelo (insira o caminho do modelo de arquivo grande na pasta 'logs'). Isso é útil se você quiser interromper o treinamento no meio do caminho e extrair e salvar manualmente um arquivo de modelo pequeno, ou se quiser testar um modelo intermediário:",
|
||||
"模型是否带音高指导": "Se o modelo tem orientação de tom:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Se o modelo tem orientação de tom (necessário para cantar, opcional para fala):",
|
||||
"模型是否带音高指导,1是0否": "Se o modelo tem orientação de passo (1: sim, 0: não):",
|
||||
"模型版本型号": "Versão:",
|
||||
"模型融合, 可用于测试音色融合": "A fusão modelo, pode ser usada para testar a fusão do timbre",
|
||||
"模型融合失败：两个模型的结构不一致": "Falha ao mesclar modelos: as arquiteturas não correspondem",
|
||||
"模型训练": "Treinamento do modelo",
|
||||
"模型路径": "Caminho para o Modelo:",
|
||||
"正在保存最终检查点：%s": "Salvando o checkpoint final: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Salvando o checkpoint %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Carregando o modelo RMVPE",
|
||||
"正在加载模型": "Carregando o modelo",
|
||||
"正在启动": "Iniciando",
|
||||
"正在收尾": "Finalizando",
|
||||
"每张显卡的batch_size": "Batch Size (DEIXE COMO ESTÁ a menos que saiba o que está fazendo, no Colab pode deixar até 20!):",
|
||||
"淡入淡出长度": "Comprimento de desvanecimento",
|
||||
"清理模型缓存": "Limpando o cache do modelo",
|
||||
"版本": "Versão",
|
||||
"特征": "Recursos",
|
||||
"特征提取": "Extrair Tom",
|
||||
"状态": "Estado",
|
||||
"独占 WASAPI 设备": "Dispositivo WASAPI exclusivo",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Recomendado +12 chave para conversão de homem para mulher e -12 chave para conversão de mulher para homem. Se a faixa de som for muito longe e a voz estiver distorcida, você também pode ajustá-la à faixa apropriada por conta própria.",
|
||||
"目标采样率": "Taxa de amostragem:",
|
||||
"等待中": "Aguardando",
|
||||
"等待输入": "Aguardando entrada",
|
||||
"算法延迟(ms):": "Latência do algoritmo (ms):",
|
||||
"索引": "Índice",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Índice inválido: use added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Falha na pesquisa por índice",
|
||||
"索引检索失败或未启用": "A pesquisa por índice falhou ou está desativada",
|
||||
"索引训练": "Treinamento do índice",
|
||||
"耗时": "Tempo decorrido",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Tempo decorrido: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusão",
|
||||
"要改的模型信息": "Informações do modelo a ser modificado:",
|
||||
"要置入的模型信息": "Informações do modelo a ser colocado:",
|
||||
"训练": "Treinar",
|
||||
"训练已完成，正在保存最终模型": "Treinamento concluído; salvando o modelo final",
|
||||
"训练文件列表写入完成": "Lista de arquivos de treinamento salva",
|
||||
"训练模型": "Treinar Modelo",
|
||||
"训练特征索引": "Treinar Index",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Após o término do treinamento, você pode verificar o log de treinamento do console ou train.log na pasta de experimentos",
|
||||
"训练设备规则选择的精度：%s": "Precisão de treinamento escolhida pelas regras do dispositivo: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Época de treinamento: {} [{:.0f}%]",
|
||||
"设备类型": "Tipo de dispositivo",
|
||||
"请上传音频文件": "Envie um arquivo de áudio",
|
||||
"请填写输出文件夹路径": "Informe o caminho da pasta de saída",
|
||||
"请指定说话人id": "Especifique o ID do locutor/cantor:",
|
||||
"请选择index文件": "Selecione o arquivo de Index",
|
||||
"请选择pth文件": "Selecione o arquivo pth",
|
||||
"请选择说话人id": "Selecione Palestrantes/Cantores ID:",
|
||||
"转换": "Converter",
|
||||
"输入实验名": "Nome da voz:",
|
||||
"输入待处理音频文件夹路径": "Caminho da pasta de áudio a ser processada:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Caminho da pasta de áudio a ser processada (copie-o da barra de endereços do gerenciador de arquivos):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Caminho para o seu conjunto de dados (áudios, não zipado):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "O envelope de volume da fonte de entrada substitui a taxa de fusão do envelope de volume de saída, quanto mais próximo de 1, mais o envelope de saída é usado:",
|
||||
"输入监听": "Monitorar entrada",
|
||||
"输入训练文件夹路径": "Caminho da pasta de treinamento:",
|
||||
"输入设备": "Dispositivo de entrada",
|
||||
"输入设备：%s:%s": "Dispositivo de entrada: %s:%s",
|
||||
"输入降噪": "Redução de ruído de entrada",
|
||||
"输出信息": "Informação de saída",
|
||||
"输出变声": "Conversão de saída",
|
||||
"输出设备": "Dispositivo de saída",
|
||||
"输出设备：%s:%s": "Dispositivo de saída: %s:%s",
|
||||
"输出降噪": "Redução de ruído de saída",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Exportar áudio (clique nos três pontos no canto inferior direito para baixar)",
|
||||
"运行中": "Em execução",
|
||||
"进度": "Progresso",
|
||||
"选择.index文件": "Selecione o Index",
|
||||
"选择.pth文件": "Selecione o Arquivo",
|
||||
"选择模型": "Selecionar modelo",
|
||||
"选择索引": "Selecionar índice",
|
||||
"选择音高提取算法": "Selecione o algoritmo de extração de tom",
|
||||
"采样率:": "Taxa de amostragem:",
|
||||
"采样长度": "Comprimento da Amostra",
|
||||
"重载设备列表": "Recarregar lista de dispositivos",
|
||||
"错误信息：%s": "Detalhes do erro: %s",
|
||||
"错误：未知模型：%s": "Erro: modelo desconhecido: %s",
|
||||
"音调设置": "Configurações de tom",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "O áudio tem vários canais, mas o modelo é mono; todos os canais serão combinados pela média",
|
||||
"音频设备": "Dispositivo de áudio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Todos os valores de tom são zero; este áudio não tem utilidade e será ignorado: %s",
|
||||
"音高算法": "Algoritmo de tom",
|
||||
"额外推理时长": "Tempo extra de inferência",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "O pré-processamento não gerou áudio de treinamento válido. Verifique o conjunto de dados e o log.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "O pré-processamento não gerou áudio de 16 kHz. A extração e o treinamento foram interrompidos.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Os arquivos de saída do pré-processamento não correspondem. A extração e o treinamento foram interrompidos.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "A extração de recursos HuBERT não gerou resultados válidos. O treinamento foi interrompido.",
|
||||
"F0提取没有生成有效结果，已停止训练": "A extração de F0 não gerou resultados válidos. O treinamento foi interrompido.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Não há áudio válido para treinamento. Conclua primeiro o pré-processamento e a extração de recursos.",
|
||||
"已完成阶段": "Etapas concluídas",
|
||||
"已成功": "Concluído",
|
||||
"刷新音色列表": "Atualizar lista de vozes",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Caminho do índice de características (detectado após selecionar o modelo; editável)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Treinamento de índice] O link externo já existe: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Treinamento de índice][Ignorado] O índice added já existe: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Treinamento de índice][Ignorado] O índice trained já existe: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Dispositivo atual: %s | Precisão de inferência: %s",
|
||||
"正在预热CUDA Graph": "Aquecendo o CUDA Graph",
|
||||
"CUDA Graph预热完成": "Aquecimento do CUDA Graph concluído",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Extração de dados iniciada: start_time=%.6f, concorrência solicitada=%s, limite real=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Extração de dados concluída: end_time=%.6f, tempo total=%.3f segundos"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Intensidade da extração vocal",
|
||||
"%s → 成功": "%s → Sucesso",
|
||||
"%s运行中，请先停止该任务": "%s está em execução; interrompa antes de iniciar outra tarefa",
|
||||
"%s进程已终止": "O processo %s foi encerrado",
|
||||
"====> 轮次：{} {}": "====> Época: {} {}",
|
||||
"A模型权重": "Peso (w) para o modelo A:",
|
||||
"A模型路径": "Caminho para o Modelo A:",
|
||||
"B模型路径": "Caminho para o Modelo B:",
|
||||
"CUDA可用：%s": "CUDA disponível: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Extração de F0 e recursos HuBERT",
|
||||
"F0提取": "Extração F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Arquivo de curva F0 (opcional). Um arremesso por linha. Substitui a modulação padrão F0 e tom:",
|
||||
"HuBERT特征": "Recursos HuBERT",
|
||||
"Index Rate": "Taxa do Index",
|
||||
"RVC模型路径": "Caminho do Modelo RVC:",
|
||||
"SOLA偏移：%d": "Deslocamento SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Extração F0] Concluído | Sucesso: %s | Ignorados: %s | Falha: %s",
|
||||
"[F0提取] 待处理：%s": "[Extração F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Extração F0] Nenhum áudio pendente; todos os arquivos foram ignorados",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Extração F0] Progresso: %s/%s | Sucesso: %s | Ignorados: %s | %s",
|
||||
"[F0提取][失败] %s": "[Extração F0][Falha] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Extração F0][Falha] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Recursos HuBERT] Concluído | Sucesso: %s | Ignorados: %s | Falha: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Recursos HuBERT] Nenhum áudio pendente; ignorados: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Recursos HuBERT] Carregando o modelo: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Recursos HuBERT] Dispositivo: %s | Pending: %s | Ignorados: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Recursos HuBERT] Progresso: %s/%s | Sucesso: %s | Falha: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Recursos HuBERT][Falha] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Recursos HuBERT][Falha] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Recursos HuBERT][Falha] Modelo not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Divisão de dados] Subtarefa concluída | Sucesso: %s | Falha: %s",
|
||||
"[数据切分] 完成": "[Divisão de dados] Concluído",
|
||||
"[数据切分] 开始": "[Divisão de dados] Iniciado",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Divisão de dados] Pending: %s | Processos: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Divisão de dados] Progresso: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Divisão de dados][Falha] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Divisão de dados][Falha] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Divisão de dados][Ignorados] Segmento de áudio inválido ou anormal: %s_%s | Pico: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Treinamento do índice] Progressoo da gravação: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Treinamento do índice] Índice vinculado à pasta externa: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Treinamento do índice] Índice criado com sucesso: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Treinamento do índice] Adicionando vetores de recursos",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Treinamento do índice] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Treinamento do índice] Treinando o índice",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Treinamento do índice] Forma dos recursos: %s | Quantidade de IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Treinamento do índice][Falha] Não foi possível vincular o índice à pasta externa: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Treinamento do índice][Falha] O agrupamento falhou; continuando com os recursos originais\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Treinamento do índice][Falha] Extraia os recursos primeiro",
|
||||
"ckpt处理": "processamento ckpt",
|
||||
"index文件路径不可包含中文": "O caminho do arquivo de Index não pode conter caracteres chineses",
|
||||
"pth文件路径不可包含中文": "o caminho do arquivo pth não pode conter caracteres chineses",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Configuração do número do cartão rmvpe: Use - para separar os números dos cartões de entrada de diferentes processos. Por exemplo, 0-0-1 é usado para executar 2 processos no cartão 0 e 1 processo no cartão 1.",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Etapa 1: Preencha a configuração experimental. Os dados experimentais são armazenados na pasta 'logs', com cada experimento tendo uma pasta separada. Digite manualmente o caminho do nome do experimento, que contém a configuração experimental, os logs e os arquivos de modelo treinados.",
|
||||
"step1:正在处理数据": "Etapa 1: Processamento de dados",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Extração de tom e características",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Etapa 2a: Percorra automaticamente todos os arquivos na pasta de treinamento que podem ser decodificados em áudio e execute a normalização da fatia. Gera 2 pastas wav no diretório do experimento. Atualmente, apenas o treinamento de um único cantor/palestrante é suportado.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Etapa 2b: Use a CPU para extrair o tom (se o modelo tiver tom), use a GPU para extrair recursos (selecione o índice da GPU):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Etapa 3: Preencha as configurações de treinamento e comece a treinar o modelo e o Index",
|
||||
"step3a:正在训练模型": "Etapa 3a: Treinamento do modelo iniciado",
|
||||
"step3b:正在训练索引": "etapa 3b: treinando o índice",
|
||||
"……仅显示最近10条失败记录": "…Mostrando apenas as 10 falhas mais recentes",
|
||||
"……已省略前%s行，仅显示最新状态": "…As primeiras %s linhas foram omitidas; mostrando apenas o estado mais recente",
|
||||
"一键训练": "Treinamento com um clique",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Você também pode inserir arquivos de áudio em lotes. Escolha uma das duas opções. É dada prioridade à leitura da pasta.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Somente os métodos de extração de tom pm e rmvpe são compatíveis",
|
||||
"从训练检查点提取的模型": "Modeloo extraído de um checkpoint de treinamento",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Digite o (s) índice(s) da GPU separados por '-', por exemplo, 0-1-2 para usar a GPU 0, 1 e 2:",
|
||||
"任务": "Tarefa",
|
||||
"使用显卡：%s": "GPUs em uso: %s",
|
||||
"使用模型采样率": "Usar taxa do modelo",
|
||||
"使用设备采样率": "Usar taxa do dispositivo",
|
||||
"保存名": "Salvar nome",
|
||||
"保存的文件名, 默认空为和源文件同名": "Salvar nome do arquivo (padrão: igual ao arquivo de origem):",
|
||||
"保存的模型名不带后缀": "Nome do modelo salvo (sem extensão):",
|
||||
"保存频率save_every_epoch": "Faça backup a cada # de Epoch:",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Proteja consoantes sem voz e sons respiratórios, evite artefatos como quebra de som eletrônico e desligue-o quando estiver cheio de 0,5. Diminua-o para aumentar a proteção, mas pode reduzir o efeito de indexação:",
|
||||
"修改": "Editar",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Modificar informações do modelo (suportado apenas para arquivos de modelo pequenos extraídos da pasta 'weights')",
|
||||
"停止一键训练": "Parar treinamento com um clique",
|
||||
"停止处理数据": "Parar pré-processamento de dados",
|
||||
"停止特征提取": "Parar extração de características",
|
||||
"停止训练模型": "Parar treinamento do modelo",
|
||||
"停止训练索引": "Parar treinamento do índice",
|
||||
"停止音频转换": "Conversão de áudio",
|
||||
"全流程结束！": "Todos os processos foram concluídos!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Modelo",
|
||||
"加载预训练底模D路径": "Carregue o caminho D do modelo base pré-treinado:",
|
||||
"加载预训练底模G路径": "Carregue o caminho G do modelo base pré-treinado:",
|
||||
"单次推理": "Inferência única",
|
||||
"卸载音色省显存": "Descarregue a voz para liberar a memória da GPU:",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Mude o tom aqui. Se a voz for do mesmo sexo, não é necessario alterar (12 caso seja Masculino para feminino, -12 caso seja ao contrário).",
|
||||
"合成": "Síntese",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Reamostragem pós-processamento para a taxa de amostragem final, 0 significa sem reamostragem:",
|
||||
"否": "Não",
|
||||
"响应阈值": "Limiar de resposta",
|
||||
"响度因子": "Fator de volume",
|
||||
"处理中": "Processando",
|
||||
"处理数据": "Processar o Conjunto de Dados",
|
||||
"失败": "Falha",
|
||||
"失败记录": "Registro de falhas",
|
||||
"子进程执行失败，返回码：%s": "O subprocesso falhou com o código de saída: %s",
|
||||
"导出文件格式": "Qual formato de arquivo você prefere?",
|
||||
"已停止": "Interrompido",
|
||||
"已加载判别器预训练模型：%s": "Modeloo pré-treinado do discriminador carregado: %s",
|
||||
"已加载生成器预训练模型：%s": "Modeloo pré-treinado do gerador carregado: %s",
|
||||
"已启用索引检索": "Pesquisa por índice ativada",
|
||||
"已完成": "Concluído",
|
||||
"已恢复判别器检查点": "Checkpoint do discriminador restaurado",
|
||||
"常见问题解答": "FAQ (Perguntas frequentes)",
|
||||
"常规设置": "Configurações gerais",
|
||||
"开始音频转换": "Iniciar conversão de áudio",
|
||||
"当前": "Atual",
|
||||
"当前阶段": "Etapa atual",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Infelizmente, não há GPU compatível disponível para apoiar o seu treinamento.",
|
||||
"性别因子/声线粗细": "Fator de gênero / espessura da voz",
|
||||
"性能设置": "Configurações de desempenho.",
|
||||
"总训练轮数total_epoch": "Número total de ciclos(epoch) de treino (se escolher um valor alto demais, o seu modelo parecerá terrivelmente sobretreinado):",
|
||||
"成功": "Sucesso",
|
||||
"执行命令": "Comando",
|
||||
"批量推理": "Inferência em lote",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Conversão em Massa.",
|
||||
"拖拽或点击上传待处理音频": "Arraste e solte ou clique para enviar o áudio a ser processado",
|
||||
"指定输出主人声文件夹": "Especifique a pasta de saída para vocais:",
|
||||
"指定输出文件夹": "Especifique a pasta de saída:",
|
||||
"指定输出非主人声文件夹": "Informar a pasta de saída para acompanhamento:",
|
||||
"推理时间(ms):": "Tempo de inferência (ms):",
|
||||
"推理耗时：%.2f秒": "Tempo de inferência: %.2f seconds",
|
||||
"推理音色": "Escolha o seu Modelo:",
|
||||
"提取": "Extrato",
|
||||
"提取音高和处理数据使用的CPU进程数": "Número de processos de CPU usados para extração de tom e processamento de dados:",
|
||||
"数据切分": "Divisão de dados",
|
||||
"无法停止": "Não é possível interromper",
|
||||
"无法读取音频：%s": "Não foi possível ler o áudio: %s",
|
||||
"是": "Sim",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Só deve salvar apenas o arquivo ckpt mais recente para economizar espaço em disco:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Salve um pequeno modelo final na pasta 'weights' em cada ponto de salvamento:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Se deve armazenar em cache todos os conjuntos de treinamento na memória de vídeo. Pequenos dados com menos de 10 minutos podem ser armazenados em cache para acelerar o treinamento, e um cache de dados grande irá explodir a memória de vídeo e não aumentar muito a velocidade:",
|
||||
"显卡信息": "Informações da GPU",
|
||||
"未使用": "Não usado",
|
||||
"未使用判别器预训练模型": "Modelo pré-treinado do discriminador não usado",
|
||||
"未使用生成器预训练模型": "Modelo pré-treinado do gerador não usado",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Configuração do modelo Roformer não encontrada; usando os padrões internos",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Nenhuma GPU compatível foi detectada; treinar na CPU pode demorar muito mais",
|
||||
"未运行": "Não iniciado",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "<center>The Mangio-RVC 💻 | Tradução por Krisp e Rafael Godoy Ebert | AI HUB BRASIL<br> Este software é de código aberto sob a licença MIT. O autor não tem qualquer controle sobre o software. Aqueles que usam o software e divulgam os sons exportados pelo software são totalmente responsáveis. <br>Se você não concorda com este termo, você não pode usar ou citar nenhum código e arquivo no pacote de software. Para obter detalhes, consulte o diretório raiz <b>O acordo a ser seguido para uso <a href='https://raw.githubusercontent.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI/main/LICENSE' target='_blank'>LICENSE</a></b></center>",
|
||||
"查看": "Visualizar",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Exibir informações do modelo (suportado apenas para arquivos de modelo pequenos extraídos da pasta 'weights')",
|
||||
"检测到模型类型：%s": "Tipo de modelo detectado: %s",
|
||||
"检索特征占比": "Taxa de recurso de recuperação:",
|
||||
"模型": "Modelo",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Informações do modelo: %s\nTaxa de amostragem: %s\nOrientação de tom: %s\nVersão: %s",
|
||||
"模型推理": "Inference",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Extração do modelo (insira o caminho do modelo de arquivo grande na pasta 'logs'). Isso é útil se você quiser interromper o treinamento no meio do caminho e extrair e salvar manualmente um arquivo de modelo pequeno, ou se quiser testar um modelo intermediário:",
|
||||
"模型是否带音高指导": "Se o modelo tem orientação de tom:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Se o modelo tem orientação de tom (necessário para cantar, opcional para fala):",
|
||||
"模型是否带音高指导,1是0否": "Se o modelo tem orientação de passo (1: sim, 0: não):",
|
||||
"模型版本型号": "Versão:",
|
||||
"模型融合, 可用于测试音色融合": "A fusão modelo, pode ser usada para testar a fusão do timbre",
|
||||
"模型融合失败：两个模型的结构不一致": "Falha ao mesclar modelos: as arquiteturas não correspondem",
|
||||
"模型训练": "Treinamento do modelo",
|
||||
"模型路径": "Caminho para o Modelo:",
|
||||
"正在保存最终检查点：%s": "Salvando o checkpoint final: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Salvando o checkpoint %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Carregando o modelo RMVPE",
|
||||
"正在加载模型": "Carregando o modelo",
|
||||
"正在启动": "Iniciando",
|
||||
"正在收尾": "Finalizando",
|
||||
"每张显卡的batch_size": "Batch Size (DEIXE COMO ESTÁ a menos que saiba o que está fazendo, no Colab pode deixar até 20!):",
|
||||
"淡入淡出长度": "Comprimento de desvanecimento",
|
||||
"清理模型缓存": "Limpando o cache do modelo",
|
||||
"版本": "Versão",
|
||||
"特征": "Recursos",
|
||||
"特征提取": "Extrair Tom",
|
||||
"状态": "Estado",
|
||||
"独占 WASAPI 设备": "Dispositivo WASAPI exclusivo",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Recomendado +12 chave para conversão de homem para mulher e -12 chave para conversão de mulher para homem. Se a faixa de som for muito longe e a voz estiver distorcida, você também pode ajustá-la à faixa apropriada por conta própria.",
|
||||
"目标采样率": "Taxa de amostragem:",
|
||||
"等待中": "Aguardando",
|
||||
"等待输入": "Aguardando entrada",
|
||||
"算法延迟(ms):": "Latência do algoritmo (ms):",
|
||||
"索引": "Índice",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Índice inválido: use added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Falha na pesquisa por índice",
|
||||
"索引检索失败或未启用": "A pesquisa por índice falhou ou está desativada",
|
||||
"索引训练": "Treinamento do índice",
|
||||
"耗时": "Tempo decorrido",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Tempo decorrido: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Fusão",
|
||||
"要改的模型信息": "Informações do modelo a ser modificado:",
|
||||
"要置入的模型信息": "Informações do modelo a ser colocado:",
|
||||
"训练": "Treinar",
|
||||
"训练已完成，正在保存最终模型": "Treinamento concluído; salvando o modelo final",
|
||||
"训练文件列表写入完成": "Lista de arquivos de treinamento salva",
|
||||
"训练模型": "Treinar Modelo",
|
||||
"训练特征索引": "Treinar Index",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Após o término do treinamento, você pode verificar o log de treinamento do console ou train.log na pasta de experimentos",
|
||||
"训练设备规则选择的精度：%s": "Precisão de treinamento escolhida pelas regras do dispositivo: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Época de treinamento: {} [{:.0f}%]",
|
||||
"设备类型": "Tipo de dispositivo",
|
||||
"请上传音频文件": "Envie um arquivo de áudio",
|
||||
"请填写输出文件夹路径": "Informe o caminho da pasta de saída",
|
||||
"请指定说话人id": "Especifique o ID do locutor/cantor:",
|
||||
"请选择index文件": "Selecione o arquivo de Index",
|
||||
"请选择pth文件": "Selecione o arquivo pth",
|
||||
"请选择说话人id": "Selecione Palestrantes/Cantores ID:",
|
||||
"转换": "Converter",
|
||||
"输入实验名": "Nome da voz:",
|
||||
"输入待处理音频文件夹路径": "Caminho da pasta de áudio a ser processada:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Caminho da pasta de áudio a ser processada (copie-o da barra de endereços do gerenciador de arquivos):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Caminho para o seu conjunto de dados (áudios, não zipado):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "O envelope de volume da fonte de entrada substitui a taxa de fusão do envelope de volume de saída, quanto mais próximo de 1, mais o envelope de saída é usado:",
|
||||
"输入监听": "Monitorar entrada",
|
||||
"输入训练文件夹路径": "Caminho da pasta de treinamento:",
|
||||
"输入设备": "Dispositivo de entrada",
|
||||
"输入设备：%s:%s": "Dispositivo de entrada: %s:%s",
|
||||
"输入降噪": "Redução de ruído de entrada",
|
||||
"输出信息": "Informação de saída",
|
||||
"输出变声": "Conversão de saída",
|
||||
"输出设备": "Dispositivo de saída",
|
||||
"输出设备：%s:%s": "Dispositivo de saída: %s:%s",
|
||||
"输出降噪": "Redução de ruído de saída",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Exportar áudio (clique nos três pontos no canto inferior direito para baixar)",
|
||||
"运行中": "Em execução",
|
||||
"进度": "Progresso",
|
||||
"选择.index文件": "Selecione o Index",
|
||||
"选择.pth文件": "Selecione o Arquivo",
|
||||
"选择模型": "Selecionar modelo",
|
||||
"选择索引": "Selecionar índice",
|
||||
"选择音高提取算法": "Selecione o algoritmo de extração de tom",
|
||||
"采样率:": "Taxa de amostragem:",
|
||||
"采样长度": "Comprimento da Amostra",
|
||||
"重载设备列表": "Recarregar lista de dispositivos",
|
||||
"错误信息：%s": "Detalhes do erro: %s",
|
||||
"错误：未知模型：%s": "Erro: modelo desconhecido: %s",
|
||||
"音调设置": "Configurações de tom",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "O áudio tem vários canais, mas o modelo é mono; todos os canais serão combinados pela média",
|
||||
"音频设备": "Dispositivo de áudio",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Todos os valores de tom são zero; este áudio não tem utilidade e será ignorado: %s",
|
||||
"音高算法": "Algoritmo de tom",
|
||||
"额外推理时长": "Tempo extra de inferência",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "O pré-processamento não gerou áudio de treinamento válido. Verifique o conjunto de dados e o log.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "O pré-processamento não gerou áudio de 16 kHz. A extração e o treinamento foram interrompidos.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Os arquivos de saída do pré-processamento não correspondem. A extração e o treinamento foram interrompidos.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "A extração de recursos HuBERT não gerou resultados válidos. O treinamento foi interrompido.",
|
||||
"F0提取没有生成有效结果，已停止训练": "A extração de F0 não gerou resultados válidos. O treinamento foi interrompido.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Não há áudio válido para treinamento. Conclua primeiro o pré-processamento e a extração de recursos.",
|
||||
"已完成阶段": "Etapas concluídas",
|
||||
"已成功": "Concluído",
|
||||
"刷新音色列表": "Atualizar lista de vozes",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Caminho do índice de características (detectado após selecionar o modelo; editável)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Treinamento de índice] O link externo já existe: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Treinamento de índice][Ignorado] O índice added já existe: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Treinamento de índice][Ignorado] O índice trained já existe: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Dispositivo atual: %s | Precisão de inferência: %s",
|
||||
"正在预热CUDA Graph": "Aquecendo o CUDA Graph",
|
||||
"CUDA Graph预热完成": "Aquecimento do CUDA Graph concluído",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Extração de dados iniciada: start_time=%.6f, concorrência solicitada=%s, limite real=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Extração de dados concluída: end_time=%.6f, tempo total=%.3f segundos",
|
||||
"人声伴奏分离&去混响": "Separação de voz/acompanhamento e remoção de reverberação",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "Processamento em lote de voz, acompanhamento e reverberação com modelos pymss/MSST.",
|
||||
"处理方式": "Modo de processamento",
|
||||
"底层模型": "Modelo subjacente",
|
||||
"主结果文件夹": "Pasta de saída principal",
|
||||
"分离残余文件夹": "Pasta de saída residual",
|
||||
"停止分离": "Parar separação"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Интенсивность выделения вокала",
|
||||
"%s → 成功": "%s → Успешно",
|
||||
"%s运行中，请先停止该任务": "%s уже выполняется; сначала остановите эту задачу",
|
||||
"%s进程已终止": "Процесс %s завершён",
|
||||
"====> 轮次：{} {}": "====> Эпоха: {} {}",
|
||||
"A模型权重": "Весы (w) модели А:",
|
||||
"A模型路径": "Путь к модели А:",
|
||||
"B模型路径": "Путь к модели Б:",
|
||||
"CUDA可用：%s": "CUDA доступна: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Извлечение F0 и признаков HuBERT",
|
||||
"F0提取": "Извлечение F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Файл дуги F0 (не обязательно). Одна тональность на каждую строчку. Заменяет обычный F0 и модуляцию тональности:",
|
||||
"HuBERT特征": "Признаки HuBERT",
|
||||
"Index Rate": "Темп индекса",
|
||||
"RVC模型路径": "Путь к модели RVC:",
|
||||
"SOLA偏移：%d": "Смещение SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Извлечение F0] Завершено | Успешно: %s | Пропущено: %s | Ошибка: %s",
|
||||
"[F0提取] 待处理：%s": "[Извлечение F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Извлечение F0] Нет ожидающих аудиофайлов; все файлы пропущены",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Извлечение F0] Прогресс: %s/%s | Успешно: %s | Пропущено: %s | %s",
|
||||
"[F0提取][失败] %s": "[Извлечение F0][Ошибка] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Извлечение F0][Ошибка] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Признаки HuBERT] Завершено | Успешно: %s | Пропущено: %s | Ошибка: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Признаки HuBERT] Нет ожидающих аудиофайлов; пропущено: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Признаки HuBERT] Загрузка модели: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Признаки HuBERT] Устройство: %s | Pending: %s | Пропущено: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Признаки HuBERT] Прогресс: %s/%s | Успешно: %s | Ошибка: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Признаки HuBERT][Ошибка] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Признаки HuBERT][Ошибка] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Признаки HuBERT][Ошибка] Модель not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Нарезка данных] Подзадача завершена | Успешно: %s | Ошибка: %s",
|
||||
"[数据切分] 完成": "[Нарезка данных] Завершено",
|
||||
"[数据切分] 开始": "[Нарезка данных] Запущено",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Нарезка данных] Pending: %s | Процессы: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Нарезка данных] Прогресс: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Нарезка данных][Ошибка] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Нарезка данных][Ошибка] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Нарезка данных][Пропущено] Недопустимый или аномальный аудиофрагмент: %s_%s | Пик: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Обучение индекса] Ход записи: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Обучение индекса] Индекс связан с внешней папкой: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Обучение индекса] Индекс успешно создан: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Обучение индекса] Добавление векторов признаков",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Обучение индекса] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Обучение индекса] Обучение индекса",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Обучение индекса] Форма признаков: %s | Количество IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Обучение индекса][Ошибка] Не удалось связать индекс с внешней папкой: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Обучение индекса][Ошибка] Сбой кластеризации; продолжение с исходными признаками\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Обучение индекса][Ошибка] Сначала извлеките признаки",
|
||||
"ckpt处理": "Обработка ckpt",
|
||||
"index文件路径不可包含中文": "Путь к файлу индекса",
|
||||
"pth文件路径不可包含中文": "Путь к файлу pth",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Введите номера графических процессоров, разделенные символом «-», например, 0-0-1, чтобы запустить два процесса на GPU 0 и один процесс на GPU 1:",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Шаг 1. Конфигурирование модели. Данные обучения модели сохраняются в папку 'logs', и для каждой модели создаётся отдельная папка. Введите вручную путь к настройкам для модели, в которой находятся логи и тренировочные файлы.",
|
||||
"step1:正在处理数据": "Шаг 1. Переработка данных",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Извлечение высоты тона и признаков",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Шаг 2А. Автоматическая обработка исходных аудиозаписей для обучения и выполнение нормализации среза. Создаст 2 папки wav в папке модели. В данный момент поддерживается обучение только на одноголосных записях.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Шаг 2Б. Оценка и извлечение тональности в аудиофайлах с помощью процессора (если включена поддержка изменения высоты звука), извлечение черт с помощью GPU (выберите номер GPU):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Шаг 3. Заполнение дополнительных настроек обучения и запуск обучения модели и индекса",
|
||||
"step3a:正在训练模型": "Шаг 3. Запуск обучения модели",
|
||||
"step3b:正在训练索引": "шаг 3b: обучение индекса",
|
||||
"……仅显示最近10条失败记录": "…Показаны только 10 последних ошибок",
|
||||
"……已省略前%s行，仅显示最新状态": "…Первые %s строк пропущены; показано только последнее состояние",
|
||||
"一键训练": "Обучение в одно нажатие",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Можно также импортировать несколько аудиофайлов. Если путь к папке существует, то этот ввод игнорируется.",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "Пакетное разделение вокала и аккомпанемента с помощью моделей UVR5.<br>Можно выбрать модель с сохранением вокала или использовать модели DeEcho/DeReverb для удаления эха и реверберации.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Поддерживаются только методы извлечения высоты тона pm и rmvpe",
|
||||
"从训练检查点提取的模型": "Модель извлечена из контрольной точки обучения",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Введите, какие(-ую) GPU(-у) хотите использовать через '-', например 0-1-2, чтобы использовать GPU с номерами 0, 1 и 2:",
|
||||
"任务": "Задача",
|
||||
"伴奏人声分离&去混响&去回声": "Разделение вокала/аккомпанемента и удаление эхо",
|
||||
"使用显卡：%s": "Используемые GPU: %s",
|
||||
"使用模型采样率": "Использовать частоту модели",
|
||||
"使用设备采样率": "Использовать частоту устройства",
|
||||
"保存名": "Имя файла для сохранения:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Название сохранённого файла (по умолчанию: такое же, как и у входного):",
|
||||
"保存的模型名不带后缀": "Имя файла модели для сохранения (без расширения):",
|
||||
"保存频率save_every_epoch": "Частота сохранения (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Защитить глухие согласные и звуки дыхания для предотвращения артефактов, например, разрывания в электронной музыке. Поставьте на 0.5, чтобы выключить. Уменьшите значение для повышения защиты, но учтите, что при этом может ухудшиться точность индексирования:",
|
||||
"修改": "Изменить",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Изменить информацию о модели (работает только с маленькими моделями, взятыми из папки 'weights')",
|
||||
"停止一键训练": "Остановить обучение в один клик",
|
||||
"停止处理数据": "Остановить предобработку данных",
|
||||
"停止特征提取": "Остановить извлечение признаков",
|
||||
"停止训练模型": "Остановить обучение модели",
|
||||
"停止训练索引": "Остановить обучение индекса",
|
||||
"停止音频转换": "Закончить конвертацию аудио",
|
||||
"全流程结束！": "Все процессы завершены!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Загрузить модель",
|
||||
"加载预训练底模D路径": "Путь к предварительно обученной базовой модели D:",
|
||||
"加载预训练底模G路径": "Путь к предварительно обученной базовой модели G:",
|
||||
"单次推理": "Одиночный инференс",
|
||||
"卸载音色省显存": "Выгрузить модель из памяти GPU для освобождения ресурсов",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Изменить высоту голоса (укажите количество полутонов; чтобы поднять голос на октаву, выберите 12, понизить на октаву — -12):",
|
||||
"合成": "Синтез",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Изменить частоту дискретизации в выходном файле на финальную. Поставьте 0, чтобы ничего не изменялось:",
|
||||
"否": "Нет",
|
||||
"响应阈值": "Порог ответа",
|
||||
"响度因子": "коэффициент громкости",
|
||||
"处理中": "Обработка",
|
||||
"处理数据": "Обработать данные",
|
||||
"失败": "Ошибка",
|
||||
"失败记录": "Список ошибок",
|
||||
"子进程执行失败，返回码：%s": "Дочерний процесс завершился с кодом: %s",
|
||||
"导出文件格式": "Формат выходных файлов",
|
||||
"已停止": "Остановлено",
|
||||
"已加载判别器预训练模型：%s": "Предобученная модель дискриминатора загружена: %s",
|
||||
"已加载生成器预训练模型：%s": "Предобученная модель генератора загружена: %s",
|
||||
"已启用索引检索": "Поиск по индексу включён",
|
||||
"已完成": "Завершено",
|
||||
"已恢复判别器检查点": "Контрольная точка дискриминатора восстановлена",
|
||||
"常见问题解答": "ЧаВо (часто задаваемые вопросы)",
|
||||
"常规设置": "Основные настройки",
|
||||
"开始音频转换": "Начать конвертацию аудио",
|
||||
"当前": "Текущий",
|
||||
"当前阶段": "Текущий этап",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "К сожалению, у вас нету графического процессора, который поддерживает обучение моделей.",
|
||||
"性别因子/声线粗细": "Гендерный коэффициент / толщина голоса",
|
||||
"性能设置": "Настройки быстроты",
|
||||
"总训练轮数total_epoch": "Полное количество эпох (total_epoch):",
|
||||
"成功": "Успешно",
|
||||
"执行命令": "Команда",
|
||||
"批量推理": "Пакетный инференс",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Массовое преобразование. Введите путь к папке, в которой находятся файлы для преобразования голоса или выгрузите несколько аудиофайлов. Сконвертированные файлы будут сохранены в указанной папке (по умолчанию: 'opt').",
|
||||
"拖拽或点击上传待处理音频": "Перетащите или нажмите, чтобы загрузить аудио для обработки",
|
||||
"指定输出主人声文件夹": "Путь к папке для сохранения вокала:",
|
||||
"指定输出文件夹": "Папка для результатов:",
|
||||
"指定输出非主人声文件夹": "Путь к папке для сохранения аккомпанемента:",
|
||||
"推理时间(ms):": "Время переработки (мс):",
|
||||
"推理耗时：%.2f秒": "Время инференса: %.2f seconds",
|
||||
"推理音色": "Желаемый голос:",
|
||||
"提取": "Создать модель",
|
||||
"提取音高和处理数据使用的CPU进程数": "Число процессов ЦП, используемое для оценки высоты голоса и обработки данных:",
|
||||
"数据切分": "Нарезка данных",
|
||||
"无法停止": "Невозможно остановить",
|
||||
"无法读取音频：%s": "Не удалось прочитать аудио: %s",
|
||||
"是": "Да",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Сохранять только последний файл '.ckpt', чтобы сохранить место на диске:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Сохранять маленькую финальную модель в папку 'weights' на каждой точке сохранения:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Кэшировать все тренировочные сеты в видеопамять. Кэширование маленький датасетов (меньше 10 минут) может ускорить тренировку, но кэширование больших, наоборот, займёт много видеопамяти и не сильно ускорит тренировку:",
|
||||
"显卡信息": "Информация о графических процессорах (GPUs):",
|
||||
"未使用": "Не используется",
|
||||
"未使用判别器预训练模型": "Предобученная модель дискриминатора не используется",
|
||||
"未使用生成器预训练模型": "Предобученная модель генератора не используется",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Конфигурация модели Roformer не найдена; используются встроенные значения",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Поддерживаемый GPU не обнаружен; обучение на CPU может занять значительно больше времени",
|
||||
"未运行": "Не запущено",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Это программное обеспечение с открытым исходным кодом распространяется по лицензии MIT. Автор никак не контролирует это программное обеспечение. Пользователи, которые используют эту программу и распространяют аудиозаписи, полученные с помощью этой программы, несут полную ответственность за это. Если вы не согласны с этим, вы не можете использовать какие-либо коды и файлы в рамках этой программы или ссылаться на них. Подробнее в файле <b>Agreement-LICENSE.txt</b> в корневом каталоге программы.",
|
||||
"查看": "Просмотреть информацию",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Просмотреть информацию о модели (работает только с маленькими моделями, взятыми из папки 'weights')",
|
||||
"检测到模型类型：%s": "Обнаружен тип модели: %s",
|
||||
"检索特征占比": "Соотношение поиска черт:",
|
||||
"模型": "Модели",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Информация о модели: %s\nЧастота дискретизации: %s\nУправление высотой тона: %s\nВерсия: %s",
|
||||
"模型推理": "Изменение голоса",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Создание модели из данных, полученных в процессе обучения (введите путь к большому файлу модели в папке 'logs'). Может пригодиться, если вам нужно завершить обучение и получить маленький файл готовой модели, или если вам нужно проверить недообученную модель:",
|
||||
"模型是否带音高指导": "Поддерживает ли модель изменение высоты голоса (1: да, 0: нет):",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Поддержка изменения высоты звука (обязательно для пения, необязательно для речи):",
|
||||
"模型是否带音高指导,1是0否": "Поддерживает ли модель изменение высоты голоса (1: да, 0: нет):",
|
||||
"模型版本型号": "Версия архитектуры модели:",
|
||||
"模型融合, 可用于测试音色融合": "Слияние моделей, может быть использовано для проверки слияния тембра",
|
||||
"模型融合失败：两个模型的结构不一致": "Не удалось объединить модели: их архитектуры не совпадают",
|
||||
"模型训练": "Обучение модели",
|
||||
"模型路径": "Путь к папке:",
|
||||
"正在保存最终检查点：%s": "Сохранение итоговой контрольной точки: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Сохранение контрольной точки %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Загрузка модели RMVPE",
|
||||
"正在加载模型": "Загрузка модели",
|
||||
"正在启动": "Запуск",
|
||||
"正在收尾": "Завершение",
|
||||
"每张显卡的batch_size": "Размер пачки для GPU:",
|
||||
"淡入淡出长度": "Длина затухания",
|
||||
"清理模型缓存": "Очистка кэша модели",
|
||||
"版本": "Версия архитектуры модели:",
|
||||
"特征": "Признаки",
|
||||
"特征提取": "Извлечь черты",
|
||||
"状态": "Состояние",
|
||||
"独占 WASAPI 设备": "Эксклюзивное устройство WASAPI",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Рекомендуется выбрать +12 для конвертирования мужского голоса в женский и -12 для конвертирования женского в мужской. Если диапазон голоса слишком велик, и голос искажается, можно выбрать значение на свой вкус.",
|
||||
"目标采样率": "Частота дискретизации аудио:",
|
||||
"等待中": "Ожидание",
|
||||
"等待输入": "Ожидание ввода",
|
||||
"算法延迟(ms):": "Задержка алгоритма (мс):",
|
||||
"索引": "Индекс",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Недопустимый индекс: используйте added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Сбой поиска по индексу",
|
||||
"索引检索失败或未启用": "Поиск по индексу не выполнен или отключён",
|
||||
"索引训练": "Обучение индекса",
|
||||
"耗时": "Затраченное время",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Затраченное время: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Запустить слияние",
|
||||
"要改的模型信息": "Информация, которая будет изменена:",
|
||||
"要置入的模型信息": "Информация о модели:",
|
||||
"训练": "Обучение модели",
|
||||
"训练已完成，正在保存最终模型": "Обучение завершено; сохраняется итоговая модель",
|
||||
"训练文件列表写入完成": "Список файлов обучения записан",
|
||||
"训练模型": "Обучить модель",
|
||||
"训练特征索引": "Обучить индекс черт",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Обучение модели завершено. Журнал обучения можно просмотреть в консоли или в файле 'train.log' в папке с моделью.",
|
||||
"训练设备规则选择的精度：%s": "Точность обучения выбрана по правилам устройства: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Эпоха обучения: {} [{:.0f}%]",
|
||||
"设备类型": "Тип устройства",
|
||||
"请上传音频文件": "Загрузите аудиофайл",
|
||||
"请填写输出文件夹路径": "Укажите путь к выходной папке",
|
||||
"请指定说话人id": "Номер говорящего/поющего:",
|
||||
"请选择index文件": "Пожалуйста, выберите файл индекса",
|
||||
"请选择pth文件": "Пожалуйста, выберите файл pth",
|
||||
"请选择说话人id": "Номер говорящего:",
|
||||
"转换": "Преобразовать",
|
||||
"输入实验名": "Название модели:",
|
||||
"输入待处理音频文件夹路径": "Путь к папке с аудиофайлами для обработки:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Путь к папке с аудиофайлами для переработки (можно скопировать путь из адресной строки файлового менеджера):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Путь к аудиофайлу, который хотите обработать (ниже указан пример пути к файлу):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Использовать громкость входного файла для замены или перемешивания с громкостью выходного файла. Чем ближе соотношение к 1, тем больше используется звука из выходного файла:",
|
||||
"输入监听": "Мониторинг входа",
|
||||
"输入训练文件夹路径": "Путь к папке с аудиозаписями, на которых будет обучаться модель:",
|
||||
"输入设备": "Входное устройство",
|
||||
"输入设备：%s:%s": "Устройство ввода: %s:%s",
|
||||
"输入降噪": "Уменьшение входного шума",
|
||||
"输出信息": "Статистика",
|
||||
"输出变声": "Преобразование выхода",
|
||||
"输出设备": "Выходное устройство",
|
||||
"输出设备：%s:%s": "Устройство вывода: %s:%s",
|
||||
"输出降噪": "Уменьшение выходного шума",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Аудиофайл (чтобы скачать, нажмите на три точки справа в плеере)",
|
||||
"运行中": "Выполняется",
|
||||
"进度": "Прогресс",
|
||||
"选择.index文件": "Выбрать файл .index",
|
||||
"选择.pth文件": "Выбрать файл .pth",
|
||||
"选择模型": "Выберите модель",
|
||||
"选择索引": "Выберите индекс",
|
||||
"选择音高提取算法": "Выберите алгоритм извлечения высоты тона",
|
||||
"采样率:": "Частота дискретизации:",
|
||||
"采样长度": "Длина сэмпла",
|
||||
"重载设备列表": "Обновить список устройств",
|
||||
"错误信息：%s": "Сведения об ошибке: %s",
|
||||
"错误：未知模型：%s": "Ошибка: неизвестная модель: %s",
|
||||
"音调设置": "Настройка высоты звука",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "Аудио многоканальное, но модель монофоническая; все каналы будут усреднены",
|
||||
"音频设备": "Аудиоустройство",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Все значения высоты тона равны нулю; это аудио бесполезно и будет пропущено: %s",
|
||||
"音高算法": "Алгоритм высоты тона",
|
||||
"额外推理时长": "Доп. время переработки",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Предобработка не создала допустимые аудиофайлы для обучения. Проверьте набор данных и журнал.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Предобработка не создала аудио 16 кГц. Извлечение признаков и обучение остановлены.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Выходные файлы предобработки не совпадают. Извлечение признаков и обучение остановлены.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "Извлечение признаков HuBERT не дало допустимых результатов. Обучение остановлено.",
|
||||
"F0提取没有生成有效结果，已停止训练": "Извлечение F0 не дало допустимых результатов. Обучение остановлено.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Нет допустимых аудиофайлов для обучения. Сначала выполните предобработку и извлечение признаков.",
|
||||
"已完成阶段": "Завершённые этапы",
|
||||
"已成功": "Успешно",
|
||||
"刷新音色列表": "Обновить список голосов",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Путь к индексу признаков (подбирается после выбора модели; можно изменить)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Обучение индекса] Внешняя ссылка уже существует: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Обучение индекса][Пропущено] Индекс added уже существует: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Обучение индекса][Пропущено] Индекс trained уже существует: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Текущее устройство: %s | Точность вывода: %s",
|
||||
"正在预热CUDA Graph": "Прогрев CUDA Graph",
|
||||
"CUDA Graph预热完成": "Прогрев CUDA Graph завершён",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Извлечение данных начато: start_time=%.6f, запрошенный параллелизм=%s, фактический предел=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Извлечение данных завершено: end_time=%.6f, общее время=%.3f с"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Интенсивность выделения вокала",
|
||||
"%s → 成功": "%s → Успешно",
|
||||
"%s运行中，请先停止该任务": "%s уже выполняется; сначала остановите эту задачу",
|
||||
"%s进程已终止": "Процесс %s завершён",
|
||||
"====> 轮次：{} {}": "====> Эпоха: {} {}",
|
||||
"A模型权重": "Весы (w) модели А:",
|
||||
"A模型路径": "Путь к модели А:",
|
||||
"B模型路径": "Путь к модели Б:",
|
||||
"CUDA可用：%s": "CUDA доступна: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "Извлечение F0 и признаков HuBERT",
|
||||
"F0提取": "Извлечение F0",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "Файл дуги F0 (не обязательно). Одна тональность на каждую строчку. Заменяет обычный F0 и модуляцию тональности:",
|
||||
"HuBERT特征": "Признаки HuBERT",
|
||||
"Index Rate": "Темп индекса",
|
||||
"RVC模型路径": "Путь к модели RVC:",
|
||||
"SOLA偏移：%d": "Смещение SOLA: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Извлечение F0] Завершено | Успешно: %s | Пропущено: %s | Ошибка: %s",
|
||||
"[F0提取] 待处理：%s": "[Извлечение F0] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[Извлечение F0] Нет ожидающих аудиофайлов; все файлы пропущены",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[Извлечение F0] Прогресс: %s/%s | Успешно: %s | Пропущено: %s | %s",
|
||||
"[F0提取][失败] %s": "[Извлечение F0][Ошибка] %s",
|
||||
"[F0提取][失败] %s\n%s": "[Извлечение F0][Ошибка] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[Признаки HuBERT] Завершено | Успешно: %s | Пропущено: %s | Ошибка: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[Признаки HuBERT] Нет ожидающих аудиофайлов; пропущено: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[Признаки HuBERT] Загрузка модели: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[Признаки HuBERT] Устройство: %s | Pending: %s | Пропущено: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[Признаки HuBERT] Прогресс: %s/%s | Успешно: %s | Ошибка: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[Признаки HuBERT][Ошибка] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[Признаки HuBERT][Ошибка] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[Признаки HuBERT][Ошибка] Модель not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Нарезка данных] Подзадача завершена | Успешно: %s | Ошибка: %s",
|
||||
"[数据切分] 完成": "[Нарезка данных] Завершено",
|
||||
"[数据切分] 开始": "[Нарезка данных] Запущено",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Нарезка данных] Pending: %s | Процессы: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Нарезка данных] Прогресс: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Нарезка данных][Ошибка] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Нарезка данных][Ошибка] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Нарезка данных][Пропущено] Недопустимый или аномальный аудиофрагмент: %s_%s | Пик: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[Обучение индекса] Ход записи: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[Обучение индекса] Индекс связан с внешней папкой: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[Обучение индекса] Индекс успешно создан: %s",
|
||||
"[索引训练] 正在写入特征向量": "[Обучение индекса] Добавление векторов признаков",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[Обучение индекса] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[Обучение индекса] Обучение индекса",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[Обучение индекса] Форма признаков: %s | Количество IVF: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[Обучение индекса][Ошибка] Не удалось связать индекс с внешней папкой: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[Обучение индекса][Ошибка] Сбой кластеризации; продолжение с исходными признаками\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[Обучение индекса][Ошибка] Сначала извлеките признаки",
|
||||
"ckpt处理": "Обработка ckpt",
|
||||
"index文件路径不可包含中文": "Путь к файлу индекса",
|
||||
"pth文件路径不可包含中文": "Путь к файлу pth",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "Введите номера графических процессоров, разделенные символом «-», например, 0-0-1, чтобы запустить два процесса на GPU 0 и один процесс на GPU 1:",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Шаг 1. Конфигурирование модели. Данные обучения модели сохраняются в папку 'logs', и для каждой модели создаётся отдельная папка. Введите вручную путь к настройкам для модели, в которой находятся логи и тренировочные файлы.",
|
||||
"step1:正在处理数据": "Шаг 1. Переработка данных",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Извлечение высоты тона и признаков",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Шаг 2А. Автоматическая обработка исходных аудиозаписей для обучения и выполнение нормализации среза. Создаст 2 папки wav в папке модели. В данный момент поддерживается обучение только на одноголосных записях.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Шаг 2Б. Оценка и извлечение тональности в аудиофайлах с помощью процессора (если включена поддержка изменения высоты звука), извлечение черт с помощью GPU (выберите номер GPU):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Шаг 3. Заполнение дополнительных настроек обучения и запуск обучения модели и индекса",
|
||||
"step3a:正在训练模型": "Шаг 3. Запуск обучения модели",
|
||||
"step3b:正在训练索引": "шаг 3b: обучение индекса",
|
||||
"……仅显示最近10条失败记录": "…Показаны только 10 последних ошибок",
|
||||
"……已省略前%s行，仅显示最新状态": "…Первые %s строк пропущены; показано только последнее состояние",
|
||||
"一键训练": "Обучение в одно нажатие",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Можно также импортировать несколько аудиофайлов. Если путь к папке существует, то этот ввод игнорируется.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Поддерживаются только методы извлечения высоты тона pm и rmvpe",
|
||||
"从训练检查点提取的模型": "Модель извлечена из контрольной точки обучения",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "Введите, какие(-ую) GPU(-у) хотите использовать через '-', например 0-1-2, чтобы использовать GPU с номерами 0, 1 и 2:",
|
||||
"任务": "Задача",
|
||||
"使用显卡：%s": "Используемые GPU: %s",
|
||||
"使用模型采样率": "Использовать частоту модели",
|
||||
"使用设备采样率": "Использовать частоту устройства",
|
||||
"保存名": "Имя файла для сохранения:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Название сохранённого файла (по умолчанию: такое же, как и у входного):",
|
||||
"保存的模型名不带后缀": "Имя файла модели для сохранения (без расширения):",
|
||||
"保存频率save_every_epoch": "Частота сохранения (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Защитить глухие согласные и звуки дыхания для предотвращения артефактов, например, разрывания в электронной музыке. Поставьте на 0.5, чтобы выключить. Уменьшите значение для повышения защиты, но учтите, что при этом может ухудшиться точность индексирования:",
|
||||
"修改": "Изменить",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Изменить информацию о модели (работает только с маленькими моделями, взятыми из папки 'weights')",
|
||||
"停止一键训练": "Остановить обучение в один клик",
|
||||
"停止处理数据": "Остановить предобработку данных",
|
||||
"停止特征提取": "Остановить извлечение признаков",
|
||||
"停止训练模型": "Остановить обучение модели",
|
||||
"停止训练索引": "Остановить обучение индекса",
|
||||
"停止音频转换": "Закончить конвертацию аудио",
|
||||
"全流程结束！": "Все процессы завершены!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Загрузить модель",
|
||||
"加载预训练底模D路径": "Путь к предварительно обученной базовой модели D:",
|
||||
"加载预训练底模G路径": "Путь к предварительно обученной базовой модели G:",
|
||||
"单次推理": "Одиночный инференс",
|
||||
"卸载音色省显存": "Выгрузить модель из памяти GPU для освобождения ресурсов",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Изменить высоту голоса (укажите количество полутонов; чтобы поднять голос на октаву, выберите 12, понизить на октаву — -12):",
|
||||
"合成": "Синтез",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Изменить частоту дискретизации в выходном файле на финальную. Поставьте 0, чтобы ничего не изменялось:",
|
||||
"否": "Нет",
|
||||
"响应阈值": "Порог ответа",
|
||||
"响度因子": "коэффициент громкости",
|
||||
"处理中": "Обработка",
|
||||
"处理数据": "Обработать данные",
|
||||
"失败": "Ошибка",
|
||||
"失败记录": "Список ошибок",
|
||||
"子进程执行失败，返回码：%s": "Дочерний процесс завершился с кодом: %s",
|
||||
"导出文件格式": "Формат выходных файлов",
|
||||
"已停止": "Остановлено",
|
||||
"已加载判别器预训练模型：%s": "Предобученная модель дискриминатора загружена: %s",
|
||||
"已加载生成器预训练模型：%s": "Предобученная модель генератора загружена: %s",
|
||||
"已启用索引检索": "Поиск по индексу включён",
|
||||
"已完成": "Завершено",
|
||||
"已恢复判别器检查点": "Контрольная точка дискриминатора восстановлена",
|
||||
"常见问题解答": "ЧаВо (часто задаваемые вопросы)",
|
||||
"常规设置": "Основные настройки",
|
||||
"开始音频转换": "Начать конвертацию аудио",
|
||||
"当前": "Текущий",
|
||||
"当前阶段": "Текущий этап",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "К сожалению, у вас нету графического процессора, который поддерживает обучение моделей.",
|
||||
"性别因子/声线粗细": "Гендерный коэффициент / толщина голоса",
|
||||
"性能设置": "Настройки быстроты",
|
||||
"总训练轮数total_epoch": "Полное количество эпох (total_epoch):",
|
||||
"成功": "Успешно",
|
||||
"执行命令": "Команда",
|
||||
"批量推理": "Пакетный инференс",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Массовое преобразование. Введите путь к папке, в которой находятся файлы для преобразования голоса или выгрузите несколько аудиофайлов. Сконвертированные файлы будут сохранены в указанной папке (по умолчанию: 'opt').",
|
||||
"拖拽或点击上传待处理音频": "Перетащите или нажмите, чтобы загрузить аудио для обработки",
|
||||
"指定输出主人声文件夹": "Путь к папке для сохранения вокала:",
|
||||
"指定输出文件夹": "Папка для результатов:",
|
||||
"指定输出非主人声文件夹": "Путь к папке для сохранения аккомпанемента:",
|
||||
"推理时间(ms):": "Время переработки (мс):",
|
||||
"推理耗时：%.2f秒": "Время инференса: %.2f seconds",
|
||||
"推理音色": "Желаемый голос:",
|
||||
"提取": "Создать модель",
|
||||
"提取音高和处理数据使用的CPU进程数": "Число процессов ЦП, используемое для оценки высоты голоса и обработки данных:",
|
||||
"数据切分": "Нарезка данных",
|
||||
"无法停止": "Невозможно остановить",
|
||||
"无法读取音频：%s": "Не удалось прочитать аудио: %s",
|
||||
"是": "Да",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Сохранять только последний файл '.ckpt', чтобы сохранить место на диске:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Сохранять маленькую финальную модель в папку 'weights' на каждой точке сохранения:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Кэшировать все тренировочные сеты в видеопамять. Кэширование маленький датасетов (меньше 10 минут) может ускорить тренировку, но кэширование больших, наоборот, займёт много видеопамяти и не сильно ускорит тренировку:",
|
||||
"显卡信息": "Информация о графических процессорах (GPUs):",
|
||||
"未使用": "Не используется",
|
||||
"未使用判别器预训练模型": "Предобученная модель дискриминатора не используется",
|
||||
"未使用生成器预训练模型": "Предобученная модель генератора не используется",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Конфигурация модели Roformer не найдена; используются встроенные значения",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Поддерживаемый GPU не обнаружен; обучение на CPU может занять значительно больше времени",
|
||||
"未运行": "Не запущено",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Это программное обеспечение с открытым исходным кодом распространяется по лицензии MIT. Автор никак не контролирует это программное обеспечение. Пользователи, которые используют эту программу и распространяют аудиозаписи, полученные с помощью этой программы, несут полную ответственность за это. Если вы не согласны с этим, вы не можете использовать какие-либо коды и файлы в рамках этой программы или ссылаться на них. Подробнее в файле <b>Agreement-LICENSE.txt</b> в корневом каталоге программы.",
|
||||
"查看": "Просмотреть информацию",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Просмотреть информацию о модели (работает только с маленькими моделями, взятыми из папки 'weights')",
|
||||
"检测到模型类型：%s": "Обнаружен тип модели: %s",
|
||||
"检索特征占比": "Соотношение поиска черт:",
|
||||
"模型": "Модели",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Информация о модели: %s\nЧастота дискретизации: %s\nУправление высотой тона: %s\nВерсия: %s",
|
||||
"模型推理": "Изменение голоса",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Создание модели из данных, полученных в процессе обучения (введите путь к большому файлу модели в папке 'logs'). Может пригодиться, если вам нужно завершить обучение и получить маленький файл готовой модели, или если вам нужно проверить недообученную модель:",
|
||||
"模型是否带音高指导": "Поддерживает ли модель изменение высоты голоса (1: да, 0: нет):",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Поддержка изменения высоты звука (обязательно для пения, необязательно для речи):",
|
||||
"模型是否带音高指导,1是0否": "Поддерживает ли модель изменение высоты голоса (1: да, 0: нет):",
|
||||
"模型版本型号": "Версия архитектуры модели:",
|
||||
"模型融合, 可用于测试音色融合": "Слияние моделей, может быть использовано для проверки слияния тембра",
|
||||
"模型融合失败：两个模型的结构不一致": "Не удалось объединить модели: их архитектуры не совпадают",
|
||||
"模型训练": "Обучение модели",
|
||||
"模型路径": "Путь к папке:",
|
||||
"正在保存最终检查点：%s": "Сохранение итоговой контрольной точки: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Сохранение контрольной точки %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "Загрузка модели RMVPE",
|
||||
"正在加载模型": "Загрузка модели",
|
||||
"正在启动": "Запуск",
|
||||
"正在收尾": "Завершение",
|
||||
"每张显卡的batch_size": "Размер пачки для GPU:",
|
||||
"淡入淡出长度": "Длина затухания",
|
||||
"清理模型缓存": "Очистка кэша модели",
|
||||
"版本": "Версия архитектуры модели:",
|
||||
"特征": "Признаки",
|
||||
"特征提取": "Извлечь черты",
|
||||
"状态": "Состояние",
|
||||
"独占 WASAPI 设备": "Эксклюзивное устройство WASAPI",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Рекомендуется выбрать +12 для конвертирования мужского голоса в женский и -12 для конвертирования женского в мужской. Если диапазон голоса слишком велик, и голос искажается, можно выбрать значение на свой вкус.",
|
||||
"目标采样率": "Частота дискретизации аудио:",
|
||||
"等待中": "Ожидание",
|
||||
"等待输入": "Ожидание ввода",
|
||||
"算法延迟(ms):": "Задержка алгоритма (мс):",
|
||||
"索引": "Индекс",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Недопустимый индекс: используйте added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "Сбой поиска по индексу",
|
||||
"索引检索失败或未启用": "Поиск по индексу не выполнен или отключён",
|
||||
"索引训练": "Обучение индекса",
|
||||
"耗时": "Затраченное время",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Затраченное время: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Запустить слияние",
|
||||
"要改的模型信息": "Информация, которая будет изменена:",
|
||||
"要置入的模型信息": "Информация о модели:",
|
||||
"训练": "Обучение модели",
|
||||
"训练已完成，正在保存最终模型": "Обучение завершено; сохраняется итоговая модель",
|
||||
"训练文件列表写入完成": "Список файлов обучения записан",
|
||||
"训练模型": "Обучить модель",
|
||||
"训练特征索引": "Обучить индекс черт",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Обучение модели завершено. Журнал обучения можно просмотреть в консоли или в файле 'train.log' в папке с моделью.",
|
||||
"训练设备规则选择的精度：%s": "Точность обучения выбрана по правилам устройства: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Эпоха обучения: {} [{:.0f}%]",
|
||||
"设备类型": "Тип устройства",
|
||||
"请上传音频文件": "Загрузите аудиофайл",
|
||||
"请填写输出文件夹路径": "Укажите путь к выходной папке",
|
||||
"请指定说话人id": "Номер говорящего/поющего:",
|
||||
"请选择index文件": "Пожалуйста, выберите файл индекса",
|
||||
"请选择pth文件": "Пожалуйста, выберите файл pth",
|
||||
"请选择说话人id": "Номер говорящего:",
|
||||
"转换": "Преобразовать",
|
||||
"输入实验名": "Название модели:",
|
||||
"输入待处理音频文件夹路径": "Путь к папке с аудиофайлами для обработки:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "Путь к папке с аудиофайлами для переработки (можно скопировать путь из адресной строки файлового менеджера):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "Путь к аудиофайлу, который хотите обработать (ниже указан пример пути к файлу):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Использовать громкость входного файла для замены или перемешивания с громкостью выходного файла. Чем ближе соотношение к 1, тем больше используется звука из выходного файла:",
|
||||
"输入监听": "Мониторинг входа",
|
||||
"输入训练文件夹路径": "Путь к папке с аудиозаписями, на которых будет обучаться модель:",
|
||||
"输入设备": "Входное устройство",
|
||||
"输入设备：%s:%s": "Устройство ввода: %s:%s",
|
||||
"输入降噪": "Уменьшение входного шума",
|
||||
"输出信息": "Статистика",
|
||||
"输出变声": "Преобразование выхода",
|
||||
"输出设备": "Выходное устройство",
|
||||
"输出设备：%s:%s": "Устройство вывода: %s:%s",
|
||||
"输出降噪": "Уменьшение выходного шума",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Аудиофайл (чтобы скачать, нажмите на три точки справа в плеере)",
|
||||
"运行中": "Выполняется",
|
||||
"进度": "Прогресс",
|
||||
"选择.index文件": "Выбрать файл .index",
|
||||
"选择.pth文件": "Выбрать файл .pth",
|
||||
"选择模型": "Выберите модель",
|
||||
"选择索引": "Выберите индекс",
|
||||
"选择音高提取算法": "Выберите алгоритм извлечения высоты тона",
|
||||
"采样率:": "Частота дискретизации:",
|
||||
"采样长度": "Длина сэмпла",
|
||||
"重载设备列表": "Обновить список устройств",
|
||||
"错误信息：%s": "Сведения об ошибке: %s",
|
||||
"错误：未知模型：%s": "Ошибка: неизвестная модель: %s",
|
||||
"音调设置": "Настройка высоты звука",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "Аудио многоканальное, но модель монофоническая; все каналы будут усреднены",
|
||||
"音频设备": "Аудиоустройство",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Все значения высоты тона равны нулю; это аудио бесполезно и будет пропущено: %s",
|
||||
"音高算法": "Алгоритм высоты тона",
|
||||
"额外推理时长": "Доп. время переработки",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Предобработка не создала допустимые аудиофайлы для обучения. Проверьте набор данных и журнал.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Предобработка не создала аудио 16 кГц. Извлечение признаков и обучение остановлены.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Выходные файлы предобработки не совпадают. Извлечение признаков и обучение остановлены.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "Извлечение признаков HuBERT не дало допустимых результатов. Обучение остановлено.",
|
||||
"F0提取没有生成有效结果，已停止训练": "Извлечение F0 не дало допустимых результатов. Обучение остановлено.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Нет допустимых аудиофайлов для обучения. Сначала выполните предобработку и извлечение признаков.",
|
||||
"已完成阶段": "Завершённые этапы",
|
||||
"已成功": "Успешно",
|
||||
"刷新音色列表": "Обновить список голосов",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Путь к индексу признаков (подбирается после выбора модели; можно изменить)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Обучение индекса] Внешняя ссылка уже существует: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Обучение индекса][Пропущено] Индекс added уже существует: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Обучение индекса][Пропущено] Индекс trained уже существует: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Текущее устройство: %s | Точность вывода: %s",
|
||||
"正在预热CUDA Graph": "Прогрев CUDA Graph",
|
||||
"CUDA Graph预热完成": "Прогрев CUDA Graph завершён",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Извлечение данных начато: start_time=%.6f, запрошенный параллелизм=%s, фактический предел=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Извлечение данных завершено: end_time=%.6f, общее время=%.3f с",
|
||||
"人声伴奏分离&去混响": "Разделение вокала/аккомпанемента и удаление реверберации",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "Пакетная обработка вокала, аккомпанемента и реверберации с помощью моделей pymss/MSST.",
|
||||
"处理方式": "Режим обработки",
|
||||
"底层模型": "Базовая модель",
|
||||
"主结果文件夹": "Основная папка вывода",
|
||||
"分离残余文件夹": "Папка остаточного вывода",
|
||||
"停止分离": "Остановить разделение"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "Vokal ayırma yoğunluğu",
|
||||
"%s → 成功": "%s → Başarılı",
|
||||
"%s运行中，请先停止该任务": "%s çalışıyor; başka bir görev başlatmadan önce durdurun",
|
||||
"%s进程已终止": "%s işlemi sonlandırıldı",
|
||||
"====> 轮次：{} {}": "====> Dönem: {} {}",
|
||||
"A模型权重": "A Modeli Ağırlığı:",
|
||||
"A模型路径": "A Modeli Yolu:",
|
||||
"B模型路径": "B Modeli Yolu:",
|
||||
"CUDA可用：%s": "CUDA kullanılabilir: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0 ve HuBERT özellik çıkarımı",
|
||||
"F0提取": "F0 çıkarma",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 eğrisi dosyası (isteğe bağlı). Her satırda bir pitch değeri bulunur. Varsayılan F0 ve pitch modülasyonunu değiştirir:",
|
||||
"HuBERT特征": "HuBERT özellikleri",
|
||||
"Index Rate": "Index Oranı",
|
||||
"RVC模型路径": "RVC Model Yolu:",
|
||||
"SOLA偏移：%d": "SOLA ofseti: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0 çıkarma] Tamamlandı | Başarılı: %s | Atlandı: %s | Başarısız: %s",
|
||||
"[F0提取] 待处理：%s": "[F0 çıkarma] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0 çıkarma] Bekleyen ses yok; tüm dosyalar atlandı",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0 çıkarma] İlerleme: %s/%s | Başarılı: %s | Atlandı: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0 çıkarma][Başarısız] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0 çıkarma][Başarısız] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT özellikleri] Tamamlandı | Başarılı: %s | Atlandı: %s | Başarısız: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT özellikleri] Bekleyen ses yok; atlanan: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT özellikleri] Model yükleniyor: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT özellikleri] Cihaz: %s | Pending: %s | Atlandı: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT özellikleri] İlerleme: %s/%s | Başarılı: %s | Başarısız: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT özellikleri][Başarısız] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT özellikleri][Başarısız] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT özellikleri][Başarısız] Model not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Veri dilimleme] Alt görev tamamlandı | Başarılı: %s | Başarısız: %s",
|
||||
"[数据切分] 完成": "[Veri dilimleme] Tamamlandı",
|
||||
"[数据切分] 开始": "[Veri dilimleme] Başlatıldı",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Veri dilimleme] Pending: %s | İşlemler: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Veri dilimleme] İlerleme: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Veri dilimleme][Başarısız] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Veri dilimleme][Başarısız] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Veri dilimleme][Atlandı] Geçersiz veya anormal ses bölümü: %s_%s | Tepe: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[İndeks eğitimi] Yazma ilerlemesi: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[İndeks eğitimi] İndeks harici klasöre bağlandı: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[İndeks eğitimi] İndeks başarıyla oluşturuldu: %s",
|
||||
"[索引训练] 正在写入特征向量": "[İndeks eğitimi] Özellik vektörleri ekleniyor",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[İndeks eğitimi] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[İndeks eğitimi] İndeks eğitiliyor",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[İndeks eğitimi] Özellik şekli: %s | IVF sayısı: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[İndeks eğitimi][Başarısız] İndeks harici klasöre bağlanamadı: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[İndeks eğitimi][Başarısız] Kümeleme başarısız; özgün özelliklerle devam ediliyor\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[İndeks eğitimi][Başarısız] Önce özellikleri çıkarın",
|
||||
"ckpt处理": "ckpt İşleme",
|
||||
"index文件路径不可包含中文": ".index dosya yolu Çince karakter içeremez",
|
||||
"pth文件路径不可包含中文": ".pth dosya yolu Çince karakter içeremez",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "RMVPE GPU yapılandırmasını tirelerle ayırın; örneğin 0-0-1, GPU 0'da iki ve GPU 1'de bir işlem çalıştırır",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Adım 1: Deneysel yapılandırmayı doldurun. Deneysel veriler 'logs' klasöründe saklanır ve her bir deney için ayrı bir klasör vardır. Deneysel adı yolu manuel olarak girin; bu yol, deneysel yapılandırmayı, günlükleri ve eğitilmiş model dosyalarını içerir.",
|
||||
"step1:正在处理数据": "Adım 1: Veri işleme",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Perde ve özellik çıkarımı",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Adım 2a: Eğitim klasöründe ses dosyalarını otomatik olarak gezinerek dilimleme normalizasyonu yapın. Deney dizini içinde 2 wav klasörü oluşturur. Şu anda sadece tek kişilik eğitim desteklenmektedir.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Adım 2b: Ses yüksekliği (Pitch) çıkartmak için CPU kullanın (eğer model ses yüksekliği içeriyorsa), özellikleri çıkartmak için GPU kullanın (GPU indeksini seçin):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Adım 3: Eğitim ayarlarını doldurun ve modeli ve dizini eğitmeye başlayın",
|
||||
"step3a:正在训练模型": "Adım 3a: Model eğitimi başladı",
|
||||
"step3b:正在训练索引": "adım 3b: indeks eğitiliyor",
|
||||
"……仅显示最近10条失败记录": "…Yalnızca son 10 hata gösteriliyor",
|
||||
"……已省略前%s行，仅显示最新状态": "…İlk %s satır atlandı; yalnızca en son durum gösteriliyor",
|
||||
"一键训练": "Tek Tuşla Eğit",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Ses dosyaları ayrıca toplu olarak, iki seçimle, öncelikli okuma klasörüyle içe aktarılabilir",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "UVR5 modelleriyle vokal ve eşliği toplu olarak ayırır.<br>Vokali koruyan bir model seçebilir veya yankı ve reverbi kaldırmak için DeEcho/DeReverb modellerini kullanabilirsiniz.",
|
||||
"仅支持pm和rmvpe音高提取算法": "Yalnızca pm ve rmvpe perde çıkarma yöntemleri desteklenir",
|
||||
"从训练检查点提取的模型": "Eğitim kontrol noktasından çıkarılan model",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "GPU indekslerini '-' ile ayırarak girin, örneğin 0-1-2, GPU 0, 1 ve 2'yi kullanmak için:",
|
||||
"任务": "Görev",
|
||||
"伴奏人声分离&去混响&去回声": "Vokal/Müzik Ayrıştırma ve Yankı Giderme",
|
||||
"使用显卡：%s": "Kullanılan GPU: %s",
|
||||
"使用模型采样率": "Model örnekleme hızını kullan",
|
||||
"使用设备采样率": "Cihaz örnekleme hızını kullan",
|
||||
"保存名": "Kaydetme Adı:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Kaydedilecek dosya adı (varsayılan: kaynak dosya ile aynı):",
|
||||
"保存的模型名不带后缀": "Kaydedilecek model adı (uzantı olmadan):",
|
||||
"保存频率save_every_epoch": "Kaydetme sıklığı (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Sessiz ünsüzleri ve nefes seslerini koruyarak elektronik müzikte yırtılma gibi sanal hataların oluşmasını engeller. 0.5 olarak ayarlandığında devre dışı kalır. Değerin azaltılması korumayı artırabilir, ancak indeksleme doğruluğunu azaltabilir:",
|
||||
"修改": "Düzenle",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Model bilgilerini düzenle (sadece 'weights' klasöründen çıkarılan küçük model dosyaları desteklenir)",
|
||||
"停止一键训练": "Tek tıkla eğitimi durdur",
|
||||
"停止处理数据": "Veri ön işlemeyi durdur",
|
||||
"停止特征提取": "Özellik çıkarmayı durdur",
|
||||
"停止训练模型": "Model eğitimini durdur",
|
||||
"停止训练索引": "İndeks eğitimini durdur",
|
||||
"停止音频转换": "Ses dönüştürmeyi durdur",
|
||||
"全流程结束！": "Tüm işlemler tamamlandı!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Model yükle",
|
||||
"加载预训练底模D路径": "Önceden eğitilmiş temel D modelini yükleme yolu:",
|
||||
"加载预训练底模G路径": "Önceden eğitilmiş temel G modelini yükleme yolu:",
|
||||
"单次推理": "Tekli çıkarım",
|
||||
"卸载音色省显存": "GPU bellek kullanımını azaltmak için sesi kaldır",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Transpoze et (tamsayı, yarıton sayısıyla; bir oktav yükseltmek için: 12, bir oktav düşürmek için: -12):",
|
||||
"合成": "Sentez",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Son işleme aşamasında çıktı sesini son örnekleme hızına yeniden örnekle. 0 değeri için yeniden örnekleme yapılmaz:",
|
||||
"否": "Hayır",
|
||||
"响应阈值": "Tepki eşiği",
|
||||
"响度因子": "ses yüksekliği faktörü",
|
||||
"处理中": "İşleniyor",
|
||||
"处理数据": "Verileri işle",
|
||||
"失败": "Başarısız",
|
||||
"失败记录": "Hata kayıtları",
|
||||
"子进程执行失败，返回码：%s": "Alt işlem şu çıkış koduyla başarısız oldu: %s",
|
||||
"导出文件格式": "Dışa aktarma dosya formatı",
|
||||
"已停止": "Durduruldu",
|
||||
"已加载判别器预训练模型：%s": "Önceden eğitilmiş ayırıcı modeli yüklendi: %s",
|
||||
"已加载生成器预训练模型：%s": "Önceden eğitilmiş üretici modeli yüklendi: %s",
|
||||
"已启用索引检索": "İndeks araması etkin",
|
||||
"已完成": "Tamamlandı",
|
||||
"已恢复判别器检查点": "Ayırıcı kontrol noktası geri yüklendi",
|
||||
"常见问题解答": "Sıkça Sorulan Sorular (SSS)",
|
||||
"常规设置": "Genel ayarlar",
|
||||
"开始音频转换": "Ses dönüştürmeyi başlat",
|
||||
"当前": "Geçerli",
|
||||
"当前阶段": "Geçerli aşama",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Maalesef, eğitiminizi desteklemek için uyumlu bir GPU bulunmamaktadır.",
|
||||
"性别因子/声线粗细": "Cinsiyet faktörü / ses kalınlığı",
|
||||
"性能设置": "Performans ayarları",
|
||||
"总训练轮数total_epoch": "Toplam eğitim turu (total_epoch):",
|
||||
"成功": "Başarılı",
|
||||
"执行命令": "Komut",
|
||||
"批量推理": "Toplu çıkarım",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Toplu dönüştür. Dönüştürülecek ses dosyalarının bulunduğu klasörü girin veya birden çok ses dosyasını yükleyin. Dönüştürülen ses dosyaları belirtilen klasöre ('opt' varsayılan olarak) dönüştürülecektir",
|
||||
"拖拽或点击上传待处理音频": "İşlenecek sesi sürükleyip bırakın veya yüklemek için tıklayın",
|
||||
"指定输出主人声文件夹": "Vokal için çıkış klasörünü belirtin:",
|
||||
"指定输出文件夹": "Çıkış klasörünü belirt:",
|
||||
"指定输出非主人声文件夹": "Müzik ve diğer sesler için çıkış klasörünü belirtin:",
|
||||
"推理时间(ms):": "Çıkarsama süresi (ms):",
|
||||
"推理耗时：%.2f秒": "Çıkarım süresi: %.2f seconds",
|
||||
"推理音色": "Ses çıkartma (Inference):",
|
||||
"提取": "Çıkart",
|
||||
"提取音高和处理数据使用的CPU进程数": "Ses yüksekliği çıkartmak (Pitch) ve verileri işlemek için kullanılacak CPU işlemci sayısı:",
|
||||
"数据切分": "Veri dilimleme",
|
||||
"无法停止": "Durdurulamıyor",
|
||||
"无法读取音频：%s": "Ses okunamadı: %s",
|
||||
"是": "Evet",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Sadece en son '.ckpt' dosyasını kaydet:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Her kaydetme noktasında son küçük bir modeli 'weights' klasörüne kaydetmek için:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Tüm eğitim verilerini GPU belleğine önbelleğe alıp almayacağınızı belirtin. Küçük veri setlerini (10 dakikadan az) önbelleğe almak eğitimi hızlandırabilir, ancak büyük veri setlerini önbelleğe almak çok fazla GPU belleği tüketir ve çok fazla hız artışı sağlamaz:",
|
||||
"显卡信息": "GPU Bilgisi",
|
||||
"未使用": "Kullanılmadı",
|
||||
"未使用判别器预训练模型": "Önceden eğitilmiş ayırıcı modeli kullanılmadı",
|
||||
"未使用生成器预训练模型": "Önceden eğitilmiş üretici modeli kullanılmadı",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformer model yapılandırması bulunamadı; yerleşik varsayılanlar kullanılacak",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Desteklenen GPU algılanmadı; CPU ile eğitim çok daha uzun sürebilir",
|
||||
"未运行": "Başlatılmadı",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Bu yazılım, MIT lisansı altında açık kaynaklıdır. Yazarın yazılım üzerinde herhangi bir kontrolü yoktur. Yazılımı kullanan ve yazılım tarafından dışa aktarılan sesleri dağıtan kullanıcılar sorumludur. <br>Eğer bu maddeyle aynı fikirde değilseniz, yazılım paketi içindeki herhangi bir kod veya dosyayı kullanamaz veya referans göremezsiniz. Detaylar için kök dizindeki <b>Agreement-LICENSE.txt</b> dosyasına bakınız.",
|
||||
"查看": "Görüntüle",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Model bilgilerini görüntüle (sadece 'weights' klasöründen çıkarılan küçük model dosyaları desteklenir)",
|
||||
"检测到模型类型：%s": "Algılanan model türü: %s",
|
||||
"检索特征占比": "Arama özelliği oranı (vurgu gücünü kontrol eder, çok yüksek olması sanal etkilere neden olur)",
|
||||
"模型": "Model",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Model bilgisi: %s\nÖrnekleme hızı: %s\nPerde yönlendirmesi: %s\nSürüm: %s",
|
||||
"模型推理": "Model çıkartma (Inference)",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Model çıkartma (büyük dosya modeli yolunu 'logs' klasöründe girin). Bu, eğitimi yarıda bırakmak istediğinizde ve manuel olarak küçük bir model dosyası çıkartmak ve kaydetmek istediğinizde veya bir ara modeli test etmek istediğinizde kullanışlıdır:",
|
||||
"模型是否带音高指导": "Modelin ses yüksekliği rehberi içerip içermediği:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Modelin ses yüksekliği (Pitch) rehberliği içerip içermediği (şarkı söyleme için şarttır, konuşma için isteğe bağlıdır):",
|
||||
"模型是否带音高指导,1是0否": "Modelin ses yüksekliği rehberi içerip içermediği (1: evet, 0: hayır):",
|
||||
"模型版本型号": "Model mimari versiyonu:",
|
||||
"模型融合, 可用于测试音色融合": "Model birleştirme, ses rengi birleştirmesi için kullanılabilir",
|
||||
"模型融合失败：两个模型的结构不一致": "Model birleştirme başarısız: iki modelin mimarisi eşleşmiyor",
|
||||
"模型训练": "Model eğitimi",
|
||||
"模型路径": "Model Yolu:",
|
||||
"正在保存最终检查点：%s": "Son kontrol noktası kaydediliyor: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Kontrol noktası kaydediliyor %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "RMVPE modeli yükleniyor",
|
||||
"正在加载模型": "Model yükleniyor",
|
||||
"正在启动": "Başlatılıyor",
|
||||
"正在收尾": "Tamamlanıyor",
|
||||
"每张显卡的batch_size": "Her GPU için yığın boyutu (batch_size):",
|
||||
"淡入淡出长度": "Geçiş (Fade) uzunluğu",
|
||||
"清理模型缓存": "Model önbelleği temizleniyor",
|
||||
"版本": "Sürüm",
|
||||
"特征": "Özellikler",
|
||||
"特征提取": "Özellik çıkartma",
|
||||
"状态": "Durum",
|
||||
"独占 WASAPI 设备": "Özel WASAPI cihazı",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Erkekten kadına çevirmek için +12 tuş önerilir, kadından erkeğe çevirmek için ise -12 tuş önerilir. Eğer ses aralığı çok fazla genişler ve ses bozulursa, isteğe bağlı olarak uygun aralığa kendiniz de ayarlayabilirsiniz.",
|
||||
"目标采样率": "Hedef örnekleme oranı:",
|
||||
"等待中": "Bekliyor",
|
||||
"等待输入": "Girdi bekleniyor",
|
||||
"算法延迟(ms):": "Algoritma gecikmesi (ms):",
|
||||
"索引": "İndeks",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Geçersiz indeks: şunu kullanın added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "İndeks araması başarısız",
|
||||
"索引检索失败或未启用": "İndeks araması başarısız veya devre dışı",
|
||||
"索引训练": "İndeks eğitimi",
|
||||
"耗时": "Geçen süre",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Geçen süre: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Birleştir",
|
||||
"要改的模型信息": "Düzenlenecek model bilgileri:",
|
||||
"要置入的模型信息": "Eklemek için model bilgileri:",
|
||||
"训练": "Eğitim",
|
||||
"训练已完成，正在保存最终模型": "Eğitim tamamlandı; son model kaydediliyor",
|
||||
"训练文件列表写入完成": "Eğitim dosyası listesi yazıldı",
|
||||
"训练模型": "Modeli Eğit",
|
||||
"训练特征索引": "Özellik Dizinini Eğit",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Eğitim tamamlandı. Eğitim günlüklerini konsolda veya deney klasörü altındaki train.log dosyasında kontrol edebilirsiniz.",
|
||||
"训练设备规则选择的精度：%s": "Eğitim hassasiyeti cihaz kurallarına göre seçildi: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Eğitim dönemi: {} [{:.0f}%]",
|
||||
"设备类型": "Cihaz türü",
|
||||
"请上传音频文件": "Bir ses dosyası yükleyin",
|
||||
"请填写输出文件夹路径": "Çıktı klasörü yolunu girin",
|
||||
"请指定说话人id": "Lütfen konuşmacı/sanatçı no belirtin:",
|
||||
"请选择index文件": "Lütfen .index dosyası seçin",
|
||||
"请选择pth文件": "Lütfen .pth dosyası seçin",
|
||||
"请选择说话人id": "Konuşmacı/Şarkıcı No seçin:",
|
||||
"转换": "Dönüştür",
|
||||
"输入实验名": "Deneysel adı girin:",
|
||||
"输入待处理音频文件夹路径": "İşlenecek ses klasörünün yolunu girin:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "İşlenecek ses klasörünün yolunu girin (dosya yöneticisinin adres çubuğundan kopyalayın):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "İşlenecek ses dosyasının yolunu girin (varsayılan doğru format örneğidir):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Sesin hacim zarfını ayarlayın. 0'a yakın değerler, sesin orijinal vokallerin hacmine benzer olmasını sağlar. Düşük bir değerle ses gürültüsünü maskeleyebilir ve hacmi daha doğal bir şekilde duyulabilir hale getirebilirsiniz. 1'e yaklaştıkça sürekli bir yüksek ses seviyesi elde edilir:",
|
||||
"输入监听": "Girişi izle",
|
||||
"输入训练文件夹路径": "Eğitim klasörünün yolunu girin:",
|
||||
"输入设备": "Giriş cihazı",
|
||||
"输入设备：%s:%s": "Giriş cihazı: %s:%s",
|
||||
"输入降噪": "Giriş gürültü azaltma",
|
||||
"输出信息": "Çıkış bilgisi",
|
||||
"输出变声": "Çıkış ses dönüşümü",
|
||||
"输出设备": "Çıkış cihazı",
|
||||
"输出设备：%s:%s": "Çıkış cihazı: %s:%s",
|
||||
"输出降噪": "Çıkış gürültü azaltma",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Ses dosyasını dışa aktar (indirmek için sağ alt köşedeki üç noktaya tıklayın)",
|
||||
"运行中": "Çalışıyor",
|
||||
"进度": "İlerleme",
|
||||
"选择.index文件": ".index dosyası seç",
|
||||
"选择.pth文件": ".pth dosyası seç",
|
||||
"选择模型": "Model seçin",
|
||||
"选择索引": "İndeks seçin",
|
||||
"选择音高提取算法": "Perde çıkarma algoritmasını seçin",
|
||||
"采样率:": "Örnekleme hızı:",
|
||||
"采样长度": "Örnekleme uzunluğu",
|
||||
"重载设备列表": "Cihaz listesini yeniden yükle",
|
||||
"错误信息：%s": "Hata ayrıntıları: %s",
|
||||
"错误：未知模型：%s": "Hata: bilinmeyen model: %s",
|
||||
"音调设置": "Pitch ayarları",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "Ses birden fazla kanala sahip ancak model mono; tüm kanalların ortalaması alınacak",
|
||||
"音频设备": "Ses cihazı",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Tüm perde değerleri sıfır; bu ses kullanılamaz ve atlanacak: %s",
|
||||
"音高算法": "Perde algoritması",
|
||||
"额外推理时长": "Ekstra çıkartma süresi",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Veri ön işleme geçerli eğitim sesi üretmedi. Veri kümesini ve günlüğü kontrol edin.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Veri ön işleme 16 kHz ses üretmedi. Özellik çıkarma ve eğitim durduruldu.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Veri ön işleme çıktı dosyaları eşleşmiyor. Özellik çıkarma ve eğitim durduruldu.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT özellik çıkarma geçerli sonuç üretmedi. Eğitim durduruldu.",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0 çıkarma geçerli sonuç üretmedi. Eğitim durduruldu.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Eğitim için geçerli ses yok. Önce veri ön işleme ve özellik çıkarmayı tamamlayın.",
|
||||
"已完成阶段": "Tamamlanan aşamalar",
|
||||
"已成功": "Başarılı",
|
||||
"刷新音色列表": "Ses listesini yenile",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Özellik dizini yolu (model seçilince otomatik eşleşir; düzenlenebilir)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Dizin eğitimi] Harici dizin bağlantısı zaten var: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Dizin eğitimi][Atlandı] added dizini zaten var: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Dizin eğitimi][Atlandı] trained dizini zaten var: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Geçerli cihaz: %s | Çıkarım hassasiyeti: %s",
|
||||
"正在预热CUDA Graph": "CUDA Graph ısınıyor",
|
||||
"CUDA Graph预热完成": "CUDA Graph ısınması tamamlandı",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Veri çıkarma başladı: start_time=%.6f, istenen eşzamanlılık=%s, gerçek üst sınır=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Veri çıkarma tamamlandı: end_time=%.6f, toplam süre=%.3f saniye"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "Vokal ayırma yoğunluğu",
|
||||
"%s → 成功": "%s → Başarılı",
|
||||
"%s运行中，请先停止该任务": "%s çalışıyor; başka bir görev başlatmadan önce durdurun",
|
||||
"%s进程已终止": "%s işlemi sonlandırıldı",
|
||||
"====> 轮次：{} {}": "====> Dönem: {} {}",
|
||||
"A模型权重": "A Modeli Ağırlığı:",
|
||||
"A模型路径": "A Modeli Yolu:",
|
||||
"B模型路径": "B Modeli Yolu:",
|
||||
"CUDA可用：%s": "CUDA kullanılabilir: %s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "C:\\Users\\Desktop\\src",
|
||||
"F0与HuBERT特征提取": "F0 ve HuBERT özellik çıkarımı",
|
||||
"F0提取": "F0 çıkarma",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0 eğrisi dosyası (isteğe bağlı). Her satırda bir pitch değeri bulunur. Varsayılan F0 ve pitch modülasyonunu değiştirir:",
|
||||
"HuBERT特征": "HuBERT özellikleri",
|
||||
"Index Rate": "Index Oranı",
|
||||
"RVC模型路径": "RVC Model Yolu:",
|
||||
"SOLA偏移：%d": "SOLA ofseti: %d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0 çıkarma] Tamamlandı | Başarılı: %s | Atlandı: %s | Başarısız: %s",
|
||||
"[F0提取] 待处理：%s": "[F0 çıkarma] Pending: %s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0 çıkarma] Bekleyen ses yok; tüm dosyalar atlandı",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0 çıkarma] İlerleme: %s/%s | Başarılı: %s | Atlandı: %s | %s",
|
||||
"[F0提取][失败] %s": "[F0 çıkarma][Başarısız] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0 çıkarma][Başarısız] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT özellikleri] Tamamlandı | Başarılı: %s | Atlandı: %s | Başarısız: %s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT özellikleri] Bekleyen ses yok; atlanan: %s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT özellikleri] Model yükleniyor: %s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT özellikleri] Cihaz: %s | Pending: %s | Atlandı: %s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT özellikleri] İlerleme: %s/%s | Başarılı: %s | Başarısız: %s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT özellikleri][Başarısız] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT özellikleri][Başarısız] %s contains NaN values",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT özellikleri][Başarısız] Model not found: %s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[Veri dilimleme] Alt görev tamamlandı | Başarılı: %s | Başarısız: %s",
|
||||
"[数据切分] 完成": "[Veri dilimleme] Tamamlandı",
|
||||
"[数据切分] 开始": "[Veri dilimleme] Başlatıldı",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[Veri dilimleme] Pending: %s | İşlemler: %s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[Veri dilimleme] İlerleme: %s/%s | %s",
|
||||
"[数据切分][失败] %s": "[Veri dilimleme][Başarısız] %s",
|
||||
"[数据切分][失败] %s\n%s": "[Veri dilimleme][Başarısız] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[Veri dilimleme][Atlandı] Geçersiz veya anormal ses bölümü: %s_%s | Tepe: %s",
|
||||
"[索引训练] 写入进度：%s/%s": "[İndeks eğitimi] Yazma ilerlemesi: %s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[İndeks eğitimi] İndeks harici klasöre bağlandı: %s",
|
||||
"[索引训练] 成功构建索引：%s": "[İndeks eğitimi] İndeks başarıyla oluşturuldu: %s",
|
||||
"[索引训练] 正在写入特征向量": "[İndeks eğitimi] Özellik vektörleri ekleniyor",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[İndeks eğitimi] Clustering %s feature vectors into 10,000 centers",
|
||||
"[索引训练] 正在训练索引": "[İndeks eğitimi] İndeks eğitiliyor",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[İndeks eğitimi] Özellik şekli: %s | IVF sayısı: %s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[İndeks eğitimi][Başarısız] İndeks harici klasöre bağlanamadı: %s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[İndeks eğitimi][Başarısız] Kümeleme başarısız; özgün özelliklerle devam ediliyor\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[İndeks eğitimi][Başarısız] Önce özellikleri çıkarın",
|
||||
"ckpt处理": "ckpt İşleme",
|
||||
"index文件路径不可包含中文": ".index dosya yolu Çince karakter içeremez",
|
||||
"pth文件路径不可包含中文": ".pth dosya yolu Çince karakter içeremez",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "RMVPE GPU yapılandırmasını tirelerle ayırın; örneğin 0-0-1, GPU 0'da iki ve GPU 1'de bir işlem çalıştırır",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "Adım 1: Deneysel yapılandırmayı doldurun. Deneysel veriler 'logs' klasöründe saklanır ve her bir deney için ayrı bir klasör vardır. Deneysel adı yolu manuel olarak girin; bu yol, deneysel yapılandırmayı, günlükleri ve eğitilmiş model dosyalarını içerir.",
|
||||
"step1:正在处理数据": "Adım 1: Veri işleme",
|
||||
"step2:正在提取音高&正在提取特征": "step2:Perde ve özellik çıkarımı",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "Adım 2a: Eğitim klasöründe ses dosyalarını otomatik olarak gezinerek dilimleme normalizasyonu yapın. Deney dizini içinde 2 wav klasörü oluşturur. Şu anda sadece tek kişilik eğitim desteklenmektedir.",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "Adım 2b: Ses yüksekliği (Pitch) çıkartmak için CPU kullanın (eğer model ses yüksekliği içeriyorsa), özellikleri çıkartmak için GPU kullanın (GPU indeksini seçin):",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "Adım 3: Eğitim ayarlarını doldurun ve modeli ve dizini eğitmeye başlayın",
|
||||
"step3a:正在训练模型": "Adım 3a: Model eğitimi başladı",
|
||||
"step3b:正在训练索引": "adım 3b: indeks eğitiliyor",
|
||||
"……仅显示最近10条失败记录": "…Yalnızca son 10 hata gösteriliyor",
|
||||
"……已省略前%s行，仅显示最新状态": "…İlk %s satır atlandı; yalnızca en son durum gösteriliyor",
|
||||
"一键训练": "Tek Tuşla Eğit",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "Ses dosyaları ayrıca toplu olarak, iki seçimle, öncelikli okuma klasörüyle içe aktarılabilir",
|
||||
"仅支持pm和rmvpe音高提取算法": "Yalnızca pm ve rmvpe perde çıkarma yöntemleri desteklenir",
|
||||
"从训练检查点提取的模型": "Eğitim kontrol noktasından çıkarılan model",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "GPU indekslerini '-' ile ayırarak girin, örneğin 0-1-2, GPU 0, 1 ve 2'yi kullanmak için:",
|
||||
"任务": "Görev",
|
||||
"使用显卡：%s": "Kullanılan GPU: %s",
|
||||
"使用模型采样率": "Model örnekleme hızını kullan",
|
||||
"使用设备采样率": "Cihaz örnekleme hızını kullan",
|
||||
"保存名": "Kaydetme Adı:",
|
||||
"保存的文件名, 默认空为和源文件同名": "Kaydedilecek dosya adı (varsayılan: kaynak dosya ile aynı):",
|
||||
"保存的模型名不带后缀": "Kaydedilecek model adı (uzantı olmadan):",
|
||||
"保存频率save_every_epoch": "Kaydetme sıklığı (save_every_epoch):",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "Sessiz ünsüzleri ve nefes seslerini koruyarak elektronik müzikte yırtılma gibi sanal hataların oluşmasını engeller. 0.5 olarak ayarlandığında devre dışı kalır. Değerin azaltılması korumayı artırabilir, ancak indeksleme doğruluğunu azaltabilir:",
|
||||
"修改": "Düzenle",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "Model bilgilerini düzenle (sadece 'weights' klasöründen çıkarılan küçük model dosyaları desteklenir)",
|
||||
"停止一键训练": "Tek tıkla eğitimi durdur",
|
||||
"停止处理数据": "Veri ön işlemeyi durdur",
|
||||
"停止特征提取": "Özellik çıkarmayı durdur",
|
||||
"停止训练模型": "Model eğitimini durdur",
|
||||
"停止训练索引": "İndeks eğitimini durdur",
|
||||
"停止音频转换": "Ses dönüştürmeyi durdur",
|
||||
"全流程结束！": "Tüm işlemler tamamlandı!",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "Discriminator pretrained model not found; it will not be used: assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "Model yükle",
|
||||
"加载预训练底模D路径": "Önceden eğitilmiş temel D modelini yükleme yolu:",
|
||||
"加载预训练底模G路径": "Önceden eğitilmiş temel G modelini yükleme yolu:",
|
||||
"单次推理": "Tekli çıkarım",
|
||||
"卸载音色省显存": "GPU bellek kullanımını azaltmak için sesi kaldır",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "Transpoze et (tamsayı, yarıton sayısıyla; bir oktav yükseltmek için: 12, bir oktav düşürmek için: -12):",
|
||||
"合成": "Sentez",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "Son işleme aşamasında çıktı sesini son örnekleme hızına yeniden örnekle. 0 değeri için yeniden örnekleme yapılmaz:",
|
||||
"否": "Hayır",
|
||||
"响应阈值": "Tepki eşiği",
|
||||
"响度因子": "ses yüksekliği faktörü",
|
||||
"处理中": "İşleniyor",
|
||||
"处理数据": "Verileri işle",
|
||||
"失败": "Başarısız",
|
||||
"失败记录": "Hata kayıtları",
|
||||
"子进程执行失败，返回码：%s": "Alt işlem şu çıkış koduyla başarısız oldu: %s",
|
||||
"导出文件格式": "Dışa aktarma dosya formatı",
|
||||
"已停止": "Durduruldu",
|
||||
"已加载判别器预训练模型：%s": "Önceden eğitilmiş ayırıcı modeli yüklendi: %s",
|
||||
"已加载生成器预训练模型：%s": "Önceden eğitilmiş üretici modeli yüklendi: %s",
|
||||
"已启用索引检索": "İndeks araması etkin",
|
||||
"已完成": "Tamamlandı",
|
||||
"已恢复判别器检查点": "Ayırıcı kontrol noktası geri yüklendi",
|
||||
"常见问题解答": "Sıkça Sorulan Sorular (SSS)",
|
||||
"常规设置": "Genel ayarlar",
|
||||
"开始音频转换": "Ses dönüştürmeyi başlat",
|
||||
"当前": "Geçerli",
|
||||
"当前阶段": "Geçerli aşama",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "Maalesef, eğitiminizi desteklemek için uyumlu bir GPU bulunmamaktadır.",
|
||||
"性别因子/声线粗细": "Cinsiyet faktörü / ses kalınlığı",
|
||||
"性能设置": "Performans ayarları",
|
||||
"总训练轮数total_epoch": "Toplam eğitim turu (total_epoch):",
|
||||
"成功": "Başarılı",
|
||||
"执行命令": "Komut",
|
||||
"批量推理": "Toplu çıkarım",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "Toplu dönüştür. Dönüştürülecek ses dosyalarının bulunduğu klasörü girin veya birden çok ses dosyasını yükleyin. Dönüştürülen ses dosyaları belirtilen klasöre ('opt' varsayılan olarak) dönüştürülecektir",
|
||||
"拖拽或点击上传待处理音频": "İşlenecek sesi sürükleyip bırakın veya yüklemek için tıklayın",
|
||||
"指定输出主人声文件夹": "Vokal için çıkış klasörünü belirtin:",
|
||||
"指定输出文件夹": "Çıkış klasörünü belirt:",
|
||||
"指定输出非主人声文件夹": "Müzik ve diğer sesler için çıkış klasörünü belirtin:",
|
||||
"推理时间(ms):": "Çıkarsama süresi (ms):",
|
||||
"推理耗时：%.2f秒": "Çıkarım süresi: %.2f seconds",
|
||||
"推理音色": "Ses çıkartma (Inference):",
|
||||
"提取": "Çıkart",
|
||||
"提取音高和处理数据使用的CPU进程数": "Ses yüksekliği çıkartmak (Pitch) ve verileri işlemek için kullanılacak CPU işlemci sayısı:",
|
||||
"数据切分": "Veri dilimleme",
|
||||
"无法停止": "Durdurulamıyor",
|
||||
"无法读取音频：%s": "Ses okunamadı: %s",
|
||||
"是": "Evet",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "Sadece en son '.ckpt' dosyasını kaydet:",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "Her kaydetme noktasında son küçük bir modeli 'weights' klasörüne kaydetmek için:",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "Tüm eğitim verilerini GPU belleğine önbelleğe alıp almayacağınızı belirtin. Küçük veri setlerini (10 dakikadan az) önbelleğe almak eğitimi hızlandırabilir, ancak büyük veri setlerini önbelleğe almak çok fazla GPU belleği tüketir ve çok fazla hız artışı sağlamaz:",
|
||||
"显卡信息": "GPU Bilgisi",
|
||||
"未使用": "Kullanılmadı",
|
||||
"未使用判别器预训练模型": "Önceden eğitilmiş ayırıcı modeli kullanılmadı",
|
||||
"未使用生成器预训练模型": "Önceden eğitilmiş üretici modeli kullanılmadı",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "Roformer model yapılandırması bulunamadı; yerleşik varsayılanlar kullanılacak",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "Desteklenen GPU algılanmadı; CPU ile eğitim çok daha uzun sürebilir",
|
||||
"未运行": "Başlatılmadı",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "Bu yazılım, MIT lisansı altında açık kaynaklıdır. Yazarın yazılım üzerinde herhangi bir kontrolü yoktur. Yazılımı kullanan ve yazılım tarafından dışa aktarılan sesleri dağıtan kullanıcılar sorumludur. <br>Eğer bu maddeyle aynı fikirde değilseniz, yazılım paketi içindeki herhangi bir kod veya dosyayı kullanamaz veya referans göremezsiniz. Detaylar için kök dizindeki <b>Agreement-LICENSE.txt</b> dosyasına bakınız.",
|
||||
"查看": "Görüntüle",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "Model bilgilerini görüntüle (sadece 'weights' klasöründen çıkarılan küçük model dosyaları desteklenir)",
|
||||
"检测到模型类型：%s": "Algılanan model türü: %s",
|
||||
"检索特征占比": "Arama özelliği oranı (vurgu gücünü kontrol eder, çok yüksek olması sanal etkilere neden olur)",
|
||||
"模型": "Model",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "Model bilgisi: %s\nÖrnekleme hızı: %s\nPerde yönlendirmesi: %s\nSürüm: %s",
|
||||
"模型推理": "Model çıkartma (Inference)",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "Model çıkartma (büyük dosya modeli yolunu 'logs' klasöründe girin). Bu, eğitimi yarıda bırakmak istediğinizde ve manuel olarak küçük bir model dosyası çıkartmak ve kaydetmek istediğinizde veya bir ara modeli test etmek istediğinizde kullanışlıdır:",
|
||||
"模型是否带音高指导": "Modelin ses yüksekliği rehberi içerip içermediği:",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "Modelin ses yüksekliği (Pitch) rehberliği içerip içermediği (şarkı söyleme için şarttır, konuşma için isteğe bağlıdır):",
|
||||
"模型是否带音高指导,1是0否": "Modelin ses yüksekliği rehberi içerip içermediği (1: evet, 0: hayır):",
|
||||
"模型版本型号": "Model mimari versiyonu:",
|
||||
"模型融合, 可用于测试音色融合": "Model birleştirme, ses rengi birleştirmesi için kullanılabilir",
|
||||
"模型融合失败：两个模型的结构不一致": "Model birleştirme başarısız: iki modelin mimarisi eşleşmiyor",
|
||||
"模型训练": "Model eğitimi",
|
||||
"模型路径": "Model Yolu:",
|
||||
"正在保存最终检查点：%s": "Son kontrol noktası kaydediliyor: %s",
|
||||
"正在保存检查点 %s_e%s：%s": "Kontrol noktası kaydediliyor %s_e%s: %s",
|
||||
"正在加载RMVPE模型": "RMVPE modeli yükleniyor",
|
||||
"正在加载模型": "Model yükleniyor",
|
||||
"正在启动": "Başlatılıyor",
|
||||
"正在收尾": "Tamamlanıyor",
|
||||
"每张显卡的batch_size": "Her GPU için yığın boyutu (batch_size):",
|
||||
"淡入淡出长度": "Geçiş (Fade) uzunluğu",
|
||||
"清理模型缓存": "Model önbelleği temizleniyor",
|
||||
"版本": "Sürüm",
|
||||
"特征": "Özellikler",
|
||||
"特征提取": "Özellik çıkartma",
|
||||
"状态": "Durum",
|
||||
"独占 WASAPI 设备": "Özel WASAPI cihazı",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "Generator pretrained model not found; it will not be used: assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "Erkekten kadına çevirmek için +12 tuş önerilir, kadından erkeğe çevirmek için ise -12 tuş önerilir. Eğer ses aralığı çok fazla genişler ve ses bozulursa, isteğe bağlı olarak uygun aralığa kendiniz de ayarlayabilirsiniz.",
|
||||
"目标采样率": "Hedef örnekleme oranı:",
|
||||
"等待中": "Bekliyor",
|
||||
"等待输入": "Girdi bekleniyor",
|
||||
"算法延迟(ms):": "Algoritma gecikmesi (ms):",
|
||||
"索引": "İndeks",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "Geçersiz indeks: şunu kullanın added_xxxx.index, not trained_xxxx.index",
|
||||
"索引检索失败": "İndeks araması başarısız",
|
||||
"索引检索失败或未启用": "İndeks araması başarısız veya devre dışı",
|
||||
"索引训练": "İndeks eğitimi",
|
||||
"耗时": "Geçen süre",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "Geçen süre: features=%.3fs, index=%.3fs, pitch=%.3fs, model=%.3fs",
|
||||
"融合": "Birleştir",
|
||||
"要改的模型信息": "Düzenlenecek model bilgileri:",
|
||||
"要置入的模型信息": "Eklemek için model bilgileri:",
|
||||
"训练": "Eğitim",
|
||||
"训练已完成，正在保存最终模型": "Eğitim tamamlandı; son model kaydediliyor",
|
||||
"训练文件列表写入完成": "Eğitim dosyası listesi yazıldı",
|
||||
"训练模型": "Modeli Eğit",
|
||||
"训练特征索引": "Özellik Dizinini Eğit",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "Eğitim tamamlandı. Eğitim günlüklerini konsolda veya deney klasörü altındaki train.log dosyasında kontrol edebilirsiniz.",
|
||||
"训练设备规则选择的精度：%s": "Eğitim hassasiyeti cihaz kurallarına göre seçildi: %s",
|
||||
"训练轮次：{} [{:.0f}%]": "Eğitim dönemi: {} [{:.0f}%]",
|
||||
"设备类型": "Cihaz türü",
|
||||
"请上传音频文件": "Bir ses dosyası yükleyin",
|
||||
"请填写输出文件夹路径": "Çıktı klasörü yolunu girin",
|
||||
"请指定说话人id": "Lütfen konuşmacı/sanatçı no belirtin:",
|
||||
"请选择index文件": "Lütfen .index dosyası seçin",
|
||||
"请选择pth文件": "Lütfen .pth dosyası seçin",
|
||||
"请选择说话人id": "Konuşmacı/Şarkıcı No seçin:",
|
||||
"转换": "Dönüştür",
|
||||
"输入实验名": "Deneysel adı girin:",
|
||||
"输入待处理音频文件夹路径": "İşlenecek ses klasörünün yolunu girin:",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "İşlenecek ses klasörünün yolunu girin (dosya yöneticisinin adres çubuğundan kopyalayın):",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "İşlenecek ses dosyasının yolunu girin (varsayılan doğru format örneğidir):",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "Sesin hacim zarfını ayarlayın. 0'a yakın değerler, sesin orijinal vokallerin hacmine benzer olmasını sağlar. Düşük bir değerle ses gürültüsünü maskeleyebilir ve hacmi daha doğal bir şekilde duyulabilir hale getirebilirsiniz. 1'e yaklaştıkça sürekli bir yüksek ses seviyesi elde edilir:",
|
||||
"输入监听": "Girişi izle",
|
||||
"输入训练文件夹路径": "Eğitim klasörünün yolunu girin:",
|
||||
"输入设备": "Giriş cihazı",
|
||||
"输入设备：%s:%s": "Giriş cihazı: %s:%s",
|
||||
"输入降噪": "Giriş gürültü azaltma",
|
||||
"输出信息": "Çıkış bilgisi",
|
||||
"输出变声": "Çıkış ses dönüşümü",
|
||||
"输出设备": "Çıkış cihazı",
|
||||
"输出设备：%s:%s": "Çıkış cihazı: %s:%s",
|
||||
"输出降噪": "Çıkış gürültü azaltma",
|
||||
"输出音频(右下角三个点,点了可以下载)": "Ses dosyasını dışa aktar (indirmek için sağ alt köşedeki üç noktaya tıklayın)",
|
||||
"运行中": "Çalışıyor",
|
||||
"进度": "İlerleme",
|
||||
"选择.index文件": ".index dosyası seç",
|
||||
"选择.pth文件": ".pth dosyası seç",
|
||||
"选择模型": "Model seçin",
|
||||
"选择索引": "İndeks seçin",
|
||||
"选择音高提取算法": "Perde çıkarma algoritmasını seçin",
|
||||
"采样率:": "Örnekleme hızı:",
|
||||
"采样长度": "Örnekleme uzunluğu",
|
||||
"重载设备列表": "Cihaz listesini yeniden yükle",
|
||||
"错误信息：%s": "Hata ayrıntıları: %s",
|
||||
"错误：未知模型：%s": "Hata: bilinmeyen model: %s",
|
||||
"音调设置": "Pitch ayarları",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "Ses birden fazla kanala sahip ancak model mono; tüm kanalların ortalaması alınacak",
|
||||
"音频设备": "Ses cihazı",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "Tüm perde değerleri sıfır; bu ses kullanılamaz ve atlanacak: %s",
|
||||
"音高算法": "Perde algoritması",
|
||||
"额外推理时长": "Ekstra çıkartma süresi",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "Veri ön işleme geçerli eğitim sesi üretmedi. Veri kümesini ve günlüğü kontrol edin.",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "Veri ön işleme 16 kHz ses üretmedi. Özellik çıkarma ve eğitim durduruldu.",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "Veri ön işleme çıktı dosyaları eşleşmiyor. Özellik çıkarma ve eğitim durduruldu.",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT özellik çıkarma geçerli sonuç üretmedi. Eğitim durduruldu.",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0 çıkarma geçerli sonuç üretmedi. Eğitim durduruldu.",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "Eğitim için geçerli ses yok. Önce veri ön işleme ve özellik çıkarmayı tamamlayın.",
|
||||
"已完成阶段": "Tamamlanan aşamalar",
|
||||
"已成功": "Başarılı",
|
||||
"刷新音色列表": "Ses listesini yenile",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "Özellik dizini yolu (model seçilince otomatik eşleşir; düzenlenebilir)",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[Dizin eğitimi] Harici dizin bağlantısı zaten var: %s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[Dizin eğitimi][Atlandı] added dizini zaten var: %s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[Dizin eğitimi][Atlandı] trained dizini zaten var: %s",
|
||||
"当前设备：%s | 推理精度：%s": "Geçerli cihaz: %s | Çıkarım hassasiyeti: %s",
|
||||
"正在预热CUDA Graph": "CUDA Graph ısınıyor",
|
||||
"CUDA Graph预热完成": "CUDA Graph ısınması tamamlandı",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "Veri çıkarma başladı: start_time=%.6f, istenen eşzamanlılık=%s, gerçek üst sınır=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "Veri çıkarma tamamlandı: end_time=%.6f, toplam süre=%.3f saniye",
|
||||
"人声伴奏分离&去混响": "Vokal/altyapı ayırma ve yankı giderme",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "pymss/MSST modelleriyle vokal, altyapı ve yankıyı toplu olarak işler.",
|
||||
"处理方式": "İşleme modu",
|
||||
"底层模型": "Temel model",
|
||||
"主结果文件夹": "Ana çıktı klasörü",
|
||||
"分离残余文件夹": "Artık çıktı klasörü",
|
||||
"停止分离": "Ayırmayı durdur"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "人声提取激进程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s进程已终止",
|
||||
"====> 轮次：{} {}": "====> 轮次：{} {}",
|
||||
"A模型权重": "A模型权重",
|
||||
"A模型路径": "A模型路径",
|
||||
"B模型路径": "B模型路径",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0与HuBERT特征提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调",
|
||||
"HuBERT特征": "HuBERT特征",
|
||||
"Index Rate": "检索特征占比",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 无待处理音频，已全部跳过",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失败] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失败] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特征] 无待处理音频，已全部跳过：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特征] 正在加载模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特征][失败] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特征][失败] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特征][失败] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[数据切分] 子任务完成 | 成功：%s | 失败：%s",
|
||||
"[数据切分] 完成": "[数据切分] 完成",
|
||||
"[数据切分] 开始": "[数据切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[数据切分] 待处理：%s | 进程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[数据切分] 进度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[数据切分][失败] %s",
|
||||
"[数据切分][失败] %s\n%s": "[数据切分][失败] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引训练] 写入进度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引训练] 已链接索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引训练] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引训练] 正在写入特征向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引训练] 正在将%s条特征聚类为10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引训练] 正在训练索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引训练] 特征形状：%s | IVF数量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引训练][失败] 无法链接索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引训练][失败] 聚类失败，将使用原始特征继续\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引训练][失败] 请先进行特征提取",
|
||||
"ckpt处理": "ckpt处理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "step3: 填写训练设置, 开始训练模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b:正在训练索引",
|
||||
"……仅显示最近10条失败记录": "……仅显示最近10条失败记录",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，仅显示最新状态",
|
||||
"一键训练": "一键训练",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。",
|
||||
"仅支持pm和rmvpe音高提取算法": "仅支持pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从训练检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"伴奏人声分离&去混响&去回声": "伴奏人声分离&去混响&去回声",
|
||||
"使用显卡：%s": "使用显卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "保存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "保存的文件名, 默认空为和源文件同名",
|
||||
"保存的模型名不带后缀": "保存的模型名不带后缀",
|
||||
"保存频率save_every_epoch": "保存频率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型信息(仅支持weights文件夹下提取的小模型文件)",
|
||||
"停止一键训练": "停止一键训练",
|
||||
"停止处理数据": "停止处理数据",
|
||||
"停止特征提取": "停止特征提取",
|
||||
"停止训练模型": "停止训练模型",
|
||||
"停止训练索引": "停止训练索引",
|
||||
"停止音频转换": "停止音频转换",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "加载模型",
|
||||
"加载预训练底模D路径": "加载预训练底模D路径",
|
||||
"加载预训练底模G路径": "加载预训练底模G路径",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸载音色省显存",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "变调(整数, 半音数量, 升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "后处理重采样至最终采样率，0为不进行重采样",
|
||||
"否": "否",
|
||||
"响应阈值": "响应阈值",
|
||||
"响度因子": "响度因子",
|
||||
"处理中": "处理中",
|
||||
"处理数据": "处理数据",
|
||||
"失败": "失败",
|
||||
"失败记录": "失败记录",
|
||||
"子进程执行失败，返回码：%s": "子进程执行失败，返回码：%s",
|
||||
"导出文件格式": "导出文件格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已加载判别器预训练模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已加载生成器预训练模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常见问题解答",
|
||||
"常规设置": "常规设置",
|
||||
"开始音频转换": "开始音频转换",
|
||||
"当前": "当前",
|
||||
"当前阶段": "当前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性别因子/声线粗细",
|
||||
"性能设置": "性能设置",
|
||||
"总训练轮数total_epoch": "总训练轮数total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ",
|
||||
"拖拽或点击上传待处理音频": "拖拽或点击上传待处理音频",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定输出文件夹",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理时间(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和处理数据使用的CPU进程数",
|
||||
"数据切分": "数据切分",
|
||||
"无法停止": "无法停止",
|
||||
"无法读取音频：%s": "无法读取音频：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否仅保存最新的ckpt文件以节省硬盘空间",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存时间点将最终小模型保存至weights文件夹",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速",
|
||||
"显卡信息": "显卡信息",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预训练模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预训练模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置文件，正在使用内置默认配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未检测到可用显卡，将使用CPU训练，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型信息(仅支持weights文件夹下提取的小模型文件)",
|
||||
"检测到模型类型：%s": "检测到模型类型：%s",
|
||||
"检索特征占比": "检索特征占比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况",
|
||||
"模型是否带音高指导": "模型是否带音高指导",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否带音高指导(唱歌一定要, 语音可以不要)",
|
||||
"模型是否带音高指导,1是0否": "模型是否带音高指导,1是0否",
|
||||
"模型版本型号": "模型版本型号",
|
||||
"模型融合, 可用于测试音色融合": "模型融合, 可用于测试音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失败：两个模型的结构不一致",
|
||||
"模型训练": "模型训练",
|
||||
"模型路径": "模型路径",
|
||||
"正在保存最终检查点：%s": "正在保存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在保存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在加载RMVPE模型",
|
||||
"正在加载模型": "正在加载模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出长度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特征",
|
||||
"特征提取": "特征提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ",
|
||||
"目标采样率": "目标采样率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待输入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失败",
|
||||
"索引检索失败或未启用": "索引检索失败或未启用",
|
||||
"索引训练": "索引训练",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型信息",
|
||||
"要置入的模型信息": "要置入的模型信息",
|
||||
"训练": "训练",
|
||||
"训练已完成，正在保存最终模型": "训练已完成，正在保存最终模型",
|
||||
"训练文件列表写入完成": "训练文件列表写入完成",
|
||||
"训练模型": "训练模型",
|
||||
"训练特征索引": "训练特征索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "训练设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "训练轮次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音频文件",
|
||||
"请填写输出文件夹路径": "请填写输出文件夹路径",
|
||||
"请指定说话人id": "请指定说话人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "请选择说话人id",
|
||||
"转换": "转换",
|
||||
"输入实验名": "输入实验名",
|
||||
"输入待处理音频文件夹路径": "输入待处理音频文件夹路径",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "输入待处理音频文件路径(默认是正确格式示例)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "输入训练文件夹路径",
|
||||
"输入设备": "输入设备",
|
||||
"输入设备：%s:%s": "输入设备：%s:%s",
|
||||
"输入降噪": "输入降噪",
|
||||
"输出信息": "输出信息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "输出设备",
|
||||
"输出设备：%s:%s": "输出设备：%s:%s",
|
||||
"输出降噪": "输出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "输出音频(右下角三个点,点了可以下载)",
|
||||
"运行中": "运行中",
|
||||
"进度": "进度",
|
||||
"选择.index文件": "选择.index文件",
|
||||
"选择.pth文件": "选择.pth文件",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "选择音高提取算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "采样长度",
|
||||
"重载设备列表": "重载设备列表",
|
||||
"错误信息：%s": "错误信息：%s",
|
||||
"错误：未知模型：%s": "错误：未知模型：%s",
|
||||
"音调设置": "音调设置",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值",
|
||||
"音频设备": "音频设备",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部为0，该音频无意义，跳过：%s",
|
||||
"音高算法": "音高算法",
|
||||
"额外推理时长": "额外推理时长",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "数据切分没有生成有效训练音频，请检查训练集和数据切分日志",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "数据切分没有生成16k音频，已停止后续特征提取和训练",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "数据切分输出文件不匹配，已停止后续特征提取和训练",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特征提取没有生成有效结果，已停止训练",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取没有生成有效结果，已停止训练",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "没有可用于训练的有效音频，请先完成数据切分和特征提取",
|
||||
"已完成阶段": "已完成阶段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "刷新音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特征检索库文件路径（选择模型后自动匹配，可手动修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引训练] 外部索引链接已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引训练][跳过] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引训练][跳过] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "当前设备：%s | 推理精度：%s",
|
||||
"正在预热CUDA Graph": "正在预热CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph预热完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "数据提取结束：end_time=%.6f，总耗时=%.3f秒"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "人声提取激进程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s进程已终止",
|
||||
"====> 轮次：{} {}": "====> 轮次：{} {}",
|
||||
"A模型权重": "A模型权重",
|
||||
"A模型路径": "A模型路径",
|
||||
"B模型路径": "B模型路径",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0与HuBERT特征提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调",
|
||||
"HuBERT特征": "HuBERT特征",
|
||||
"Index Rate": "检索特征占比",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 无待处理音频，已全部跳过",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失败] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失败] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特征] 无待处理音频，已全部跳过：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特征] 正在加载模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特征][失败] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特征][失败] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特征][失败] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[数据切分] 子任务完成 | 成功：%s | 失败：%s",
|
||||
"[数据切分] 完成": "[数据切分] 完成",
|
||||
"[数据切分] 开始": "[数据切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[数据切分] 待处理：%s | 进程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[数据切分] 进度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[数据切分][失败] %s",
|
||||
"[数据切分][失败] %s\n%s": "[数据切分][失败] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引训练] 写入进度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引训练] 已链接索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引训练] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引训练] 正在写入特征向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引训练] 正在将%s条特征聚类为10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引训练] 正在训练索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引训练] 特征形状：%s | IVF数量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引训练][失败] 无法链接索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引训练][失败] 聚类失败，将使用原始特征继续\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引训练][失败] 请先进行特征提取",
|
||||
"ckpt处理": "ckpt处理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "step3: 填写训练设置, 开始训练模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b:正在训练索引",
|
||||
"……仅显示最近10条失败记录": "……仅显示最近10条失败记录",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，仅显示最新状态",
|
||||
"一键训练": "一键训练",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"仅支持pm和rmvpe音高提取算法": "仅支持pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从训练检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"使用显卡：%s": "使用显卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "保存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "保存的文件名, 默认空为和源文件同名",
|
||||
"保存的模型名不带后缀": "保存的模型名不带后缀",
|
||||
"保存频率save_every_epoch": "保存频率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型信息(仅支持weights文件夹下提取的小模型文件)",
|
||||
"停止一键训练": "停止一键训练",
|
||||
"停止处理数据": "停止处理数据",
|
||||
"停止特征提取": "停止特征提取",
|
||||
"停止训练模型": "停止训练模型",
|
||||
"停止训练索引": "停止训练索引",
|
||||
"停止音频转换": "停止音频转换",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "加载模型",
|
||||
"加载预训练底模D路径": "加载预训练底模D路径",
|
||||
"加载预训练底模G路径": "加载预训练底模G路径",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸载音色省显存",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "变调(整数, 半音数量, 升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "后处理重采样至最终采样率，0为不进行重采样",
|
||||
"否": "否",
|
||||
"响应阈值": "响应阈值",
|
||||
"响度因子": "响度因子",
|
||||
"处理中": "处理中",
|
||||
"处理数据": "处理数据",
|
||||
"失败": "失败",
|
||||
"失败记录": "失败记录",
|
||||
"子进程执行失败，返回码：%s": "子进程执行失败，返回码：%s",
|
||||
"导出文件格式": "导出文件格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已加载判别器预训练模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已加载生成器预训练模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常见问题解答",
|
||||
"常规设置": "常规设置",
|
||||
"开始音频转换": "开始音频转换",
|
||||
"当前": "当前",
|
||||
"当前阶段": "当前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性别因子/声线粗细",
|
||||
"性能设置": "性能设置",
|
||||
"总训练轮数total_epoch": "总训练轮数total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ",
|
||||
"拖拽或点击上传待处理音频": "拖拽或点击上传待处理音频",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定输出文件夹",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理时间(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和处理数据使用的CPU进程数",
|
||||
"数据切分": "数据切分",
|
||||
"无法停止": "无法停止",
|
||||
"无法读取音频：%s": "无法读取音频：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否仅保存最新的ckpt文件以节省硬盘空间",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存时间点将最终小模型保存至weights文件夹",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速",
|
||||
"显卡信息": "显卡信息",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预训练模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预训练模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置文件，正在使用内置默认配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未检测到可用显卡，将使用CPU训练，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型信息(仅支持weights文件夹下提取的小模型文件)",
|
||||
"检测到模型类型：%s": "检测到模型类型：%s",
|
||||
"检索特征占比": "检索特征占比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况",
|
||||
"模型是否带音高指导": "模型是否带音高指导",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否带音高指导(唱歌一定要, 语音可以不要)",
|
||||
"模型是否带音高指导,1是0否": "模型是否带音高指导,1是0否",
|
||||
"模型版本型号": "模型版本型号",
|
||||
"模型融合, 可用于测试音色融合": "模型融合, 可用于测试音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失败：两个模型的结构不一致",
|
||||
"模型训练": "模型训练",
|
||||
"模型路径": "模型路径",
|
||||
"正在保存最终检查点：%s": "正在保存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在保存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在加载RMVPE模型",
|
||||
"正在加载模型": "正在加载模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出长度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特征",
|
||||
"特征提取": "特征提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ",
|
||||
"目标采样率": "目标采样率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待输入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失败",
|
||||
"索引检索失败或未启用": "索引检索失败或未启用",
|
||||
"索引训练": "索引训练",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型信息",
|
||||
"要置入的模型信息": "要置入的模型信息",
|
||||
"训练": "训练",
|
||||
"训练已完成，正在保存最终模型": "训练已完成，正在保存最终模型",
|
||||
"训练文件列表写入完成": "训练文件列表写入完成",
|
||||
"训练模型": "训练模型",
|
||||
"训练特征索引": "训练特征索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "训练设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "训练轮次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音频文件",
|
||||
"请填写输出文件夹路径": "请填写输出文件夹路径",
|
||||
"请指定说话人id": "请指定说话人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "请选择说话人id",
|
||||
"转换": "转换",
|
||||
"输入实验名": "输入实验名",
|
||||
"输入待处理音频文件夹路径": "输入待处理音频文件夹路径",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "输入待处理音频文件路径(默认是正确格式示例)",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "输入训练文件夹路径",
|
||||
"输入设备": "输入设备",
|
||||
"输入设备：%s:%s": "输入设备：%s:%s",
|
||||
"输入降噪": "输入降噪",
|
||||
"输出信息": "输出信息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "输出设备",
|
||||
"输出设备：%s:%s": "输出设备：%s:%s",
|
||||
"输出降噪": "输出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "输出音频(右下角三个点,点了可以下载)",
|
||||
"运行中": "运行中",
|
||||
"进度": "进度",
|
||||
"选择.index文件": "选择.index文件",
|
||||
"选择.pth文件": "选择.pth文件",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "选择音高提取算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "采样长度",
|
||||
"重载设备列表": "重载设备列表",
|
||||
"错误信息：%s": "错误信息：%s",
|
||||
"错误：未知模型：%s": "错误：未知模型：%s",
|
||||
"音调设置": "音调设置",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值",
|
||||
"音频设备": "音频设备",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部为0，该音频无意义，跳过：%s",
|
||||
"音高算法": "音高算法",
|
||||
"额外推理时长": "额外推理时长",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "数据切分没有生成有效训练音频，请检查训练集和数据切分日志",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "数据切分没有生成16k音频，已停止后续特征提取和训练",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "数据切分输出文件不匹配，已停止后续特征提取和训练",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特征提取没有生成有效结果，已停止训练",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取没有生成有效结果，已停止训练",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "没有可用于训练的有效音频，请先完成数据切分和特征提取",
|
||||
"已完成阶段": "已完成阶段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "刷新音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特征检索库文件路径（选择模型后自动匹配，可手动修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引训练] 外部索引链接已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引训练][跳过] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引训练][跳过] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "当前设备：%s | 推理精度：%s",
|
||||
"正在预热CUDA Graph": "正在预热CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph预热完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "数据提取结束：end_time=%.6f，总耗时=%.3f秒",
|
||||
"人声伴奏分离&去混响": "人声伴奏分离&去混响",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "人声、伴奏与混响批量处理，使用pymss/MSST模型。",
|
||||
"处理方式": "处理方式",
|
||||
"底层模型": "底层模型",
|
||||
"主结果文件夹": "主结果文件夹",
|
||||
"分离残余文件夹": "分离残余文件夹",
|
||||
"停止分离": "停止分离"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "人聲提取激進程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s進程已终止",
|
||||
"====> 轮次：{} {}": "====> 輪次：{} {}",
|
||||
"A模型权重": "A模型權重",
|
||||
"A模型路径": "A模型路徑",
|
||||
"B模型路径": "B模型路徑",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0與HuBERT特徵提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲線檔案，可選，一行一個音高，代替預設的F0及升降調",
|
||||
"HuBERT特征": "HuBERT特徵",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 無待处理音頻，已全部跳過",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 進度：%s/%s | 成功：%s | 跳過：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失敗] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失敗] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特徵] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特徵] 無待处理音頻，已全部跳過：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特徵] 正在載入模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特徵] 设备：%s | 待处理：%s | 已跳過：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特徵] 進度：%s/%s | 成功：%s | 失敗：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特徵][失敗] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特徵][失敗] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特徵][失敗] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[數據切分] 子任务完成 | 成功：%s | 失敗：%s",
|
||||
"[数据切分] 完成": "[數據切分] 完成",
|
||||
"[数据切分] 开始": "[數據切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[數據切分] 待处理：%s | 進程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[數據切分] 進度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[數據切分][失敗] %s",
|
||||
"[数据切分][失败] %s\n%s": "[數據切分][失敗] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[數據切分][跳過] 無效或異常音頻片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引訓練] 写入進度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引訓練] 已連結索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引訓練] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引訓練] 正在写入特徵向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引訓練] 正在将%s條特徵聚类為10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引訓練] 正在訓練索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引訓練] 特徵形状：%s | IVF數量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引訓練][失敗] 無法連結索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引訓練][失敗] 聚类失敗，将使用原始特徵繼續\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引訓練][失敗] 请先進行特徵提取",
|
||||
"ckpt处理": "ckpt處理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡號配置：以-分隔輸入使用的不同進程卡號,例如0-0-1使用在卡0上跑2個進程並在卡1上跑1個進程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1：填寫實驗配置。實驗數據放在logs下，每個實驗一個資料夾，需手動輸入實驗名路徑，內含實驗配置、日誌、訓練得到的模型檔案。",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a：自動遍歷訓練資料夾下所有可解碼成音頻的檔案並進行切片歸一化，在實驗目錄下生成2個wav資料夾；暫時只支援單人訓練。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "步驟2b: 使用CPU提取音高(如果模型帶音高), 使用GPU提取特徵(選擇卡號)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "步驟3: 填寫訓練設定, 開始訓練模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b：正在訓練索引",
|
||||
"……仅显示最近10条失败记录": "……僅顯示最近10條失敗記錄",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，僅顯示最新状态",
|
||||
"一键训练": "一鍵訓練",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "批次處理人聲與伴奏分離，使用UVR5模型。<br>可選擇保留人聲的模型，或使用DeEcho、DeReverb模型去除回音和混響。",
|
||||
"仅支持pm和rmvpe音高提取算法": "僅支援pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从訓練检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔輸入使用的卡號, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"伴奏人声分离&去混响&去回声": "伴奏人聲分離&去混響&去回聲",
|
||||
"使用显卡：%s": "使用顯示卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "儲存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "儲存的檔案名，預設空為與來源檔案同名",
|
||||
"保存的模型名不带后缀": "儲存的模型名不帶副檔名",
|
||||
"保存频率save_every_epoch": "保存頻率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保護清輔音和呼吸聲，防止電音撕裂等artifact，拉滿0.5不開啟，調低加大保護力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"停止一键训练": "停止一鍵訓練",
|
||||
"停止处理数据": "停止處理資料",
|
||||
"停止特征提取": "停止特徵擷取",
|
||||
"停止训练模型": "停止訓練模型",
|
||||
"停止训练索引": "停止訓練索引",
|
||||
"停止音频转换": "停止音訊轉換",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预訓練模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "載入模型",
|
||||
"加载预训练底模D路径": "加載預訓練底模D路徑",
|
||||
"加载预训练底模G路径": "加載預訓練底模G路徑",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸載音色節省 VRAM",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "變調(整數、半音數量、升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "後處理重採樣至最終採樣率，0為不進行重採樣",
|
||||
"否": "否",
|
||||
"响应阈值": "響應閾值",
|
||||
"响度因子": "響度因子",
|
||||
"处理中": "處理中",
|
||||
"处理数据": "處理資料",
|
||||
"失败": "失敗",
|
||||
"失败记录": "失敗記錄",
|
||||
"子进程执行失败，返回码：%s": "子進程执行失敗，返回码：%s",
|
||||
"导出文件格式": "導出檔格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已載入判别器预訓練模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已載入生成器预訓練模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常見問題解答",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "開始音訊轉換",
|
||||
"当前": "目前",
|
||||
"当前阶段": "目前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性別因子／聲線粗細",
|
||||
"性能设置": "效能設定",
|
||||
"总训练轮数total_epoch": "總訓練輪數total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量轉換，輸入待轉換音頻資料夾，或上傳多個音頻檔案，在指定資料夾(默認opt)下輸出轉換的音頻。",
|
||||
"拖拽或点击上传待处理音频": "拖放或按一下上載待處理音訊",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定輸出資料夾",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理時間(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和處理數據使用的CPU進程數",
|
||||
"数据切分": "數據切分",
|
||||
"无法停止": "無法停止",
|
||||
"无法读取音频：%s": "無法读取音頻：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否僅保存最新的ckpt檔案以節省硬碟空間",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存時間點將最終小模型保存至weights檔夾",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否緩存所有訓練集至 VRAM。小於10分鐘的小數據可緩存以加速訓練，大數據緩存會爆 VRAM 也加不了多少速度",
|
||||
"显卡信息": "顯示卡資訊",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预訓練模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预訓練模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置檔案，正在使用内置預設配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未偵測到可用顯示卡，将使用CPU訓練，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本軟體以MIT協議開源，作者不對軟體具備任何控制力，使用軟體者、傳播軟體導出的聲音者自負全責。<br>如不認可該條款，則不能使用或引用軟體包內任何程式碼和檔案。詳見根目錄<b>使用需遵守的協議-LICENSE.txt</b>。",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"检测到模型类型：%s": "偵測到模型类型：%s",
|
||||
"检索特征占比": "檢索特徵佔比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型資訊：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(輸入logs資料夾下大檔案模型路徑)，適用於訓一半不想訓了模型沒有自動提取儲存小檔案模型，或者想測試中間模型的情況",
|
||||
"模型是否带音高指导": "模型是否帶音高指導",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否帶音高指導（唱歌一定要，語音可以不要）",
|
||||
"模型是否带音高指导,1是0否": "模型是否帶音高指導，1是0否",
|
||||
"模型版本型号": "模型版本型號",
|
||||
"模型融合, 可用于测试音色融合": "模型融合，可用於測試音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失敗：两个模型的结构不一致",
|
||||
"模型训练": "模型訓練",
|
||||
"模型路径": "模型路徑",
|
||||
"正在保存最终检查点：%s": "正在儲存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在儲存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在載入RMVPE模型",
|
||||
"正在加载模型": "正在載入模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出長度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特徵",
|
||||
"特征提取": "特徵提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预訓練模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
|
||||
"目标采样率": "目標取樣率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待輸入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引無效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失敗",
|
||||
"索引检索失败或未启用": "索引检索失敗或未启用",
|
||||
"索引训练": "索引訓練",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特徵=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型資訊",
|
||||
"要置入的模型信息": "要置入的模型資訊",
|
||||
"训练": "訓練",
|
||||
"训练已完成，正在保存最终模型": "訓練已完成，正在儲存最终模型",
|
||||
"训练文件列表写入完成": "訓練檔案列表写入完成",
|
||||
"训练模型": "訓練模型",
|
||||
"训练特征索引": "訓練特徵索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "訓練设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "訓練輪次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音頻檔案",
|
||||
"请填写输出文件夹路径": "请填写輸出資料夾路径",
|
||||
"请指定说话人id": "請指定說話人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "請選擇說話人ID",
|
||||
"转换": "轉換",
|
||||
"输入实验名": "輸入實驗名稱",
|
||||
"输入待处理音频文件夹路径": "輸入待處理音頻資料夾路徑",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "輸入待處理音頻資料夾路徑(去檔案管理器地址欄拷貝即可)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "輸入待處理音頻檔案路徑（預設是正確格式示例）",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "輸入源音量包絡替換輸出音量包絡融合比例，越靠近1越使用輸出包絡",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "輸入訓練檔案夾路徑",
|
||||
"输入设备": "輸入設備",
|
||||
"输入设备：%s:%s": "輸入设备：%s:%s",
|
||||
"输入降噪": "輸入降噪",
|
||||
"输出信息": "輸出訊息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "輸出設備",
|
||||
"输出设备：%s:%s": "輸出设备：%s:%s",
|
||||
"输出降噪": "輸出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "輸出音頻(右下角三個點，點了可以下載)",
|
||||
"运行中": "运行中",
|
||||
"进度": "進度",
|
||||
"选择.index文件": "選擇 .index 檔案",
|
||||
"选择.pth文件": "選擇 .pth 檔案",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "選擇音高擷取演算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "取樣長度",
|
||||
"重载设备列表": "重載設備列表",
|
||||
"错误信息：%s": "錯誤資訊：%s",
|
||||
"错误：未知模型：%s": "錯誤：未知模型：%s",
|
||||
"音调设置": "音調設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音頻包含多个声道，但模型僅支援单声道，将对所有声道取平均值",
|
||||
"音频设备": "音訊設備",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部為0，该音頻無意义，跳過：%s",
|
||||
"音高算法": "音高演算法",
|
||||
"额外推理时长": "額外推理時長",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "資料切分沒有產生有效訓練音訊，請檢查訓練集和資料切分日誌",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "資料切分沒有產生16k音訊，已停止後續特徵提取和訓練",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "資料切分輸出檔案不匹配，已停止後續特徵提取和訓練",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特徵提取沒有產生有效結果，已停止訓練",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取沒有產生有效結果，已停止訓練",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "沒有可用於訓練的有效音訊，請先完成資料切分和特徵提取",
|
||||
"已完成阶段": "已完成階段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "重新整理音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特徵索引庫檔案路徑（選擇模型後自動配對，可手動修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引訓練] 外部索引連結已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引訓練][跳過] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引訓練][跳過] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "目前裝置：%s | 推理精度：%s",
|
||||
"正在预热CUDA Graph": "正在預熱 CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph 預熱完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "資料擷取開始：start_time=%.6f，請求並行數=%s，實際並行數上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "資料擷取結束：end_time=%.6f，總耗時=%.3f秒"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "人聲提取激進程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s進程已终止",
|
||||
"====> 轮次：{} {}": "====> 輪次：{} {}",
|
||||
"A模型权重": "A模型權重",
|
||||
"A模型路径": "A模型路徑",
|
||||
"B模型路径": "B模型路徑",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0與HuBERT特徵提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲線檔案，可選，一行一個音高，代替預設的F0及升降調",
|
||||
"HuBERT特征": "HuBERT特徵",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 無待处理音頻，已全部跳過",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 進度：%s/%s | 成功：%s | 跳過：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失敗] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失敗] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特徵] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特徵] 無待处理音頻，已全部跳過：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特徵] 正在載入模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特徵] 设备：%s | 待处理：%s | 已跳過：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特徵] 進度：%s/%s | 成功：%s | 失敗：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特徵][失敗] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特徵][失敗] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特徵][失敗] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[數據切分] 子任务完成 | 成功：%s | 失敗：%s",
|
||||
"[数据切分] 完成": "[數據切分] 完成",
|
||||
"[数据切分] 开始": "[數據切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[數據切分] 待处理：%s | 進程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[數據切分] 進度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[數據切分][失敗] %s",
|
||||
"[数据切分][失败] %s\n%s": "[數據切分][失敗] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[數據切分][跳過] 無效或異常音頻片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引訓練] 写入進度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引訓練] 已連結索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引訓練] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引訓練] 正在写入特徵向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引訓練] 正在将%s條特徵聚类為10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引訓練] 正在訓練索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引訓練] 特徵形状：%s | IVF數量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引訓練][失敗] 無法連結索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引訓練][失敗] 聚类失敗，将使用原始特徵繼續\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引訓練][失敗] 请先進行特徵提取",
|
||||
"ckpt处理": "ckpt處理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡號配置：以-分隔輸入使用的不同進程卡號,例如0-0-1使用在卡0上跑2個進程並在卡1上跑1個進程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1：填寫實驗配置。實驗數據放在logs下，每個實驗一個資料夾，需手動輸入實驗名路徑，內含實驗配置、日誌、訓練得到的模型檔案。",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a：自動遍歷訓練資料夾下所有可解碼成音頻的檔案並進行切片歸一化，在實驗目錄下生成2個wav資料夾；暫時只支援單人訓練。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "步驟2b: 使用CPU提取音高(如果模型帶音高), 使用GPU提取特徵(選擇卡號)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "步驟3: 填寫訓練設定, 開始訓練模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b：正在訓練索引",
|
||||
"……仅显示最近10条失败记录": "……僅顯示最近10條失敗記錄",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，僅顯示最新状态",
|
||||
"一键训练": "一鍵訓練",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"仅支持pm和rmvpe音高提取算法": "僅支援pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从訓練检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔輸入使用的卡號, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"使用显卡：%s": "使用顯示卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "儲存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "儲存的檔案名，預設空為與來源檔案同名",
|
||||
"保存的模型名不带后缀": "儲存的模型名不帶副檔名",
|
||||
"保存频率save_every_epoch": "保存頻率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保護清輔音和呼吸聲，防止電音撕裂等artifact，拉滿0.5不開啟，調低加大保護力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"停止一键训练": "停止一鍵訓練",
|
||||
"停止处理数据": "停止處理資料",
|
||||
"停止特征提取": "停止特徵擷取",
|
||||
"停止训练模型": "停止訓練模型",
|
||||
"停止训练索引": "停止訓練索引",
|
||||
"停止音频转换": "停止音訊轉換",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预訓練模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "載入模型",
|
||||
"加载预训练底模D路径": "加載預訓練底模D路徑",
|
||||
"加载预训练底模G路径": "加載預訓練底模G路徑",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸載音色節省 VRAM",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "變調(整數、半音數量、升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "後處理重採樣至最終採樣率，0為不進行重採樣",
|
||||
"否": "否",
|
||||
"响应阈值": "響應閾值",
|
||||
"响度因子": "響度因子",
|
||||
"处理中": "處理中",
|
||||
"处理数据": "處理資料",
|
||||
"失败": "失敗",
|
||||
"失败记录": "失敗記錄",
|
||||
"子进程执行失败，返回码：%s": "子進程执行失敗，返回码：%s",
|
||||
"导出文件格式": "導出檔格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已載入判别器预訓練模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已載入生成器预訓練模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常見問題解答",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "開始音訊轉換",
|
||||
"当前": "目前",
|
||||
"当前阶段": "目前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性別因子／聲線粗細",
|
||||
"性能设置": "效能設定",
|
||||
"总训练轮数total_epoch": "總訓練輪數total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量轉換，輸入待轉換音頻資料夾，或上傳多個音頻檔案，在指定資料夾(默認opt)下輸出轉換的音頻。",
|
||||
"拖拽或点击上传待处理音频": "拖放或按一下上載待處理音訊",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定輸出資料夾",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理時間(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和處理數據使用的CPU進程數",
|
||||
"数据切分": "數據切分",
|
||||
"无法停止": "無法停止",
|
||||
"无法读取音频：%s": "無法读取音頻：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否僅保存最新的ckpt檔案以節省硬碟空間",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存時間點將最終小模型保存至weights檔夾",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否緩存所有訓練集至 VRAM。小於10分鐘的小數據可緩存以加速訓練，大數據緩存會爆 VRAM 也加不了多少速度",
|
||||
"显卡信息": "顯示卡資訊",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预訓練模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预訓練模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置檔案，正在使用内置預設配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未偵測到可用顯示卡，将使用CPU訓練，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本軟體以MIT協議開源，作者不對軟體具備任何控制力，使用軟體者、傳播軟體導出的聲音者自負全責。<br>如不認可該條款，則不能使用或引用軟體包內任何程式碼和檔案。詳見根目錄<b>使用需遵守的協議-LICENSE.txt</b>。",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"检测到模型类型：%s": "偵測到模型类型：%s",
|
||||
"检索特征占比": "檢索特徵佔比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型資訊：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(輸入logs資料夾下大檔案模型路徑)，適用於訓一半不想訓了模型沒有自動提取儲存小檔案模型，或者想測試中間模型的情況",
|
||||
"模型是否带音高指导": "模型是否帶音高指導",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否帶音高指導（唱歌一定要，語音可以不要）",
|
||||
"模型是否带音高指导,1是0否": "模型是否帶音高指導，1是0否",
|
||||
"模型版本型号": "模型版本型號",
|
||||
"模型融合, 可用于测试音色融合": "模型融合，可用於測試音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失敗：两个模型的结构不一致",
|
||||
"模型训练": "模型訓練",
|
||||
"模型路径": "模型路徑",
|
||||
"正在保存最终检查点：%s": "正在儲存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在儲存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在載入RMVPE模型",
|
||||
"正在加载模型": "正在載入模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出長度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特徵",
|
||||
"特征提取": "特徵提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预訓練模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
|
||||
"目标采样率": "目標取樣率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待輸入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引無效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失敗",
|
||||
"索引检索失败或未启用": "索引检索失敗或未启用",
|
||||
"索引训练": "索引訓練",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特徵=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型資訊",
|
||||
"要置入的模型信息": "要置入的模型資訊",
|
||||
"训练": "訓練",
|
||||
"训练已完成，正在保存最终模型": "訓練已完成，正在儲存最终模型",
|
||||
"训练文件列表写入完成": "訓練檔案列表写入完成",
|
||||
"训练模型": "訓練模型",
|
||||
"训练特征索引": "訓練特徵索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "訓練设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "訓練輪次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音頻檔案",
|
||||
"请填写输出文件夹路径": "请填写輸出資料夾路径",
|
||||
"请指定说话人id": "請指定說話人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "請選擇說話人ID",
|
||||
"转换": "轉換",
|
||||
"输入实验名": "輸入實驗名稱",
|
||||
"输入待处理音频文件夹路径": "輸入待處理音頻資料夾路徑",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "輸入待處理音頻資料夾路徑(去檔案管理器地址欄拷貝即可)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "輸入待處理音頻檔案路徑（預設是正確格式示例）",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "輸入源音量包絡替換輸出音量包絡融合比例，越靠近1越使用輸出包絡",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "輸入訓練檔案夾路徑",
|
||||
"输入设备": "輸入設備",
|
||||
"输入设备：%s:%s": "輸入设备：%s:%s",
|
||||
"输入降噪": "輸入降噪",
|
||||
"输出信息": "輸出訊息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "輸出設備",
|
||||
"输出设备：%s:%s": "輸出设备：%s:%s",
|
||||
"输出降噪": "輸出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "輸出音頻(右下角三個點，點了可以下載)",
|
||||
"运行中": "运行中",
|
||||
"进度": "進度",
|
||||
"选择.index文件": "選擇 .index 檔案",
|
||||
"选择.pth文件": "選擇 .pth 檔案",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "選擇音高擷取演算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "取樣長度",
|
||||
"重载设备列表": "重載設備列表",
|
||||
"错误信息：%s": "錯誤資訊：%s",
|
||||
"错误：未知模型：%s": "錯誤：未知模型：%s",
|
||||
"音调设置": "音調設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音頻包含多个声道，但模型僅支援单声道，将对所有声道取平均值",
|
||||
"音频设备": "音訊設備",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部為0，该音頻無意义，跳過：%s",
|
||||
"音高算法": "音高演算法",
|
||||
"额外推理时长": "額外推理時長",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "資料切分沒有產生有效訓練音訊，請檢查訓練集和資料切分日誌",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "資料切分沒有產生16k音訊，已停止後續特徵提取和訓練",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "資料切分輸出檔案不匹配，已停止後續特徵提取和訓練",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特徵提取沒有產生有效結果，已停止訓練",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取沒有產生有效結果，已停止訓練",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "沒有可用於訓練的有效音訊，請先完成資料切分和特徵提取",
|
||||
"已完成阶段": "已完成階段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "重新整理音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特徵索引庫檔案路徑（選擇模型後自動配對，可手動修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引訓練] 外部索引連結已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引訓練][跳過] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引訓練][跳過] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "目前裝置：%s | 推理精度：%s",
|
||||
"正在预热CUDA Graph": "正在預熱 CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph 預熱完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "資料擷取開始：start_time=%.6f，請求並行數=%s，實際並行數上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "資料擷取結束：end_time=%.6f，總耗時=%.3f秒",
|
||||
"人声伴奏分离&去混响": "人聲伴奏分離&去混響",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "使用 pymss/MSST 模型批次處理人聲、伴奏與混響。",
|
||||
"处理方式": "處理方式",
|
||||
"底层模型": "底層模型",
|
||||
"主结果文件夹": "主要結果資料夾",
|
||||
"分离残余文件夹": "分離殘餘資料夾",
|
||||
"停止分离": "停止分離"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "人声提取激进程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s进程已终止",
|
||||
"====> 轮次：{} {}": "====> 轮次：{} {}",
|
||||
"A模型权重": "A模型權重",
|
||||
"A模型路径": "A模型路徑",
|
||||
"B模型路径": "B模型路徑",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0与HuBERT特征提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲線檔案，可選，一行一個音高，代替預設的F0及升降調",
|
||||
"HuBERT特征": "HuBERT特征",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 无待处理音频，已全部跳过",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失败] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失败] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特征] 无待处理音频，已全部跳过：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特征] 正在加载模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特征][失败] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特征][失败] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特征][失败] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[数据切分] 子任务完成 | 成功：%s | 失败：%s",
|
||||
"[数据切分] 完成": "[数据切分] 完成",
|
||||
"[数据切分] 开始": "[数据切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[数据切分] 待处理：%s | 进程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[数据切分] 进度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[数据切分][失败] %s",
|
||||
"[数据切分][失败] %s\n%s": "[数据切分][失败] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引训练] 写入进度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引训练] 已链接索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引训练] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引训练] 正在写入特征向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引训练] 正在将%s条特征聚类为10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引训练] 正在训练索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引训练] 特征形状：%s | IVF数量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引训练][失败] 无法链接索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引训练][失败] 聚类失败，将使用原始特征继续\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引训练][失败] 请先进行特征提取",
|
||||
"ckpt处理": "ckpt處理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡號配置：以-分隔輸入使用的不同進程卡號,例如0-0-1使用在卡0上跑2個進程並在卡1上跑1個進程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1：填寫實驗配置。實驗數據放在logs下，每個實驗一個資料夾，需手動輸入實驗名路徑，內含實驗配置、日誌、訓練得到的模型檔案。",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a：自動遍歷訓練資料夾下所有可解碼成音頻的檔案並進行切片歸一化，在實驗目錄下生成2個wav資料夾；暫時只支援單人訓練。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "步驟2b: 使用CPU提取音高(如果模型帶音高), 使用GPU提取特徵(選擇卡號)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "步驟3: 填寫訓練設定, 開始訓練模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b:正在训练索引",
|
||||
"……仅显示最近10条失败记录": "……仅显示最近10条失败记录",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，仅显示最新状态",
|
||||
"一键训练": "一鍵訓練",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。",
|
||||
"仅支持pm和rmvpe音高提取算法": "仅支持pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从训练检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔輸入使用的卡號, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"伴奏人声分离&去混响&去回声": "伴奏人聲分離&去混響&去回聲",
|
||||
"使用显卡：%s": "使用显卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "儲存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "儲存的檔案名，預設空為與來源檔案同名",
|
||||
"保存的模型名不带后缀": "儲存的模型名不帶副檔名",
|
||||
"保存频率save_every_epoch": "保存頻率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保護清輔音和呼吸聲，防止電音撕裂等artifact，拉滿0.5不開啟，調低加大保護力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"停止一键训练": "停止一键训练",
|
||||
"停止处理数据": "停止处理数据",
|
||||
"停止特征提取": "停止特征提取",
|
||||
"停止训练模型": "停止训练模型",
|
||||
"停止训练索引": "停止训练索引",
|
||||
"停止音频转换": "停止音訊轉換",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "載入模型",
|
||||
"加载预训练底模D路径": "加載預訓練底模D路徑",
|
||||
"加载预训练底模G路径": "加載預訓練底模G路徑",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸載音色節省 VRAM",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "變調(整數、半音數量、升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "後處理重採樣至最終採樣率，0為不進行重採樣",
|
||||
"否": "否",
|
||||
"响应阈值": "響應閾值",
|
||||
"响度因子": "響度因子",
|
||||
"处理中": "处理中",
|
||||
"处理数据": "處理資料",
|
||||
"失败": "失败",
|
||||
"失败记录": "失败记录",
|
||||
"子进程执行失败，返回码：%s": "子进程执行失败，返回码：%s",
|
||||
"导出文件格式": "導出檔格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已加载判别器预训练模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已加载生成器预训练模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常見問題解答",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "開始音訊轉換",
|
||||
"当前": "当前",
|
||||
"当前阶段": "当前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性别因子/声线粗细",
|
||||
"性能设置": "效能設定",
|
||||
"总训练轮数total_epoch": "總訓練輪數total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量轉換，輸入待轉換音頻資料夾，或上傳多個音頻檔案，在指定資料夾(默認opt)下輸出轉換的音頻。",
|
||||
"拖拽或点击上传待处理音频": "拖拽或点击上传待处理音频",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定輸出資料夾",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理時間(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和處理數據使用的CPU進程數",
|
||||
"数据切分": "数据切分",
|
||||
"无法停止": "无法停止",
|
||||
"无法读取音频：%s": "无法读取音频：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否僅保存最新的ckpt檔案以節省硬碟空間",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存時間點將最終小模型保存至weights檔夾",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否緩存所有訓練集至 VRAM。小於10分鐘的小數據可緩存以加速訓練，大數據緩存會爆 VRAM 也加不了多少速度",
|
||||
"显卡信息": "顯示卡資訊",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预训练模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预训练模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置文件，正在使用内置默认配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未检测到可用显卡，将使用CPU训练，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本軟體以MIT協議開源，作者不對軟體具備任何控制力，使用軟體者、傳播軟體導出的聲音者自負全責。<br>如不認可該條款，則不能使用或引用軟體包內任何程式碼和檔案。詳見根目錄<b>使用需遵守的協議-LICENSE.txt</b>。",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"检测到模型类型：%s": "检测到模型类型：%s",
|
||||
"检索特征占比": "檢索特徵佔比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(輸入logs資料夾下大檔案模型路徑)，適用於訓一半不想訓了模型沒有自動提取儲存小檔案模型，或者想測試中間模型的情況",
|
||||
"模型是否带音高指导": "模型是否帶音高指導",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否帶音高指導（唱歌一定要，語音可以不要）",
|
||||
"模型是否带音高指导,1是0否": "模型是否帶音高指導，1是0否",
|
||||
"模型版本型号": "模型版本型號",
|
||||
"模型融合, 可用于测试音色融合": "模型融合，可用於測試音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失败：两个模型的结构不一致",
|
||||
"模型训练": "模型训练",
|
||||
"模型路径": "模型路徑",
|
||||
"正在保存最终检查点：%s": "正在保存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在保存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在加载RMVPE模型",
|
||||
"正在加载模型": "正在加载模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出長度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特征",
|
||||
"特征提取": "特徵提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
|
||||
"目标采样率": "目標取樣率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待输入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失败",
|
||||
"索引检索失败或未启用": "索引检索失败或未启用",
|
||||
"索引训练": "索引训练",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型資訊",
|
||||
"要置入的模型信息": "要置入的模型資訊",
|
||||
"训练": "訓練",
|
||||
"训练已完成，正在保存最终模型": "训练已完成，正在保存最终模型",
|
||||
"训练文件列表写入完成": "训练文件列表写入完成",
|
||||
"训练模型": "訓練模型",
|
||||
"训练特征索引": "訓練特徵索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "训练设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "训练轮次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音频文件",
|
||||
"请填写输出文件夹路径": "请填写输出文件夹路径",
|
||||
"请指定说话人id": "請指定說話人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "請選擇說話人ID",
|
||||
"转换": "轉換",
|
||||
"输入实验名": "輸入實驗名稱",
|
||||
"输入待处理音频文件夹路径": "輸入待處理音頻資料夾路徑",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "輸入待處理音頻資料夾路徑(去檔案管理器地址欄拷貝即可)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "輸入待處理音頻檔案路徑（預設是正確格式示例）",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "輸入源音量包絡替換輸出音量包絡融合比例，越靠近1越使用輸出包絡",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "輸入訓練檔案夾路徑",
|
||||
"输入设备": "輸入設備",
|
||||
"输入设备：%s:%s": "输入设备：%s:%s",
|
||||
"输入降噪": "輸入降噪",
|
||||
"输出信息": "輸出訊息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "輸出設備",
|
||||
"输出设备：%s:%s": "输出设备：%s:%s",
|
||||
"输出降噪": "輸出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "輸出音頻(右下角三個點，點了可以下載)",
|
||||
"运行中": "运行中",
|
||||
"进度": "进度",
|
||||
"选择.index文件": "選擇 .index 檔案",
|
||||
"选择.pth文件": "選擇 .pth 檔案",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "选择音高提取算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "取樣長度",
|
||||
"重载设备列表": "重載設備列表",
|
||||
"错误信息：%s": "错误信息：%s",
|
||||
"错误：未知模型：%s": "错误：未知模型：%s",
|
||||
"音调设置": "音調設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值",
|
||||
"音频设备": "音訊設備",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部为0，该音频无意义，跳过：%s",
|
||||
"音高算法": "音高演算法",
|
||||
"额外推理时长": "額外推理時長",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "数据切分没有生成有效训练音频，请检查训练集和数据切分日志",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "数据切分没有生成16k音频，已停止后续特征提取和训练",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "数据切分输出文件不匹配，已停止后续特征提取和训练",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特征提取没有生成有效结果，已停止训练",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取没有生成有效结果，已停止训练",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "没有可用于训练的有效音频，请先完成数据切分和特征提取",
|
||||
"已完成阶段": "已完成阶段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "刷新音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特征检索库文件路径（选择模型后自动匹配，可手动修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引训练] 外部索引链接已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引训练][跳过] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引训练][跳过] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "当前设备：%s | 推理精度：%s",
|
||||
"正在预热CUDA Graph": "正在预热CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph预热完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "数据提取结束：end_time=%.6f，总耗时=%.3f秒"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "人声提取激进程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s进程已终止",
|
||||
"====> 轮次：{} {}": "====> 轮次：{} {}",
|
||||
"A模型权重": "A模型權重",
|
||||
"A模型路径": "A模型路徑",
|
||||
"B模型路径": "B模型路徑",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0与HuBERT特征提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲線檔案，可選，一行一個音高，代替預設的F0及升降調",
|
||||
"HuBERT特征": "HuBERT特征",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 无待处理音频，已全部跳过",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失败] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失败] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特征] 无待处理音频，已全部跳过：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特征] 正在加载模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特征][失败] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特征][失败] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特征][失败] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[数据切分] 子任务完成 | 成功：%s | 失败：%s",
|
||||
"[数据切分] 完成": "[数据切分] 完成",
|
||||
"[数据切分] 开始": "[数据切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[数据切分] 待处理：%s | 进程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[数据切分] 进度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[数据切分][失败] %s",
|
||||
"[数据切分][失败] %s\n%s": "[数据切分][失败] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引训练] 写入进度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引训练] 已链接索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引训练] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引训练] 正在写入特征向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引训练] 正在将%s条特征聚类为10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引训练] 正在训练索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引训练] 特征形状：%s | IVF数量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引训练][失败] 无法链接索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引训练][失败] 聚类失败，将使用原始特征继续\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引训练][失败] 请先进行特征提取",
|
||||
"ckpt处理": "ckpt處理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡號配置：以-分隔輸入使用的不同進程卡號,例如0-0-1使用在卡0上跑2個進程並在卡1上跑1個進程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1：填寫實驗配置。實驗數據放在logs下，每個實驗一個資料夾，需手動輸入實驗名路徑，內含實驗配置、日誌、訓練得到的模型檔案。",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a：自動遍歷訓練資料夾下所有可解碼成音頻的檔案並進行切片歸一化，在實驗目錄下生成2個wav資料夾；暫時只支援單人訓練。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "步驟2b: 使用CPU提取音高(如果模型帶音高), 使用GPU提取特徵(選擇卡號)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "步驟3: 填寫訓練設定, 開始訓練模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b:正在训练索引",
|
||||
"……仅显示最近10条失败记录": "……仅显示最近10条失败记录",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，仅显示最新状态",
|
||||
"一键训练": "一鍵訓練",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"仅支持pm和rmvpe音高提取算法": "仅支持pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从训练检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔輸入使用的卡號, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"使用显卡：%s": "使用显卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "儲存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "儲存的檔案名，預設空為與來源檔案同名",
|
||||
"保存的模型名不带后缀": "儲存的模型名不帶副檔名",
|
||||
"保存频率save_every_epoch": "保存頻率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保護清輔音和呼吸聲，防止電音撕裂等artifact，拉滿0.5不開啟，調低加大保護力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"停止一键训练": "停止一键训练",
|
||||
"停止处理数据": "停止处理数据",
|
||||
"停止特征提取": "停止特征提取",
|
||||
"停止训练模型": "停止训练模型",
|
||||
"停止训练索引": "停止训练索引",
|
||||
"停止音频转换": "停止音訊轉換",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "載入模型",
|
||||
"加载预训练底模D路径": "加載預訓練底模D路徑",
|
||||
"加载预训练底模G路径": "加載預訓練底模G路徑",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸載音色節省 VRAM",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "變調(整數、半音數量、升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "後處理重採樣至最終採樣率，0為不進行重採樣",
|
||||
"否": "否",
|
||||
"响应阈值": "響應閾值",
|
||||
"响度因子": "響度因子",
|
||||
"处理中": "处理中",
|
||||
"处理数据": "處理資料",
|
||||
"失败": "失败",
|
||||
"失败记录": "失败记录",
|
||||
"子进程执行失败，返回码：%s": "子进程执行失败，返回码：%s",
|
||||
"导出文件格式": "導出檔格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已加载判别器预训练模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已加载生成器预训练模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常見問題解答",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "開始音訊轉換",
|
||||
"当前": "当前",
|
||||
"当前阶段": "当前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性别因子/声线粗细",
|
||||
"性能设置": "效能設定",
|
||||
"总训练轮数total_epoch": "總訓練輪數total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量轉換，輸入待轉換音頻資料夾，或上傳多個音頻檔案，在指定資料夾(默認opt)下輸出轉換的音頻。",
|
||||
"拖拽或点击上传待处理音频": "拖拽或点击上传待处理音频",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定輸出資料夾",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理時間(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和處理數據使用的CPU進程數",
|
||||
"数据切分": "数据切分",
|
||||
"无法停止": "无法停止",
|
||||
"无法读取音频：%s": "无法读取音频：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否僅保存最新的ckpt檔案以節省硬碟空間",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存時間點將最終小模型保存至weights檔夾",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否緩存所有訓練集至 VRAM。小於10分鐘的小數據可緩存以加速訓練，大數據緩存會爆 VRAM 也加不了多少速度",
|
||||
"显卡信息": "顯示卡資訊",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预训练模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预训练模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置文件，正在使用内置默认配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未检测到可用显卡，将使用CPU训练，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本軟體以MIT協議開源，作者不對軟體具備任何控制力，使用軟體者、傳播軟體導出的聲音者自負全責。<br>如不認可該條款，則不能使用或引用軟體包內任何程式碼和檔案。詳見根目錄<b>使用需遵守的協議-LICENSE.txt</b>。",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"检测到模型类型：%s": "检测到模型类型：%s",
|
||||
"检索特征占比": "檢索特徵佔比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(輸入logs資料夾下大檔案模型路徑)，適用於訓一半不想訓了模型沒有自動提取儲存小檔案模型，或者想測試中間模型的情況",
|
||||
"模型是否带音高指导": "模型是否帶音高指導",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否帶音高指導（唱歌一定要，語音可以不要）",
|
||||
"模型是否带音高指导,1是0否": "模型是否帶音高指導，1是0否",
|
||||
"模型版本型号": "模型版本型號",
|
||||
"模型融合, 可用于测试音色融合": "模型融合，可用於測試音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失败：两个模型的结构不一致",
|
||||
"模型训练": "模型训练",
|
||||
"模型路径": "模型路徑",
|
||||
"正在保存最终检查点：%s": "正在保存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在保存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在加载RMVPE模型",
|
||||
"正在加载模型": "正在加载模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出長度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特征",
|
||||
"特征提取": "特徵提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
|
||||
"目标采样率": "目標取樣率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待输入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失败",
|
||||
"索引检索失败或未启用": "索引检索失败或未启用",
|
||||
"索引训练": "索引训练",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型資訊",
|
||||
"要置入的模型信息": "要置入的模型資訊",
|
||||
"训练": "訓練",
|
||||
"训练已完成，正在保存最终模型": "训练已完成，正在保存最终模型",
|
||||
"训练文件列表写入完成": "训练文件列表写入完成",
|
||||
"训练模型": "訓練模型",
|
||||
"训练特征索引": "訓練特徵索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "训练设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "训练轮次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音频文件",
|
||||
"请填写输出文件夹路径": "请填写输出文件夹路径",
|
||||
"请指定说话人id": "請指定說話人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "請選擇說話人ID",
|
||||
"转换": "轉換",
|
||||
"输入实验名": "輸入實驗名稱",
|
||||
"输入待处理音频文件夹路径": "輸入待處理音頻資料夾路徑",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "輸入待處理音頻資料夾路徑(去檔案管理器地址欄拷貝即可)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "輸入待處理音頻檔案路徑（預設是正確格式示例）",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "輸入源音量包絡替換輸出音量包絡融合比例，越靠近1越使用輸出包絡",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "輸入訓練檔案夾路徑",
|
||||
"输入设备": "輸入設備",
|
||||
"输入设备：%s:%s": "输入设备：%s:%s",
|
||||
"输入降噪": "輸入降噪",
|
||||
"输出信息": "輸出訊息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "輸出設備",
|
||||
"输出设备：%s:%s": "输出设备：%s:%s",
|
||||
"输出降噪": "輸出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "輸出音頻(右下角三個點，點了可以下載)",
|
||||
"运行中": "运行中",
|
||||
"进度": "进度",
|
||||
"选择.index文件": "選擇 .index 檔案",
|
||||
"选择.pth文件": "選擇 .pth 檔案",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "选择音高提取算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "取樣長度",
|
||||
"重载设备列表": "重載設備列表",
|
||||
"错误信息：%s": "错误信息：%s",
|
||||
"错误：未知模型：%s": "错误：未知模型：%s",
|
||||
"音调设置": "音調設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值",
|
||||
"音频设备": "音訊設備",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部为0，该音频无意义，跳过：%s",
|
||||
"音高算法": "音高演算法",
|
||||
"额外推理时长": "額外推理時長",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "数据切分没有生成有效训练音频，请检查训练集和数据切分日志",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "数据切分没有生成16k音频，已停止后续特征提取和训练",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "数据切分输出文件不匹配，已停止后续特征提取和训练",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特征提取没有生成有效结果，已停止训练",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取没有生成有效结果，已停止训练",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "没有可用于训练的有效音频，请先完成数据切分和特征提取",
|
||||
"已完成阶段": "已完成阶段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "刷新音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特征检索库文件路径（选择模型后自动匹配，可手动修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引训练] 外部索引链接已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引训练][跳过] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引训练][跳过] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "当前设备：%s | 推理精度：%s",
|
||||
"正在预热CUDA Graph": "正在预热CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph预热完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "数据提取结束：end_time=%.6f，总耗时=%.3f秒",
|
||||
"人声伴奏分离&去混响": "人声伴奏分离&去混响",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "人声、伴奏与混响批量处理，使用pymss/MSST模型。",
|
||||
"处理方式": "处理方式",
|
||||
"底层模型": "底层模型",
|
||||
"主结果文件夹": "主结果文件夹",
|
||||
"分离残余文件夹": "分离残余文件夹",
|
||||
"停止分离": "停止分离"
|
||||
}
|
||||
|
||||
@@ -1,265 +1,270 @@
|
||||
{
|
||||
"人声提取激进程度": "人聲提取激進程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s進程已终止",
|
||||
"====> 轮次：{} {}": "====> 輪次：{} {}",
|
||||
"A模型权重": "A模型權重",
|
||||
"A模型路径": "A模型路徑",
|
||||
"B模型路径": "B模型路徑",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0與HuBERT特徵提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲線檔案，可選，一行一個音高，代替預設的F0及升降調",
|
||||
"HuBERT特征": "HuBERT特徵",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 無待处理音頻，已全部跳過",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 進度：%s/%s | 成功：%s | 跳過：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失敗] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失敗] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特徵] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特徵] 無待处理音頻，已全部跳過：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特徵] 正在載入模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特徵] 设备：%s | 待处理：%s | 已跳過：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特徵] 進度：%s/%s | 成功：%s | 失敗：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特徵][失敗] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特徵][失敗] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特徵][失敗] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[數據切分] 子任务完成 | 成功：%s | 失敗：%s",
|
||||
"[数据切分] 完成": "[數據切分] 完成",
|
||||
"[数据切分] 开始": "[數據切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[數據切分] 待处理：%s | 進程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[數據切分] 進度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[數據切分][失敗] %s",
|
||||
"[数据切分][失败] %s\n%s": "[數據切分][失敗] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[數據切分][跳過] 無效或異常音頻片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引訓練] 写入進度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引訓練] 已連結索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引訓練] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引訓練] 正在写入特徵向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引訓練] 正在将%s條特徵聚类為10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引訓練] 正在訓練索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引訓練] 特徵形状：%s | IVF數量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引訓練][失敗] 無法連結索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引訓練][失敗] 聚类失敗，将使用原始特徵繼續\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引訓練][失敗] 请先進行特徵提取",
|
||||
"ckpt处理": "ckpt處理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡號配置：以-分隔輸入使用的不同進程卡號,例如0-0-1使用在卡0上跑2個進程並在卡1上跑1個進程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1：填寫實驗配置。實驗數據放在logs下，每個實驗一個資料夾，需手動輸入實驗名路徑，內含實驗配置、日誌、訓練得到的模型檔案。",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a：自動遍歷訓練資料夾下所有可解碼成音頻的檔案並進行切片歸一化，在實驗目錄下生成2個wav資料夾；暫時只支援單人訓練。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "步驟2b: 使用CPU提取音高(如果模型帶音高), 使用GPU提取特徵(選擇卡號)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "步驟3: 填寫訓練設定, 開始訓練模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b：正在訓練索引",
|
||||
"……仅显示最近10条失败记录": "……僅顯示最近10條失敗記錄",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，僅顯示最新状态",
|
||||
"一键训练": "一鍵訓練",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"人声伴奏分离批量处理，使用UVR5模型。<br>可选择保留人声模型，或使用DeEcho、DeReverb模型去除延迟和混响。": "批次處理人聲與伴奏分離，使用UVR5模型。<br>可選擇保留人聲的模型，或使用DeEcho、DeReverb模型去除回音和混響。",
|
||||
"仅支持pm和rmvpe音高提取算法": "僅支援pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从訓練检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔輸入使用的卡號, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"伴奏人声分离&去混响&去回声": "伴奏人聲分離&去混響&去回聲",
|
||||
"使用显卡：%s": "使用顯示卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "儲存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "儲存的檔案名，預設空為與來源檔案同名",
|
||||
"保存的模型名不带后缀": "儲存的模型名不帶副檔名",
|
||||
"保存频率save_every_epoch": "保存頻率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保護清輔音和呼吸聲，防止電音撕裂等artifact，拉滿0.5不開啟，調低加大保護力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"停止一键训练": "停止一鍵訓練",
|
||||
"停止处理数据": "停止處理資料",
|
||||
"停止特征提取": "停止特徵擷取",
|
||||
"停止训练模型": "停止訓練模型",
|
||||
"停止训练索引": "停止訓練索引",
|
||||
"停止音频转换": "停止音訊轉換",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预訓練模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "載入模型",
|
||||
"加载预训练底模D路径": "加載預訓練底模D路徑",
|
||||
"加载预训练底模G路径": "加載預訓練底模G路徑",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸載音色節省 VRAM",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "變調(整數、半音數量、升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "後處理重採樣至最終採樣率，0為不進行重採樣",
|
||||
"否": "否",
|
||||
"响应阈值": "響應閾值",
|
||||
"响度因子": "響度因子",
|
||||
"处理中": "處理中",
|
||||
"处理数据": "處理資料",
|
||||
"失败": "失敗",
|
||||
"失败记录": "失敗記錄",
|
||||
"子进程执行失败，返回码：%s": "子進程执行失敗，返回码：%s",
|
||||
"导出文件格式": "導出檔格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已載入判别器预訓練模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已載入生成器预訓練模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常見問題解答",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "開始音訊轉換",
|
||||
"当前": "目前",
|
||||
"当前阶段": "目前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性別因子／聲線粗細",
|
||||
"性能设置": "效能設定",
|
||||
"总训练轮数total_epoch": "總訓練輪數total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量轉換，輸入待轉換音頻資料夾，或上傳多個音頻檔案，在指定資料夾(默認opt)下輸出轉換的音頻。",
|
||||
"拖拽或点击上传待处理音频": "拖放或點擊上傳待處理音訊",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定輸出資料夾",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理時間(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和處理數據使用的CPU進程數",
|
||||
"数据切分": "數據切分",
|
||||
"无法停止": "無法停止",
|
||||
"无法读取音频：%s": "無法读取音頻：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否僅保存最新的ckpt檔案以節省硬碟空間",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存時間點將最終小模型保存至weights檔夾",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否緩存所有訓練集至 VRAM。小於10分鐘的小數據可緩存以加速訓練，大數據緩存會爆 VRAM 也加不了多少速度",
|
||||
"显卡信息": "顯示卡資訊",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预訓練模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预訓練模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置檔案，正在使用内置預設配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未偵測到可用顯示卡，将使用CPU訓練，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本軟體以MIT協議開源，作者不對軟體具備任何控制力，使用軟體者、傳播軟體導出的聲音者自負全責。<br>如不認可該條款，則不能使用或引用軟體包內任何程式碼和檔案。詳見根目錄<b>使用需遵守的協議-LICENSE.txt</b>。",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"检测到模型类型：%s": "偵測到模型类型：%s",
|
||||
"检索特征占比": "檢索特徵佔比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型資訊：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(輸入logs資料夾下大檔案模型路徑)，適用於訓一半不想訓了模型沒有自動提取儲存小檔案模型，或者想測試中間模型的情況",
|
||||
"模型是否带音高指导": "模型是否帶音高指導",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否帶音高指導（唱歌一定要，語音可以不要）",
|
||||
"模型是否带音高指导,1是0否": "模型是否帶音高指導，1是0否",
|
||||
"模型版本型号": "模型版本型號",
|
||||
"模型融合, 可用于测试音色融合": "模型融合，可用於測試音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失敗：两个模型的结构不一致",
|
||||
"模型训练": "模型訓練",
|
||||
"模型路径": "模型路徑",
|
||||
"正在保存最终检查点：%s": "正在儲存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在儲存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在載入RMVPE模型",
|
||||
"正在加载模型": "正在載入模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出長度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特徵",
|
||||
"特征提取": "特徵提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预訓練模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
|
||||
"目标采样率": "目標取樣率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待輸入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引無效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失敗",
|
||||
"索引检索失败或未启用": "索引检索失敗或未启用",
|
||||
"索引训练": "索引訓練",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特徵=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型資訊",
|
||||
"要置入的模型信息": "要置入的模型資訊",
|
||||
"训练": "訓練",
|
||||
"训练已完成，正在保存最终模型": "訓練已完成，正在儲存最终模型",
|
||||
"训练文件列表写入完成": "訓練檔案列表写入完成",
|
||||
"训练模型": "訓練模型",
|
||||
"训练特征索引": "訓練特徵索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "訓練设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "訓練輪次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音頻檔案",
|
||||
"请填写输出文件夹路径": "请填写輸出資料夾路径",
|
||||
"请指定说话人id": "請指定說話人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "請選擇說話人ID",
|
||||
"转换": "轉換",
|
||||
"输入实验名": "輸入實驗名稱",
|
||||
"输入待处理音频文件夹路径": "輸入待處理音頻資料夾路徑",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "輸入待處理音頻資料夾路徑(去檔案管理器地址欄拷貝即可)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "輸入待處理音頻檔案路徑（預設是正確格式示例）",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "輸入源音量包絡替換輸出音量包絡融合比例，越靠近1越使用輸出包絡",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "輸入訓練檔案夾路徑",
|
||||
"输入设备": "輸入設備",
|
||||
"输入设备：%s:%s": "輸入设备：%s:%s",
|
||||
"输入降噪": "輸入降噪",
|
||||
"输出信息": "輸出訊息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "輸出設備",
|
||||
"输出设备：%s:%s": "輸出设备：%s:%s",
|
||||
"输出降噪": "輸出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "輸出音頻(右下角三個點，點了可以下載)",
|
||||
"运行中": "运行中",
|
||||
"进度": "進度",
|
||||
"选择.index文件": "選擇 .index 檔案",
|
||||
"选择.pth文件": "選擇 .pth 檔案",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "選擇音高擷取演算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "取樣長度",
|
||||
"重载设备列表": "重載設備列表",
|
||||
"错误信息：%s": "錯誤資訊：%s",
|
||||
"错误：未知模型：%s": "錯誤：未知模型：%s",
|
||||
"音调设置": "音調設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音頻包含多个声道，但模型僅支援单声道，将对所有声道取平均值",
|
||||
"音频设备": "音訊設備",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部為0，该音頻無意义，跳過：%s",
|
||||
"音高算法": "音高演算法",
|
||||
"额外推理时长": "額外推理時長",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "資料切分沒有產生有效訓練音訊，請檢查訓練集和資料切分日誌",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "資料切分沒有產生16k音訊，已停止後續特徵提取和訓練",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "資料切分輸出檔案不匹配，已停止後續特徵提取和訓練",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特徵提取沒有產生有效結果，已停止訓練",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取沒有產生有效結果，已停止訓練",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "沒有可用於訓練的有效音訊，請先完成資料切分和特徵提取",
|
||||
"已完成阶段": "已完成階段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "重新整理音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特徵索引庫檔案路徑（選擇模型後自動配對，可手動修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引訓練] 外部索引連結已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引訓練][跳過] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引訓練][跳過] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "目前裝置：%s | 推論精度：%s",
|
||||
"正在预热CUDA Graph": "正在預熱 CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph 預熱完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "資料擷取開始：start_time=%.6f，請求並行數=%s，實際並行數上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "資料擷取結束：end_time=%.6f，總耗時=%.3f秒"
|
||||
}
|
||||
{
|
||||
"人声提取激进程度": "人聲提取激進程度",
|
||||
"%s → 成功": "%s → 成功",
|
||||
"%s运行中，请先停止该任务": "%s运行中，请先停止该任务",
|
||||
"%s进程已终止": "%s進程已终止",
|
||||
"====> 轮次：{} {}": "====> 輪次：{} {}",
|
||||
"A模型权重": "A模型權重",
|
||||
"A模型路径": "A模型路徑",
|
||||
"B模型路径": "B模型路徑",
|
||||
"CUDA可用：%s": "CUDA可用：%s",
|
||||
"E:\\语音音频+标注\\米津玄师\\src": "E:\\语音音频+标注\\米津玄师\\src",
|
||||
"F0与HuBERT特征提取": "F0與HuBERT特徵提取",
|
||||
"F0提取": "F0提取",
|
||||
"F0曲线文件, 可选, 一行一个音高, 代替默认F0及升降调": "F0曲線檔案，可選，一行一個音高，代替預設的F0及升降調",
|
||||
"HuBERT特征": "HuBERT特徵",
|
||||
"Index Rate": "Index Rate",
|
||||
"RVC模型路径": "RVC模型路径",
|
||||
"SOLA偏移：%d": "SOLA偏移：%d",
|
||||
"[F0提取] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[F0提取] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[F0提取] 待处理：%s": "[F0提取] 待处理：%s",
|
||||
"[F0提取] 无待处理音频，已全部跳过": "[F0提取] 無待处理音頻，已全部跳過",
|
||||
"[F0提取] 进度：%s/%s | 成功：%s | 跳过：%s | %s": "[F0提取] 進度：%s/%s | 成功：%s | 跳過：%s | %s",
|
||||
"[F0提取][失败] %s": "[F0提取][失敗] %s",
|
||||
"[F0提取][失败] %s\n%s": "[F0提取][失敗] %s\n%s",
|
||||
"[HuBERT特征] 完成 | 成功：%s | 跳过：%s | 失败：%s": "[HuBERT特徵] 完成 | 成功：%s | 跳過：%s | 失敗：%s",
|
||||
"[HuBERT特征] 无待处理音频，已全部跳过：%s": "[HuBERT特徵] 無待处理音頻，已全部跳過：%s",
|
||||
"[HuBERT特征] 正在加载模型：%s": "[HuBERT特徵] 正在載入模型：%s",
|
||||
"[HuBERT特征] 设备：%s | 待处理：%s | 已跳过：%s": "[HuBERT特徵] 设备：%s | 待处理：%s | 已跳過：%s",
|
||||
"[HuBERT特征] 进度：%s/%s | 成功：%s | 失败：%s | %s | %s": "[HuBERT特徵] 進度：%s/%s | 成功：%s | 失敗：%s | %s | %s",
|
||||
"[HuBERT特征][失败] %s\n%s": "[HuBERT特徵][失敗] %s\n%s",
|
||||
"[HuBERT特征][失败] %s 包含NaN": "[HuBERT特徵][失敗] %s 包含NaN",
|
||||
"[HuBERT特征][失败] 模型不存在：%s": "[HuBERT特徵][失敗] 模型不存在：%s",
|
||||
"[数据切分] 子任务完成 | 成功：%s | 失败：%s": "[數據切分] 子任务完成 | 成功：%s | 失敗：%s",
|
||||
"[数据切分] 完成": "[數據切分] 完成",
|
||||
"[数据切分] 开始": "[數據切分] 开始",
|
||||
"[数据切分] 待处理：%s | 进程数：%s": "[數據切分] 待处理：%s | 進程数：%s",
|
||||
"[数据切分] 进度：%s/%s | %s": "[數據切分] 進度：%s/%s | %s",
|
||||
"[数据切分][失败] %s": "[數據切分][失敗] %s",
|
||||
"[数据切分][失败] %s\n%s": "[數據切分][失敗] %s\n%s",
|
||||
"[数据切分][跳过] 无效或异常音频片段：%s_%s | 峰值：%s": "[數據切分][跳過] 無效或異常音頻片段：%s_%s | 峰值：%s",
|
||||
"[索引训练] 写入进度：%s/%s": "[索引訓練] 写入進度：%s/%s",
|
||||
"[索引训练] 已链接索引到外部目录：%s": "[索引訓練] 已連結索引到外部目录：%s",
|
||||
"[索引训练] 成功构建索引：%s": "[索引訓練] 成功构建索引：%s",
|
||||
"[索引训练] 正在写入特征向量": "[索引訓練] 正在写入特徵向量",
|
||||
"[索引训练] 正在将%s条特征聚类为10000个中心": "[索引訓練] 正在将%s條特徵聚类為10000个中心",
|
||||
"[索引训练] 正在训练索引": "[索引訓練] 正在訓練索引",
|
||||
"[索引训练] 特征形状：%s | IVF数量：%s": "[索引訓練] 特徵形状：%s | IVF數量：%s",
|
||||
"[索引训练][失败] 无法链接索引到外部目录：%s\n%s": "[索引訓練][失敗] 無法連結索引到外部目录：%s\n%s",
|
||||
"[索引训练][失败] 聚类失败，将使用原始特征继续\n%s": "[索引訓練][失敗] 聚类失敗，将使用原始特徵繼續\n%s",
|
||||
"[索引训练][失败] 请先进行特征提取": "[索引訓練][失敗] 请先進行特徵提取",
|
||||
"ckpt处理": "ckpt處理",
|
||||
"index文件路径不可包含中文": "index文件路径不可包含中文",
|
||||
"pth文件路径不可包含中文": "pth文件路径不可包含中文",
|
||||
"rmvpe卡号配置：以-分隔输入使用的不同进程卡号,例如0-0-1使用在卡0上跑2个进程并在卡1上跑1个进程": "rmvpe卡號配置：以-分隔輸入使用的不同進程卡號,例如0-0-1使用在卡0上跑2個進程並在卡1上跑1個進程",
|
||||
"step1: 填写实验配置. 实验数据放在logs下, 每个实验一个文件夹, 需手工输入实验名路径, 内含实验配置, 日志, 训练得到的模型文件. ": "step1：填寫實驗配置。實驗數據放在logs下，每個實驗一個資料夾，需手動輸入實驗名路徑，內含實驗配置、日誌、訓練得到的模型檔案。",
|
||||
"step1:正在处理数据": "step1:正在处理数据",
|
||||
"step2:正在提取音高&正在提取特征": "step2:正在提取音高&正在提取特征",
|
||||
"step2a: 自动遍历训练文件夹下所有可解码成音频的文件并进行切片归一化, 在实验目录下生成2个wav文件夹; 暂时只支持单人训练. ": "step2a：自動遍歷訓練資料夾下所有可解碼成音頻的檔案並進行切片歸一化，在實驗目錄下生成2個wav資料夾；暫時只支援單人訓練。",
|
||||
"step2b: 使用CPU提取音高(如果模型带音高), 使用GPU提取特征(选择卡号)": "步驟2b: 使用CPU提取音高(如果模型帶音高), 使用GPU提取特徵(選擇卡號)",
|
||||
"step3: 填写训练设置, 开始训练模型和索引": "步驟3: 填寫訓練設定, 開始訓練模型和索引",
|
||||
"step3a:正在训练模型": "step3a:正在训练模型",
|
||||
"step3b:正在训练索引": "step3b：正在訓練索引",
|
||||
"……仅显示最近10条失败记录": "……僅顯示最近10條失敗記錄",
|
||||
"……已省略前%s行，仅显示最新状态": "……已省略前%s行，僅顯示最新状态",
|
||||
"一键训练": "一鍵訓練",
|
||||
"也可批量输入音频文件, 二选一, 优先读文件夹": "也可批量输入音频文件, 二选一, 优先读文件夹",
|
||||
"仅支持pm和rmvpe音高提取算法": "僅支援pm和rmvpe音高提取算法",
|
||||
"从训练检查点提取的模型": "从訓練检查点提取的模型",
|
||||
"以-分隔输入使用的卡号, 例如 0-1-2 使用卡0和卡1和卡2": "以-分隔輸入使用的卡號, 例如 0-1-2 使用卡0和卡1和卡2",
|
||||
"任务": "任务",
|
||||
"使用显卡：%s": "使用顯示卡：%s",
|
||||
"使用模型采样率": "使用模型采样率",
|
||||
"使用设备采样率": "使用设备采样率",
|
||||
"保存名": "儲存名",
|
||||
"保存的文件名, 默认空为和源文件同名": "儲存的檔案名，預設空為與來源檔案同名",
|
||||
"保存的模型名不带后缀": "儲存的模型名不帶副檔名",
|
||||
"保存频率save_every_epoch": "保存頻率save_every_epoch",
|
||||
"保护清辅音和呼吸声，防止电音撕裂等artifact，拉满0.5不开启，调低加大保护力度但可能降低索引效果": "保護清輔音和呼吸聲，防止電音撕裂等artifact，拉滿0.5不開啟，調低加大保護力度但可能降低索引效果",
|
||||
"修改": "修改",
|
||||
"修改模型信息(仅支持weights文件夹下提取的小模型文件)": "修改模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"停止一键训练": "停止一鍵訓練",
|
||||
"停止处理数据": "停止處理資料",
|
||||
"停止特征提取": "停止特徵擷取",
|
||||
"停止训练模型": "停止訓練模型",
|
||||
"停止训练索引": "停止訓練索引",
|
||||
"停止音频转换": "停止音訊轉換",
|
||||
"全流程结束！": "全流程结束！",
|
||||
"判别器预训练模型不存在，将不使用：assets/pretrained%s/%sD%s.pth": "判别器预訓練模型不存在，将不使用：assets/pretrained%s/%sD%s.pth",
|
||||
"加载模型": "載入模型",
|
||||
"加载预训练底模D路径": "加載預訓練底模D路徑",
|
||||
"加载预训练底模G路径": "加載預訓練底模G路徑",
|
||||
"单次推理": "单次推理",
|
||||
"卸载音色省显存": "卸載音色節省 VRAM",
|
||||
"变调(整数, 半音数量, 升八度12降八度-12)": "變調(整數、半音數量、升八度12降八度-12)",
|
||||
"合成": "合成",
|
||||
"后处理重采样至最终采样率，0为不进行重采样": "後處理重採樣至最終採樣率，0為不進行重採樣",
|
||||
"否": "否",
|
||||
"响应阈值": "響應閾值",
|
||||
"响度因子": "響度因子",
|
||||
"处理中": "處理中",
|
||||
"处理数据": "處理資料",
|
||||
"失败": "失敗",
|
||||
"失败记录": "失敗記錄",
|
||||
"子进程执行失败，返回码：%s": "子進程执行失敗，返回码：%s",
|
||||
"导出文件格式": "導出檔格式",
|
||||
"已停止": "已停止",
|
||||
"已加载判别器预训练模型：%s": "已載入判别器预訓練模型：%s",
|
||||
"已加载生成器预训练模型：%s": "已載入生成器预訓練模型：%s",
|
||||
"已启用索引检索": "已启用索引检索",
|
||||
"已完成": "已完成",
|
||||
"已恢复判别器检查点": "已恢复判别器检查点",
|
||||
"常见问题解答": "常見問題解答",
|
||||
"常规设置": "一般設定",
|
||||
"开始音频转换": "開始音訊轉換",
|
||||
"当前": "目前",
|
||||
"当前阶段": "目前阶段",
|
||||
"很遗憾您这没有能用的显卡来支持您训练": "很遗憾您这没有能用的显卡来支持您训练",
|
||||
"性别因子/声线粗细": "性別因子／聲線粗細",
|
||||
"性能设置": "效能設定",
|
||||
"总训练轮数total_epoch": "總訓練輪數total_epoch",
|
||||
"成功": "成功",
|
||||
"执行命令": "执行命令",
|
||||
"批量推理": "批量推理",
|
||||
"批量转换, 输入待转换音频文件夹, 或上传多个音频文件, 在指定文件夹(默认opt)下输出转换的音频. ": "批量轉換，輸入待轉換音頻資料夾，或上傳多個音頻檔案，在指定資料夾(默認opt)下輸出轉換的音頻。",
|
||||
"拖拽或点击上传待处理音频": "拖放或點擊上傳待處理音訊",
|
||||
"指定输出主人声文件夹": "指定输出主人声文件夹",
|
||||
"指定输出文件夹": "指定輸出資料夾",
|
||||
"指定输出非主人声文件夹": "指定输出非主人声文件夹",
|
||||
"推理时间(ms):": "推理時間(ms):",
|
||||
"推理耗时：%.2f秒": "推理耗时：%.2f秒",
|
||||
"推理音色": "推理音色",
|
||||
"提取": "提取",
|
||||
"提取音高和处理数据使用的CPU进程数": "提取音高和處理數據使用的CPU進程數",
|
||||
"数据切分": "數據切分",
|
||||
"无法停止": "無法停止",
|
||||
"无法读取音频：%s": "無法读取音頻：%s",
|
||||
"是": "是",
|
||||
"是否仅保存最新的ckpt文件以节省硬盘空间": "是否僅保存最新的ckpt檔案以節省硬碟空間",
|
||||
"是否在每次保存时间点将最终小模型保存至weights文件夹": "是否在每次保存時間點將最終小模型保存至weights檔夾",
|
||||
"是否缓存所有训练集至显存. 10min以下小数据可缓存以加速训练, 大数据缓存会炸显存也加不了多少速": "是否緩存所有訓練集至 VRAM。小於10分鐘的小數據可緩存以加速訓練，大數據緩存會爆 VRAM 也加不了多少速度",
|
||||
"显卡信息": "顯示卡資訊",
|
||||
"未使用": "未使用",
|
||||
"未使用判别器预训练模型": "未使用判别器预訓練模型",
|
||||
"未使用生成器预训练模型": "未使用生成器预訓練模型",
|
||||
"未找到Roformer模型配置文件，正在使用内置默认配置": "未找到Roformer模型配置檔案，正在使用内置預設配置",
|
||||
"未检测到可用显卡，将使用CPU训练，耗时可能较长": "未偵測到可用顯示卡，将使用CPU訓練，耗时可能较长",
|
||||
"未运行": "未运行",
|
||||
"本软件以MIT协议开源, 作者不对软件具备任何控制力, 使用软件者、传播软件导出的声音者自负全责. <br>如不认可该条款, 则不能使用或引用软件包内任何代码和文件. 详见根目录<b>LICENSE</b>.": "本軟體以MIT協議開源，作者不對軟體具備任何控制力，使用軟體者、傳播軟體導出的聲音者自負全責。<br>如不認可該條款，則不能使用或引用軟體包內任何程式碼和檔案。詳見根目錄<b>使用需遵守的協議-LICENSE.txt</b>。",
|
||||
"查看": "查看",
|
||||
"查看模型信息(仅支持weights文件夹下提取的小模型文件)": "查看模型資訊(僅支援weights資料夾下提取的小模型檔案)",
|
||||
"检测到模型类型：%s": "偵測到模型类型：%s",
|
||||
"检索特征占比": "檢索特徵佔比",
|
||||
"模型": "模型",
|
||||
"模型信息：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s": "模型資訊：%s\n采样率：%s\n是否使用音高引导：%s\n版本：%s",
|
||||
"模型推理": "模型推理",
|
||||
"模型提取(输入logs文件夹下大文件模型路径),适用于训一半不想训了模型没有自动提取保存小文件模型,或者想测试中间模型的情况": "模型提取(輸入logs資料夾下大檔案模型路徑)，適用於訓一半不想訓了模型沒有自動提取儲存小檔案模型，或者想測試中間模型的情況",
|
||||
"模型是否带音高指导": "模型是否帶音高指導",
|
||||
"模型是否带音高指导(唱歌一定要, 语音可以不要)": "模型是否帶音高指導（唱歌一定要，語音可以不要）",
|
||||
"模型是否带音高指导,1是0否": "模型是否帶音高指導，1是0否",
|
||||
"模型版本型号": "模型版本型號",
|
||||
"模型融合, 可用于测试音色融合": "模型融合，可用於測試音色融合",
|
||||
"模型融合失败：两个模型的结构不一致": "模型融合失敗：两个模型的结构不一致",
|
||||
"模型训练": "模型訓練",
|
||||
"模型路径": "模型路徑",
|
||||
"正在保存最终检查点：%s": "正在儲存最终检查点：%s",
|
||||
"正在保存检查点 %s_e%s：%s": "正在儲存检查点 %s_e%s：%s",
|
||||
"正在加载RMVPE模型": "正在載入RMVPE模型",
|
||||
"正在加载模型": "正在載入模型",
|
||||
"正在启动": "正在启动",
|
||||
"正在收尾": "正在收尾",
|
||||
"每张显卡的batch_size": "每张显卡的batch_size",
|
||||
"淡入淡出长度": "淡入淡出長度",
|
||||
"清理模型缓存": "清理模型缓存",
|
||||
"版本": "版本",
|
||||
"特征": "特徵",
|
||||
"特征提取": "特徵提取",
|
||||
"状态": "状态",
|
||||
"独占 WASAPI 设备": "独占 WASAPI 设备",
|
||||
"生成器预训练模型不存在，将不使用：assets/pretrained%s/%sG%s.pth": "生成器预訓練模型不存在，将不使用：assets/pretrained%s/%sG%s.pth",
|
||||
"男转女推荐+12key, 女转男推荐-12key, 如果音域爆炸导致音色失真也可以自己调整到合适音域. ": "男性轉女性推薦+12key，女性轉男性推薦-12key，如果音域爆炸導致音色失真也可以自己調整到合適音域。",
|
||||
"目标采样率": "目標取樣率",
|
||||
"等待中": "等待中",
|
||||
"等待输入": "等待輸入",
|
||||
"算法延迟(ms):": "算法延迟(ms):",
|
||||
"索引": "索引",
|
||||
"索引无效：必须使用added_xxxx.index，不能使用trained_xxxx.index": "索引無效：必须使用added_xxxx.index，不能使用trained_xxxx.index",
|
||||
"索引检索失败": "索引检索失敗",
|
||||
"索引检索失败或未启用": "索引检索失敗或未启用",
|
||||
"索引训练": "索引訓練",
|
||||
"耗时": "耗时",
|
||||
"耗时：特征=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒": "耗时：特徵=%.3f秒，索引=%.3f秒，音高=%.3f秒，模型=%.3f秒",
|
||||
"融合": "融合",
|
||||
"要改的模型信息": "要改的模型資訊",
|
||||
"要置入的模型信息": "要置入的模型資訊",
|
||||
"训练": "訓練",
|
||||
"训练已完成，正在保存最终模型": "訓練已完成，正在儲存最终模型",
|
||||
"训练文件列表写入完成": "訓練檔案列表写入完成",
|
||||
"训练模型": "訓練模型",
|
||||
"训练特征索引": "訓練特徵索引",
|
||||
"训练结束, 您可查看控制台训练日志或实验文件夹下的train.log": "训练结束, 您可查看控制台训练日志或实验文件夹下的train.log",
|
||||
"训练设备规则选择的精度：%s": "訓練设备规则选择的精度：%s",
|
||||
"训练轮次：{} [{:.0f}%]": "訓練輪次：{} [{:.0f}%]",
|
||||
"设备类型": "设备类型",
|
||||
"请上传音频文件": "请上传音頻檔案",
|
||||
"请填写输出文件夹路径": "请填写輸出資料夾路径",
|
||||
"请指定说话人id": "請指定說話人id",
|
||||
"请选择index文件": "请选择index文件",
|
||||
"请选择pth文件": "请选择pth文件",
|
||||
"请选择说话人id": "請選擇說話人ID",
|
||||
"转换": "轉換",
|
||||
"输入实验名": "輸入實驗名稱",
|
||||
"输入待处理音频文件夹路径": "輸入待處理音頻資料夾路徑",
|
||||
"输入待处理音频文件夹路径(去文件管理器地址栏拷就行了)": "輸入待處理音頻資料夾路徑(去檔案管理器地址欄拷貝即可)",
|
||||
"输入待处理音频文件路径(默认是正确格式示例)": "輸入待處理音頻檔案路徑（預設是正確格式示例）",
|
||||
"输入源音量包络替换输出音量包络融合比例，越靠近1越使用输出包络": "輸入源音量包絡替換輸出音量包絡融合比例，越靠近1越使用輸出包絡",
|
||||
"输入监听": "输入监听",
|
||||
"输入训练文件夹路径": "輸入訓練檔案夾路徑",
|
||||
"输入设备": "輸入設備",
|
||||
"输入设备：%s:%s": "輸入设备：%s:%s",
|
||||
"输入降噪": "輸入降噪",
|
||||
"输出信息": "輸出訊息",
|
||||
"输出变声": "输出变声",
|
||||
"输出设备": "輸出設備",
|
||||
"输出设备：%s:%s": "輸出设备：%s:%s",
|
||||
"输出降噪": "輸出降噪",
|
||||
"输出音频(右下角三个点,点了可以下载)": "輸出音頻(右下角三個點，點了可以下載)",
|
||||
"运行中": "运行中",
|
||||
"进度": "進度",
|
||||
"选择.index文件": "選擇 .index 檔案",
|
||||
"选择.pth文件": "選擇 .pth 檔案",
|
||||
"选择模型": "选择模型",
|
||||
"选择索引": "选择索引",
|
||||
"选择音高提取算法": "選擇音高擷取演算法",
|
||||
"采样率:": "采样率:",
|
||||
"采样长度": "取樣長度",
|
||||
"重载设备列表": "重載設備列表",
|
||||
"错误信息：%s": "錯誤資訊：%s",
|
||||
"错误：未知模型：%s": "錯誤：未知模型：%s",
|
||||
"音调设置": "音調設定",
|
||||
"音频包含多个声道，但模型仅支持单声道，将对所有声道取平均值": "音頻包含多个声道，但模型僅支援单声道，将对所有声道取平均值",
|
||||
"音频设备": "音訊設備",
|
||||
"音高全部为0，该音频无意义，跳过：%s": "音高全部為0，该音頻無意义，跳過：%s",
|
||||
"音高算法": "音高演算法",
|
||||
"额外推理时长": "額外推理時長",
|
||||
"数据切分没有生成有效训练音频，请检查训练集和数据切分日志": "資料切分沒有產生有效訓練音訊，請檢查訓練集和資料切分日誌",
|
||||
"数据切分没有生成16k音频，已停止后续特征提取和训练": "資料切分沒有產生16k音訊，已停止後續特徵提取和訓練",
|
||||
"数据切分输出文件不匹配，已停止后续特征提取和训练": "資料切分輸出檔案不匹配，已停止後續特徵提取和訓練",
|
||||
"HuBERT特征提取没有生成有效结果，已停止训练": "HuBERT特徵提取沒有產生有效結果，已停止訓練",
|
||||
"F0提取没有生成有效结果，已停止训练": "F0提取沒有產生有效結果，已停止訓練",
|
||||
"没有可用于训练的有效音频，请先完成数据切分和特征提取": "沒有可用於訓練的有效音訊，請先完成資料切分和特徵提取",
|
||||
"已完成阶段": "已完成階段",
|
||||
"已成功": "已成功",
|
||||
"刷新音色列表": "重新整理音色列表",
|
||||
"特征检索库文件路径（选择模型后自动匹配，可手动修改）": "特徵索引庫檔案路徑（選擇模型後自動配對，可手動修改）",
|
||||
"[索引训练] 外部索引链接已存在：%s": "[索引訓練] 外部索引連結已存在：%s",
|
||||
"[索引训练][跳过] added索引已存在：%s": "[索引訓練][跳過] added索引已存在：%s",
|
||||
"[索引训练][跳过] trained索引已存在：%s": "[索引訓練][跳過] trained索引已存在：%s",
|
||||
"当前设备：%s | 推理精度：%s": "目前裝置：%s | 推論精度：%s",
|
||||
"正在预热CUDA Graph": "正在預熱 CUDA Graph",
|
||||
"CUDA Graph预热完成": "CUDA Graph 預熱完成",
|
||||
"数据提取开始：start_time=%.6f，请求并行数=%s，实际并行数上限=%s": "資料擷取開始：start_time=%.6f，請求並行數=%s，實際並行數上限=%s",
|
||||
"数据提取结束：end_time=%.6f，总耗时=%.3f秒": "資料擷取結束：end_time=%.6f，總耗時=%.3f秒",
|
||||
"人声伴奏分离&去混响": "人聲伴奏分離&去混響",
|
||||
"人声、伴奏与混响批量处理，使用pymss/MSST模型。": "使用 pymss/MSST 模型批次處理人聲、伴奏與混響。",
|
||||
"处理方式": "處理方式",
|
||||
"底层模型": "底層模型",
|
||||
"主结果文件夹": "主要結果資料夾",
|
||||
"分离残余文件夹": "分離殘餘資料夾",
|
||||
"停止分离": "停止分離"
|
||||
}
|
||||
|
||||
@@ -675,6 +675,8 @@ if __name__ == "__main__":
|
||||
).to(self.config.device)
|
||||
else:
|
||||
self.resampler2 = None
|
||||
# Bundled torch.istft is not CUDA Graph-capturable, so TorchGate
|
||||
# stays eager while resampling and RVC inference still use graphs.
|
||||
self.tg = TorchGate(
|
||||
sr=self.gui_config.samplerate, n_fft=4 * self.zc, prop_decrease=0.9
|
||||
).to(self.config.device)
|
||||
@@ -697,15 +699,7 @@ if __name__ == "__main__":
|
||||
short = self.input_wav[
|
||||
-self.sola_buffer_frame - self.block_frame :
|
||||
].unsqueeze(0)
|
||||
run_cuda_graph(
|
||||
self.tg,
|
||||
"realtime-input-noise-reduction",
|
||||
lambda short_audio, full_audio: self.tg(
|
||||
short_audio, full_audio
|
||||
),
|
||||
short,
|
||||
self.input_wav.unsqueeze(0),
|
||||
)
|
||||
self.tg(short, self.input_wav.unsqueeze(0))
|
||||
|
||||
resample_input = self.input_wav[-self.block_frame - 2 * self.zc :]
|
||||
run_cuda_graph(
|
||||
@@ -730,15 +724,7 @@ if __name__ == "__main__":
|
||||
inferred,
|
||||
)
|
||||
if self.gui_config.O_noise_reduce:
|
||||
run_cuda_graph(
|
||||
self.tg,
|
||||
"realtime-output-noise-reduction",
|
||||
lambda short_audio, full_audio: self.tg(
|
||||
short_audio, full_audio
|
||||
),
|
||||
inferred.unsqueeze(0),
|
||||
self.output_buffer.unsqueeze(0),
|
||||
)
|
||||
self.tg(inferred.unsqueeze(0), self.output_buffer.unsqueeze(0))
|
||||
torch.cuda.synchronize(self.config.device)
|
||||
printt(i18n("CUDA Graph预热完成"))
|
||||
except Exception:
|
||||
@@ -817,16 +803,12 @@ if __name__ == "__main__":
|
||||
].clone()
|
||||
# input noise reduction and resampling
|
||||
if self.gui_config.I_noise_reduce:
|
||||
self.input_wav_denoise[: -self.block_frame] = self.input_wav_denoise[
|
||||
self.block_frame :
|
||||
].clone()
|
||||
input_wav = self.input_wav[-self.sola_buffer_frame - self.block_frame :]
|
||||
input_wav = run_cuda_graph(
|
||||
self.tg,
|
||||
"realtime-input-noise-reduction",
|
||||
lambda short, full: self.tg(short, full),
|
||||
input_wav.unsqueeze(0),
|
||||
self.input_wav.unsqueeze(0),
|
||||
self.input_wav_denoise[: -self.block_frame] = self.input_wav_denoise[
|
||||
self.block_frame :
|
||||
].clone()
|
||||
input_wav = self.input_wav[-self.sola_buffer_frame - self.block_frame :]
|
||||
input_wav = self.tg(
|
||||
input_wav.unsqueeze(0), self.input_wav.unsqueeze(0)
|
||||
).squeeze(0)
|
||||
input_wav[: self.sola_buffer_frame] *= self.fade_in_window
|
||||
input_wav[: self.sola_buffer_frame] += (
|
||||
@@ -875,16 +857,12 @@ if __name__ == "__main__":
|
||||
infer_wav = self.input_wav[self.extra_frame :].clone()
|
||||
# output noise reduction
|
||||
if self.gui_config.O_noise_reduce and self.function == "vc":
|
||||
self.output_buffer[: -self.block_frame] = self.output_buffer[
|
||||
self.block_frame :
|
||||
].clone()
|
||||
self.output_buffer[-self.block_frame :] = infer_wav[-self.block_frame :]
|
||||
infer_wav = run_cuda_graph(
|
||||
self.tg,
|
||||
"realtime-output-noise-reduction",
|
||||
lambda short, full: self.tg(short, full),
|
||||
infer_wav.unsqueeze(0),
|
||||
self.output_buffer.unsqueeze(0),
|
||||
self.output_buffer[: -self.block_frame] = self.output_buffer[
|
||||
self.block_frame :
|
||||
].clone()
|
||||
self.output_buffer[-self.block_frame :] = infer_wav[-self.block_frame :]
|
||||
infer_wav = self.tg(
|
||||
infer_wav.unsqueeze(0), self.output_buffer.unsqueeze(0)
|
||||
).squeeze(0)
|
||||
# volume envelop mixing
|
||||
if self.gui_config.rms_mix_rate < 1 and self.function == "vc":
|
||||
|
||||
71
tools/process_utils.py
Normal file
71
tools/process_utils.py
Normal file
@@ -0,0 +1,71 @@
|
||||
import logging
|
||||
import os
|
||||
import signal
|
||||
import subprocess
|
||||
import time
|
||||
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
|
||||
def kill_process_tree(process, process_name="", task_logger=None):
|
||||
"""Terminate a Popen process and every child process it created."""
|
||||
if process is None:
|
||||
return False
|
||||
try:
|
||||
if process.poll() is not None:
|
||||
return False
|
||||
except (OSError, ProcessLookupError):
|
||||
return False
|
||||
|
||||
pid = process.pid
|
||||
if os.name == "nt":
|
||||
try:
|
||||
subprocess.run(
|
||||
["taskkill", "/t", "/f", "/pid", str(pid)],
|
||||
stdout=subprocess.DEVNULL,
|
||||
stderr=subprocess.DEVNULL,
|
||||
check=False,
|
||||
)
|
||||
except OSError:
|
||||
try:
|
||||
process.terminate()
|
||||
except (OSError, ProcessLookupError):
|
||||
pass
|
||||
else:
|
||||
try:
|
||||
process_group = os.getpgid(pid)
|
||||
except (OSError, ProcessLookupError):
|
||||
process_group = None
|
||||
try:
|
||||
if process_group is not None and process_group != os.getpgrp():
|
||||
os.killpg(process_group, signal.SIGTERM)
|
||||
else:
|
||||
os.kill(pid, signal.SIGTERM)
|
||||
except (OSError, ProcessLookupError):
|
||||
pass
|
||||
|
||||
for _ in range(10):
|
||||
if process.poll() is not None:
|
||||
break
|
||||
time.sleep(0.1)
|
||||
if process.poll() is None:
|
||||
try:
|
||||
if process_group is not None and process_group != os.getpgrp():
|
||||
os.killpg(process_group, signal.SIGKILL)
|
||||
else:
|
||||
os.kill(pid, signal.SIGKILL)
|
||||
except (OSError, ProcessLookupError):
|
||||
pass
|
||||
|
||||
try:
|
||||
process.wait(timeout=5)
|
||||
except (OSError, ProcessLookupError, subprocess.TimeoutExpired):
|
||||
try:
|
||||
process.kill()
|
||||
except (OSError, ProcessLookupError):
|
||||
pass
|
||||
|
||||
log = task_logger or logger
|
||||
log.info("%s process tree terminated (pid=%s)", process_name or "Child", pid)
|
||||
return True
|
||||
21
tools/pymss/LICENSE
Normal file
21
tools/pymss/LICENSE
Normal file
@@ -0,0 +1,21 @@
|
||||
MIT License
|
||||
|
||||
Copyright (c) 2025 KitsuneX07
|
||||
|
||||
Permission is hereby granted, free of charge, to any person obtaining a copy
|
||||
of this software and associated documentation files (the "Software"), to deal
|
||||
in the Software without restriction, including without limitation the rights
|
||||
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
|
||||
copies of the Software, and to permit persons to whom the Software is
|
||||
furnished to do so, subject to the following conditions:
|
||||
|
||||
The above copyright notice and this permission notice shall be included in all
|
||||
copies or substantial portions of the Software.
|
||||
|
||||
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
|
||||
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
|
||||
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
|
||||
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
|
||||
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
|
||||
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
|
||||
SOFTWARE.
|
||||
68
tools/pymss/__init__.py
Normal file
68
tools/pymss/__init__.py
Normal file
@@ -0,0 +1,68 @@
|
||||
"""Public Python API for pymss.
|
||||
|
||||
pymss provides model catalog helpers, model downloading, audio I/O, ensemble
|
||||
utilities, logging helpers, and the ``MSSeparator`` runtime for music source
|
||||
separation. Most users can import from this top-level package instead of
|
||||
importing submodules directly.
|
||||
|
||||
Exports:
|
||||
MSSeparator: Main runtime class for loading separation models and producing
|
||||
stems. Prefer ``MSSeparator.from_model_name(...)`` for catalog models.
|
||||
get_separation_logger: Create or reuse the package logger.
|
||||
create_separator: Create ``MSSeparator`` from a catalog model name.
|
||||
get_model_entry: Resolve catalog metadata for one model name or alias.
|
||||
list_models: List model catalog entries.
|
||||
resolve_model: Resolve catalog model paths without constructing a
|
||||
separator.
|
||||
download_model: Download all files required by one catalog model.
|
||||
ensemble_audios: Load and combine multiple audio files.
|
||||
save_ensemble_audio: Ensemble multiple audio files and save the result.
|
||||
WorkflowRunner: Run a multi-model audio workflow.
|
||||
load_audio: Load an audio file into a NumPy array.
|
||||
save_audio: Save a NumPy audio array to wav/flac/mp3/m4a.
|
||||
|
||||
Example:
|
||||
>>> from pymss import MSSeparator
|
||||
>>> separator = MSSeparator.from_model_name(
|
||||
... "bs_roformer_voc_hyperacev2",
|
||||
... download=True,
|
||||
... model_dir="models",
|
||||
... )
|
||||
>>> separator.process_folder("song.wav")
|
||||
|
||||
Example:
|
||||
>>> from pymss import download_model, list_models
|
||||
>>> models = list_models(supported=True)
|
||||
>>> download_model(models[0].name, model_dir="models")
|
||||
|
||||
Example:
|
||||
>>> from pymss import ensemble_audios, save_ensemble_audio
|
||||
>>> audio, sample_rate = ensemble_audios(["a.wav", "b.wav"], weights=[1, 1])
|
||||
>>> save_ensemble_audio(["a.wav", "b.wav"], "ensemble.wav")
|
||||
"""
|
||||
|
||||
from .separator import MSSeparator
|
||||
from .logger import get_separation_logger
|
||||
from .model_registry import create_separator, get_model_entry, list_models, resolve_model
|
||||
from .model_download import download_model
|
||||
from .ensemble import ensemble_audios, save_ensemble_audio
|
||||
from .audio_io import load_audio, save_audio
|
||||
from .workflow import WorkflowRunner, load_workflow_file, run_workflow_file, validate_workflow
|
||||
|
||||
__all__ = (
|
||||
"MSSeparator",
|
||||
"get_separation_logger",
|
||||
"create_separator",
|
||||
"get_model_entry",
|
||||
"list_models",
|
||||
"resolve_model",
|
||||
"download_model",
|
||||
"ensemble_audios",
|
||||
"save_ensemble_audio",
|
||||
"WorkflowRunner",
|
||||
"load_workflow_file",
|
||||
"run_workflow_file",
|
||||
"validate_workflow",
|
||||
"load_audio",
|
||||
"save_audio",
|
||||
)
|
||||
280
tools/pymss/audio_io.py
Normal file
280
tools/pymss/audio_io.py
Normal file
@@ -0,0 +1,280 @@
|
||||
import json
|
||||
import subprocess
|
||||
|
||||
import av
|
||||
import numpy as np
|
||||
|
||||
|
||||
def _frame_to_audio(frame, mono):
|
||||
"""Implement the frame to audio helper.
|
||||
|
||||
Args:
|
||||
frame (Any): Frame value.
|
||||
mono (bool): Mono value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
audio = frame.to_ndarray()
|
||||
audio = audio[None, :] if audio.ndim == 1 else audio
|
||||
return (audio.mean(axis=0, keepdims=True) if mono and audio.shape[0] > 1 else audio).astype(np.float32, copy=False)
|
||||
|
||||
|
||||
def _ffmpeg_audio_stream_info(path):
|
||||
"""Return basic audio stream information from ffprobe."""
|
||||
command = [
|
||||
"ffprobe",
|
||||
"-v",
|
||||
"error",
|
||||
"-select_streams",
|
||||
"a:0",
|
||||
"-show_entries",
|
||||
"stream=sample_rate,channels",
|
||||
"-of",
|
||||
"json",
|
||||
str(path),
|
||||
]
|
||||
result = subprocess.run(command, check=True, capture_output=True, text=True)
|
||||
streams = json.loads(result.stdout or "{}").get("streams") or []
|
||||
if not streams:
|
||||
raise ValueError(f"No audio stream found in {path!s}.")
|
||||
stream = streams[0]
|
||||
return int(stream["sample_rate"]), int(stream["channels"])
|
||||
|
||||
|
||||
def _load_audio_ffmpeg(path, sr=None, mono=False, offset=0.0, duration=None):
|
||||
"""Load audio through the ffmpeg CLI as a fallback for damaged streams."""
|
||||
source_rate, source_channels = _ffmpeg_audio_stream_info(path)
|
||||
out_rate = int(sr or source_rate)
|
||||
channels = 1 if mono else source_channels
|
||||
command = ["ffmpeg", "-nostdin", "-v", "error"]
|
||||
if offset:
|
||||
command += ["-ss", str(float(offset))]
|
||||
command += ["-i", str(path), "-map", "0:a:0", "-vn"]
|
||||
if duration is not None:
|
||||
command += ["-t", str(float(duration))]
|
||||
command += ["-f", "f32le", "-acodec", "pcm_f32le", "-ar", str(out_rate), "-ac", str(channels), "-"]
|
||||
result = subprocess.run(command, check=True, capture_output=True)
|
||||
audio = np.frombuffer(result.stdout, dtype="<f4")
|
||||
complete_samples = audio.size // channels
|
||||
audio = audio[: complete_samples * channels]
|
||||
audio = audio.reshape(complete_samples, channels).T
|
||||
audio = np.ascontiguousarray(audio.astype(np.float32, copy=False))
|
||||
return (audio[0] if mono or channels == 1 else audio), out_rate
|
||||
|
||||
|
||||
def _load_audio_librosa(path, sr=None, mono=False, offset=0.0, duration=None):
|
||||
"""Load audio through librosa as a fallback before the ffmpeg CLI."""
|
||||
import librosa
|
||||
|
||||
audio, out_rate = librosa.load(
|
||||
path,
|
||||
sr=sr,
|
||||
mono=mono,
|
||||
offset=float(offset or 0.0),
|
||||
duration=None if duration is None else float(duration),
|
||||
dtype=np.float32,
|
||||
)
|
||||
audio = np.ascontiguousarray(np.asarray(audio, dtype=np.float32))
|
||||
return (audio[0] if audio.ndim > 1 and (mono or audio.shape[0] == 1) else audio), int(out_rate)
|
||||
|
||||
|
||||
def _load_audio_av(path, sr=None, mono=False, offset=0.0, duration=None):
|
||||
"""Load audio through PyAV."""
|
||||
chunks = []
|
||||
out_rate = None
|
||||
with av.open(path) as container:
|
||||
stream = container.streams.audio[0]
|
||||
out_rate = int(sr or stream.rate)
|
||||
resampler = None
|
||||
stop_samples = None if duration is None else int(round((offset + duration) * out_rate))
|
||||
decoded = 0
|
||||
|
||||
for frame in container.decode(stream):
|
||||
if resampler is None:
|
||||
resampler = av.AudioResampler(format="fltp", layout=frame.layout.name, rate=out_rate)
|
||||
|
||||
for out in resampler.resample(frame):
|
||||
chunks.append(audio := _frame_to_audio(out, mono))
|
||||
decoded += audio.shape[-1]
|
||||
if stop_samples is not None and decoded >= stop_samples:
|
||||
break
|
||||
|
||||
if resampler is not None:
|
||||
for out in resampler.resample(None):
|
||||
chunks.append(_frame_to_audio(out, mono))
|
||||
|
||||
start = int(round(offset * out_rate))
|
||||
stop = None if duration is None else start + int(round(duration * out_rate))
|
||||
channels = 1 if mono else 0
|
||||
audio = np.ascontiguousarray(
|
||||
(np.concatenate(chunks, axis=-1) if chunks else np.empty((channels, 0), dtype=np.float32))[..., start:stop]
|
||||
)
|
||||
return (audio[0] if mono or audio.shape[0] == 1 else audio), out_rate
|
||||
|
||||
|
||||
def load_audio(path, sr=None, mono=False, offset=0.0, duration=None):
|
||||
"""Load an audio file as float32 NumPy samples.
|
||||
|
||||
Audio decoding is attempted in this order: PyAV, librosa, then the
|
||||
ffmpeg CLI fallback. Stereo or multi-channel output is returned
|
||||
channel-first as ``(channels, samples)``. Mono output is returned as a
|
||||
one-dimensional array.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): Input audio file path. Any format supported
|
||||
by the local FFmpeg/PyAV build can be decoded.
|
||||
sr (int | None, optional): Target sample rate. ``None`` keeps the
|
||||
source stream sample rate. Defaults to None.
|
||||
mono (bool, optional): Whether to downmix multi-channel audio to mono.
|
||||
Defaults to False.
|
||||
offset (float, optional): Start offset in seconds. Defaults to 0.0.
|
||||
duration (float | None, optional): Maximum duration to return in
|
||||
seconds after ``offset``. ``None`` reads to the end. Defaults to
|
||||
None.
|
||||
|
||||
Returns:
|
||||
tuple[np.ndarray, int]: Audio samples and sample rate. The array is
|
||||
channel-first for multi-channel audio and one-dimensional for mono
|
||||
output.
|
||||
|
||||
Example:
|
||||
>>> from pymss import load_audio
|
||||
>>> audio, sample_rate = load_audio("song.wav", sr=44100)
|
||||
>>> sample_rate
|
||||
44100
|
||||
|
||||
Example:
|
||||
>>> clip, sample_rate = load_audio(
|
||||
... "song.wav",
|
||||
... mono=True,
|
||||
... offset=30.0,
|
||||
... duration=10.0,
|
||||
... )
|
||||
>>> clip.ndim
|
||||
1"""
|
||||
loaders = [
|
||||
("PyAV", _load_audio_av),
|
||||
("librosa", _load_audio_librosa),
|
||||
("ffmpeg CLI", _load_audio_ffmpeg),
|
||||
]
|
||||
|
||||
errors = []
|
||||
for name, loader in loaders:
|
||||
try:
|
||||
return loader(path, sr=sr, mono=mono, offset=offset, duration=duration)
|
||||
except Exception as e:
|
||||
errors.append(f"{name}: {e}")
|
||||
continue
|
||||
|
||||
raise RuntimeError(f"All audio loading methods failed: {'; '.join(errors)}")
|
||||
|
||||
|
||||
def _bitrate_to_int(value):
|
||||
"""Implement the bitrate to int helper.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if value is None:
|
||||
return None
|
||||
if isinstance(value, int):
|
||||
return value
|
||||
value = str(value).strip().lower()
|
||||
return int(float(value[:-1]) * 1000) if value.endswith("k") else int(value)
|
||||
|
||||
|
||||
def _format_audio(audio):
|
||||
"""Format audio.
|
||||
|
||||
Args:
|
||||
audio (np.ndarray): Audio samples.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
audio = np.asarray(audio)
|
||||
audio = np.ascontiguousarray(audio[:, None] if audio.ndim == 1 else audio)
|
||||
# We can use "fltp" container for all output formats, while the final result is determined by the codec.
|
||||
# Using the fltp sample format can also help avoid some clipping distortion that occurs with integer formats.
|
||||
return np.ascontiguousarray(audio.astype(np.float32).T)
|
||||
|
||||
|
||||
def save_audio(path, audio, sr, output_format, audio_params):
|
||||
"""Save a NumPy audio array to wav, flac, mp3, or m4a.
|
||||
|
||||
Audio is expected as sample-major data, either ``(samples,)`` for mono or
|
||||
``(samples, channels)`` for multi-channel audio. The output codec is chosen
|
||||
from ``output_format`` and ``audio_params``.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): Output file path.
|
||||
audio (np.ndarray): Audio samples. Mono arrays may be one-dimensional;
|
||||
stereo arrays should be shaped as ``(samples, 2)``.
|
||||
sr (int): Sample rate in Hz.
|
||||
output_format (str): Output format. Supported values are ``wav``,
|
||||
``flac``, ``mp3``, and ``m4a``.
|
||||
audio_params (dict): Encoding options. Supported keys include
|
||||
``wav_bit_depth`` (``FLOAT``, ``PCM_16``, ``PCM_24``),
|
||||
``flac_bit_depth`` (currently ``PCM_24`` uses soundfile),
|
||||
``mp3_bit_rate`` (for example ``"320k"``), ``m4a_bit_rate``,
|
||||
``m4a_codec``, and ``m4a_aac_at_quality``.
|
||||
|
||||
Returns:
|
||||
None: The file is written to ``path``.
|
||||
|
||||
Example:
|
||||
>>> from pymss import save_audio
|
||||
>>> save_audio(
|
||||
... "vocals.wav",
|
||||
... vocals,
|
||||
... 44100,
|
||||
... "wav",
|
||||
... {"wav_bit_depth": "FLOAT"},
|
||||
... )
|
||||
|
||||
Example:
|
||||
>>> save_audio(
|
||||
... "instrumental.flac",
|
||||
... instrumental,
|
||||
... 44100,
|
||||
... "flac",
|
||||
... {"flac_bit_depth": "PCM_24"},
|
||||
... )"""
|
||||
output_format = output_format.lower()
|
||||
audio_array = np.asarray(audio)
|
||||
layout = "stereo" if audio_array.ndim > 1 and audio_array.shape[1] == 2 else "mono"
|
||||
|
||||
if output_format == "mp3":
|
||||
codec = "libmp3lame"
|
||||
elif output_format == "m4a":
|
||||
codec = audio_params.get("m4a_codec", "aac")
|
||||
elif output_format == "flac":
|
||||
# PyAV's FLAC encoder only exposes a single "flac" codec in the current version.
|
||||
# In the current version, without access to bits_per_raw_sample in PyAV, PCM_24 may still be encoded as 16-bit.
|
||||
# Use soundfile to save 24-bit FLAC
|
||||
codec = "flac"
|
||||
if audio_params.get("flac_bit_depth", "PCM_24") == "PCM_24":
|
||||
import soundfile as sf
|
||||
|
||||
return sf.write(path, audio_array, int(sr), format="FLAC", subtype="PCM_24")
|
||||
else:
|
||||
wav_codecs = {"PCM_16": "pcm_s16le", "PCM_24": "pcm_s24le", "FLOAT": "pcm_f32le"}
|
||||
codec = wav_codecs.get(audio_params.get("wav_bit_depth", "FLOAT"), wav_codecs["FLOAT"])
|
||||
|
||||
with av.open(path, "w") as container:
|
||||
stream = container.add_stream(codec, rate=int(sr))
|
||||
stream.layout = layout
|
||||
if output_format == "mp3":
|
||||
stream.bit_rate = _bitrate_to_int(audio_params.get("mp3_bit_rate", "320k"))
|
||||
elif output_format == "m4a":
|
||||
stream.bit_rate = _bitrate_to_int(audio_params.get("m4a_bit_rate", "512k"))
|
||||
if codec == "aac_at":
|
||||
stream.codec_context.options = {"aac_at_quality": str(audio_params.get("m4a_aac_at_quality", 2))}
|
||||
|
||||
frame = av.AudioFrame.from_ndarray(_format_audio(audio_array), format="fltp", layout=layout)
|
||||
frame.sample_rate = int(sr)
|
||||
for packet in stream.encode(frame):
|
||||
container.mux(packet)
|
||||
for packet in stream.encode():
|
||||
container.mux(packet)
|
||||
587
tools/pymss/cli.py
Normal file
587
tools/pymss/cli.py
Normal file
@@ -0,0 +1,587 @@
|
||||
import argparse
|
||||
import json
|
||||
import sys
|
||||
import warnings
|
||||
|
||||
from .ensemble import ENSEMBLE_ALGORITHMS, save_ensemble_audio
|
||||
from .logger import get_separation_logger
|
||||
from .model_download import download_all, download_model
|
||||
from .model_registry import create_separator, list_models, resolve_model
|
||||
from .progress import _CliInferenceProgress
|
||||
from .workflow import load_workflow_file, run_workflow_file, validate_workflow, write_workflow_template
|
||||
|
||||
warnings.filterwarnings("ignore", category=UserWarning)
|
||||
|
||||
|
||||
def _parse_key_value(values):
|
||||
"""Parse key value.
|
||||
|
||||
Args:
|
||||
values (Any): Values value.
|
||||
|
||||
Returns:
|
||||
Any: Parsed value."""
|
||||
result = {}
|
||||
for value in values or []:
|
||||
if "=" not in value:
|
||||
raise argparse.ArgumentTypeError(f"Expected key=value, got {value!r}")
|
||||
key, raw = value.split("=", 1)
|
||||
lowered = raw.lower()
|
||||
if lowered in {"true", "false"}:
|
||||
result[key] = lowered == "true"
|
||||
else:
|
||||
try:
|
||||
result[key] = int(raw)
|
||||
except ValueError:
|
||||
try:
|
||||
result[key] = float(raw)
|
||||
except ValueError:
|
||||
result[key] = raw
|
||||
return result
|
||||
|
||||
|
||||
def cmd_list(args):
|
||||
"""Implement the cmd list helper.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
rows = list_models(category=args.category, supported=None if args.all else True)
|
||||
if args.json:
|
||||
print(json.dumps([item.__dict__ for item in rows], ensure_ascii=False, indent=2))
|
||||
return 0
|
||||
for item in rows:
|
||||
status = "ok" if item.supported else item.unsupported_reason
|
||||
category = item.category_path or item.primary_category
|
||||
print(f"{item.name}\t{item.model_type or item.architecture}\t{category}\t{item.target_stem}\t{status}")
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_info(args):
|
||||
"""Implement the cmd info helper.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
resolved = resolve_model(args.model, model_dir=args.model_dir, require_supported=False, require_exists=False)
|
||||
entry = resolved["entry"]
|
||||
data = {
|
||||
"name": entry.name,
|
||||
"model_type": entry.model_type,
|
||||
"architecture": entry.architecture,
|
||||
"supported": entry.supported,
|
||||
"unsupported_reason": entry.unsupported_reason,
|
||||
"category": entry.category_path or entry.primary_category,
|
||||
"category_cn": " / ".join(filter(None, [entry.primary_category_cn, entry.secondary_category_cn])),
|
||||
"target_stem": entry.target_stem,
|
||||
"model_path": resolved["model_path"],
|
||||
"config_path": resolved["config_path"],
|
||||
"size_bytes": entry.size_bytes,
|
||||
}
|
||||
print(json.dumps(data, ensure_ascii=False, indent=2))
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_download(args):
|
||||
"""Implement the cmd download helper.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if args.model == "all":
|
||||
results = download_all(
|
||||
model_dir=args.model_dir,
|
||||
source=args.source,
|
||||
endpoint=args.endpoint,
|
||||
supported_only=args.supported_only,
|
||||
force=args.force,
|
||||
)
|
||||
failed = [item for item in results if item.get("error")]
|
||||
print(f"Downloaded/skipped {len(results) - len(failed)} model(s), failed {len(failed)}.")
|
||||
for item in failed:
|
||||
print(f"ERROR {item['entry'].name}: {item['error']}", file=sys.stderr)
|
||||
return 1 if failed else 0
|
||||
|
||||
result = download_model(
|
||||
args.model,
|
||||
model_dir=args.model_dir,
|
||||
source=args.source,
|
||||
endpoint=args.endpoint,
|
||||
force=args.force,
|
||||
)
|
||||
_print_download_result(result)
|
||||
return 0
|
||||
|
||||
|
||||
def _print_download_result(result):
|
||||
"""Print download result.
|
||||
|
||||
Args:
|
||||
result (Any): Result value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
for path in result["skipped"]:
|
||||
print(f"exists {path}")
|
||||
for path in result["downloaded"]:
|
||||
print(f"downloaded {path}")
|
||||
|
||||
|
||||
def _ensure_model_files(args):
|
||||
"""Ensure model files.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
try:
|
||||
resolve_model(args.model, model_dir=args.model_dir, require_supported=True, require_exists=True)
|
||||
except FileNotFoundError:
|
||||
result = download_model(args.model, model_dir=args.model_dir, source=args.source, endpoint=args.endpoint)
|
||||
_print_download_result(result)
|
||||
else:
|
||||
if args.download:
|
||||
result = download_model(args.model, model_dir=args.model_dir, source=args.source, endpoint=args.endpoint)
|
||||
_print_download_result(result)
|
||||
|
||||
|
||||
def cmd_infer(args):
|
||||
"""Implement the cmd infer helper.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
_ensure_model_files(args)
|
||||
logger = get_separation_logger()
|
||||
inference_progress = _CliInferenceProgress()
|
||||
with create_separator(
|
||||
args.model,
|
||||
model_dir=args.model_dir,
|
||||
device=args.device,
|
||||
device_ids=args.device_ids or [0],
|
||||
output_format=args.output_format,
|
||||
audio_params={
|
||||
"wav_bit_depth": args.wav_bit_depth,
|
||||
"flac_bit_depth": args.flac_bit_depth,
|
||||
"mp3_bit_rate": args.mp3_bit_rate,
|
||||
"m4a_bit_rate": args.m4a_bit_rate,
|
||||
"m4a_aac_at_quality": args.m4a_aac_at_quality,
|
||||
},
|
||||
use_tta=args.tta,
|
||||
store_dirs=args.output,
|
||||
save_as_folder=args.save_as_folder,
|
||||
logger=logger,
|
||||
debug=args.debug,
|
||||
progress_callback=inference_progress,
|
||||
inference_params=_parse_key_value(args.param),
|
||||
) as separator:
|
||||
try:
|
||||
files = separator.process_folder(args.input)
|
||||
finally:
|
||||
inference_progress.close()
|
||||
logger.info(f"Processed {len(files)} file(s).")
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_ensemble(args):
|
||||
"""Run the ensemble CLI command.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
logger = get_separation_logger()
|
||||
output_path = save_ensemble_audio(
|
||||
args.files,
|
||||
args.output,
|
||||
algorithm=args.algorithm,
|
||||
weights=args.weights,
|
||||
output_format=args.output_format,
|
||||
audio_params={
|
||||
"wav_bit_depth": args.wav_bit_depth,
|
||||
"flac_bit_depth": args.flac_bit_depth,
|
||||
"mp3_bit_rate": args.mp3_bit_rate,
|
||||
"m4a_bit_rate": args.m4a_bit_rate,
|
||||
"m4a_codec": args.m4a_codec,
|
||||
"m4a_aac_at_quality": args.m4a_aac_at_quality,
|
||||
},
|
||||
logger=logger,
|
||||
)
|
||||
logger.info(f"Saved ensemble audio to {output_path}")
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_workflow_init(args):
|
||||
"""Write a starter workflow file."""
|
||||
path = write_workflow_template(args.output, overwrite=args.force)
|
||||
print(f"Wrote workflow template to {path}")
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_workflow_validate(args):
|
||||
"""Validate a workflow file without running inference."""
|
||||
workflow = load_workflow_file(args.config)
|
||||
model_resolver = resolve_model if args.check_models or args.require_files else None
|
||||
validate_workflow(
|
||||
workflow,
|
||||
model_dir=args.model_dir,
|
||||
require_model_files=args.require_files,
|
||||
model_resolver=model_resolver,
|
||||
)
|
||||
print(f"Workflow is valid: {len(workflow.steps)} step(s).")
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_workflow_run(args):
|
||||
"""Run an audio workflow from a YAML/JSON file."""
|
||||
logger = get_separation_logger()
|
||||
files = run_workflow_file(
|
||||
args.config,
|
||||
args.input,
|
||||
args.output,
|
||||
model_dir=args.model_dir,
|
||||
device=args.device,
|
||||
output_format=args.output_format,
|
||||
download=args.download,
|
||||
source=args.source,
|
||||
endpoint=args.endpoint,
|
||||
output_layout=args.output_layout,
|
||||
audio_params={
|
||||
"wav_bit_depth": args.wav_bit_depth,
|
||||
"flac_bit_depth": args.flac_bit_depth,
|
||||
"mp3_bit_rate": args.mp3_bit_rate,
|
||||
"m4a_bit_rate": args.m4a_bit_rate,
|
||||
"m4a_codec": args.m4a_codec,
|
||||
"m4a_aac_at_quality": args.m4a_aac_at_quality,
|
||||
},
|
||||
logger=logger,
|
||||
debug=args.debug,
|
||||
)
|
||||
logger.info(f"Processed {len(files)} file(s).")
|
||||
return 0
|
||||
|
||||
|
||||
def cmd_serve(args):
|
||||
"""Implement the cmd serve helper.
|
||||
|
||||
Args:
|
||||
args (argparse.Namespace): Parsed command-line arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
from .server import ServerConfig, run_server
|
||||
|
||||
config = ServerConfig(
|
||||
model=args.model,
|
||||
model_dir=args.model_dir,
|
||||
source=args.source,
|
||||
endpoint=args.endpoint,
|
||||
device=args.device,
|
||||
device_ids=args.device_ids or [0],
|
||||
api_key=args.api_key,
|
||||
host=args.host,
|
||||
port=args.port,
|
||||
debug=args.debug,
|
||||
inference_params=_parse_key_value(args.param),
|
||||
max_audio_seconds=args.max_audio_seconds,
|
||||
max_request_bytes=args.max_request_bytes,
|
||||
max_queue_size=args.max_queue_size,
|
||||
request_timeout_seconds=args.request_timeout_seconds,
|
||||
webui=args.webui,
|
||||
)
|
||||
run_server(config)
|
||||
return 0
|
||||
|
||||
|
||||
def build_parser():
|
||||
"""Build the pymss command-line parser.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
argparse.ArgumentParser: Configured CLI parser."""
|
||||
parser = argparse.ArgumentParser(
|
||||
prog="pymss",
|
||||
description="Command-line interface for the pymss music source separation package.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
subparsers = parser.add_subparsers(dest="command", required=True)
|
||||
|
||||
# ==========================
|
||||
# List models
|
||||
# ==========================
|
||||
list_parser = subparsers.add_parser(
|
||||
"list",
|
||||
help="List known models.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
list_parser.add_argument("--category", help="Filter by primary or secondary category.")
|
||||
list_parser.add_argument("--all", action="store_true", help="Include models that are not supported for inference yet.")
|
||||
list_parser.add_argument("--json", action="store_true")
|
||||
list_parser.set_defaults(func=cmd_list)
|
||||
|
||||
# ==========================
|
||||
# Show model info
|
||||
# ==========================
|
||||
info_parser = subparsers.add_parser(
|
||||
"info",
|
||||
help="Show model metadata.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
info_parser.add_argument("model")
|
||||
info_parser.add_argument(
|
||||
"--model-dir",
|
||||
help="Local model cache directory. Defaults to PYMSS_MODEL_DIR, repository all_models if present, or ~/.cache/pymss/models.",
|
||||
)
|
||||
info_parser.set_defaults(func=cmd_info)
|
||||
|
||||
# ==========================
|
||||
# Download models
|
||||
# ==========================
|
||||
download_parser = subparsers.add_parser(
|
||||
"download",
|
||||
help="Download a model by name, or use 'all'.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
download_parser.add_argument("model")
|
||||
download_parser.add_argument(
|
||||
"--model-dir",
|
||||
help="Local model cache directory. Defaults to PYMSS_MODEL_DIR, repository all_models if present, or ~/.cache/pymss/models.",
|
||||
)
|
||||
download_parser.add_argument("--source", default="modelscope", choices=["modelscope", "huggingface", "hf-mirror"])
|
||||
download_parser.add_argument("--endpoint", help="Custom resolve endpoint. It must serve files by relative path.")
|
||||
download_parser.add_argument("--force", action="store_true")
|
||||
download_parser.add_argument("--supported-only", action="store_true", help="Only used with model='all'.")
|
||||
download_parser.set_defaults(func=cmd_download)
|
||||
|
||||
# ==========================
|
||||
# Inference
|
||||
# ==========================
|
||||
infer_parser = subparsers.add_parser(
|
||||
"infer",
|
||||
help="Run inference by model name.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
infer_parser.add_argument("model")
|
||||
infer_parser.add_argument(
|
||||
"--model-dir",
|
||||
help="Local model cache directory. Defaults to PYMSS_MODEL_DIR, repository all_models if present, or ~/.cache/pymss/models.",
|
||||
)
|
||||
infer_parser.add_argument(
|
||||
"--download",
|
||||
action="store_true",
|
||||
help="Check/download the model before inference. Missing model files are downloaded automatically.",
|
||||
)
|
||||
infer_parser.add_argument("--source", default="modelscope", choices=["modelscope", "huggingface", "hf-mirror"])
|
||||
infer_parser.add_argument("--endpoint", help="Custom resolve endpoint. It must serve files by relative path.")
|
||||
infer_parser.add_argument("-i", "--input", required=True, help="Input audio file or folder.")
|
||||
infer_parser.add_argument("-o", "--output", default="results", help="Output folder.")
|
||||
infer_parser.add_argument(
|
||||
"--save-as-folder",
|
||||
action="store_true",
|
||||
help="Save each input audio file's separated stems in a subfolder named after the audio file.",
|
||||
)
|
||||
infer_parser.add_argument("--device", default="auto", choices=["auto", "cpu", "cuda", "mps", "mlx"])
|
||||
infer_parser.add_argument(
|
||||
"--device-id", action="append", type=int, dest="device_ids", help="CUDA device id. Can be repeated."
|
||||
)
|
||||
infer_parser.add_argument("--format", default="wav", choices=["wav", "flac", "mp3", "m4a"], dest="output_format")
|
||||
infer_parser.add_argument("--wav-bit-depth", default="FLOAT", choices=["FLOAT", "PCM_16", "PCM_24"])
|
||||
infer_parser.add_argument("--flac-bit-depth", default="PCM_16", choices=["PCM_16", "PCM_24"])
|
||||
infer_parser.add_argument("--mp3-bit-rate", default="320k")
|
||||
infer_parser.add_argument("--m4a-bit-rate", default="512k")
|
||||
infer_parser.add_argument("--m4a-codec", default="aac")
|
||||
infer_parser.add_argument("--m4a-aac-at-quality", default=2, type=int)
|
||||
infer_parser.add_argument("--tta", action="store_true", help="Enable test time augmentation.")
|
||||
infer_parser.add_argument("--debug", action="store_true")
|
||||
infer_parser.add_argument(
|
||||
"--param", action="append", default=[], help="Inference override as key=value, for example --param batch_size=2."
|
||||
)
|
||||
infer_parser.set_defaults(func=cmd_infer)
|
||||
|
||||
# ==========================
|
||||
# Ensemble
|
||||
# ==========================
|
||||
ensemble_parser = subparsers.add_parser(
|
||||
"ensemble",
|
||||
help="Combine multiple audio files with an ensemble algorithm.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
ensemble_parser.add_argument("files", nargs="+", help="Input audio files. At least two files are required.")
|
||||
ensemble_parser.add_argument(
|
||||
"-a",
|
||||
"--algorithm",
|
||||
default="avg_wave",
|
||||
choices=ENSEMBLE_ALGORITHMS,
|
||||
help="Ensemble algorithm.",
|
||||
)
|
||||
ensemble_parser.add_argument(
|
||||
"-w",
|
||||
"--weights",
|
||||
nargs="+",
|
||||
type=float,
|
||||
help="Input weights, for example --weights 1 0.8 1.2. Defaults to all 1.",
|
||||
)
|
||||
ensemble_parser.add_argument("-o", "--output", required=True, help="Output audio file.")
|
||||
ensemble_parser.add_argument("--format", choices=["wav", "flac", "mp3", "m4a"], dest="output_format")
|
||||
ensemble_parser.add_argument("--wav-bit-depth", default="FLOAT", choices=["FLOAT", "PCM_16", "PCM_24"])
|
||||
ensemble_parser.add_argument("--flac-bit-depth", default="PCM_16", choices=["PCM_16", "PCM_24"])
|
||||
ensemble_parser.add_argument("--mp3-bit-rate", default="320k")
|
||||
ensemble_parser.add_argument("--m4a-bit-rate", default="512k")
|
||||
ensemble_parser.add_argument("--m4a-codec", default="aac")
|
||||
ensemble_parser.add_argument("--m4a-aac-at-quality", default=2, type=int)
|
||||
ensemble_parser.set_defaults(func=cmd_ensemble)
|
||||
|
||||
# ==========================
|
||||
# Workflow
|
||||
# ==========================
|
||||
workflow_parser = subparsers.add_parser(
|
||||
"workflow",
|
||||
help="Create, validate, or run an automatic multi-model workflow.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
workflow_subparsers = workflow_parser.add_subparsers(dest="workflow_command", required=True)
|
||||
|
||||
workflow_init_parser = workflow_subparsers.add_parser(
|
||||
"init",
|
||||
help="Write a starter workflow YAML file.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
workflow_init_parser.add_argument("-o", "--output", default="workflow.yaml", help="Workflow file to create.")
|
||||
workflow_init_parser.add_argument("--force", action="store_true", help="Overwrite the output file if it exists.")
|
||||
workflow_init_parser.set_defaults(func=cmd_workflow_init)
|
||||
|
||||
workflow_validate_parser = workflow_subparsers.add_parser(
|
||||
"validate",
|
||||
help="Validate a workflow YAML/JSON file.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
workflow_validate_parser.add_argument("-c", "--config", required=True, help="Workflow YAML/JSON file.")
|
||||
workflow_validate_parser.add_argument(
|
||||
"--model-dir",
|
||||
help="Local model cache directory used when --require-files is set.",
|
||||
)
|
||||
workflow_validate_parser.add_argument(
|
||||
"--check-models",
|
||||
action="store_true",
|
||||
help="Also check that every referenced model exists in the catalog.",
|
||||
)
|
||||
workflow_validate_parser.add_argument(
|
||||
"--require-files",
|
||||
action="store_true",
|
||||
help="Also require every referenced catalog model file to exist locally.",
|
||||
)
|
||||
workflow_validate_parser.set_defaults(func=cmd_workflow_validate)
|
||||
|
||||
workflow_run_parser = workflow_subparsers.add_parser(
|
||||
"run",
|
||||
help="Run inference through a workflow YAML/JSON file.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
workflow_run_parser.add_argument("-c", "--config", required=True, help="Workflow YAML/JSON file.")
|
||||
workflow_run_parser.add_argument("-i", "--input", required=True, help="Input audio file or folder.")
|
||||
workflow_run_parser.add_argument("-o", "--output", default="results", help="Output folder.")
|
||||
workflow_run_parser.add_argument(
|
||||
"--output-layout",
|
||||
default="folders",
|
||||
choices=["folders", "flat"],
|
||||
help=(
|
||||
"Workflow output layout. 'folders' keeps each input under <output>/<audio>/; "
|
||||
"'flat' writes outputs directly under the workflow task folder and save subfolders."
|
||||
),
|
||||
)
|
||||
workflow_run_parser.add_argument(
|
||||
"--model-dir",
|
||||
help="Local model cache directory. Workflow step model_dir values take precedence.",
|
||||
)
|
||||
workflow_run_parser.add_argument(
|
||||
"--download",
|
||||
action="store_true",
|
||||
help="Download missing model files before each workflow step is loaded.",
|
||||
)
|
||||
workflow_run_parser.add_argument("--source", default="modelscope", choices=["modelscope", "huggingface", "hf-mirror"])
|
||||
workflow_run_parser.add_argument("--endpoint", help="Custom resolve endpoint. It must serve files by relative path.")
|
||||
workflow_run_parser.add_argument("--device", choices=["auto", "cpu", "cuda", "mps", "mlx"])
|
||||
workflow_run_parser.add_argument("--format", choices=["wav", "flac", "mp3", "m4a"], dest="output_format")
|
||||
workflow_run_parser.add_argument("--wav-bit-depth", default="FLOAT", choices=["FLOAT", "PCM_16", "PCM_24"])
|
||||
workflow_run_parser.add_argument("--flac-bit-depth", default="PCM_16", choices=["PCM_16", "PCM_24"])
|
||||
workflow_run_parser.add_argument("--mp3-bit-rate", default="320k")
|
||||
workflow_run_parser.add_argument("--m4a-bit-rate", default="512k")
|
||||
workflow_run_parser.add_argument("--m4a-codec", default="aac")
|
||||
workflow_run_parser.add_argument("--m4a-aac-at-quality", default=2, type=int)
|
||||
workflow_run_parser.add_argument("--debug", action="store_true")
|
||||
workflow_run_parser.set_defaults(func=cmd_workflow_run)
|
||||
|
||||
# ==========================
|
||||
# Server
|
||||
# ==========================
|
||||
serve_parser = subparsers.add_parser(
|
||||
"serve",
|
||||
help="Start an OpenAI-style HTTP inference server.",
|
||||
formatter_class=lambda prog: argparse.RawTextHelpFormatter(prog, max_help_position=60),
|
||||
)
|
||||
serve_parser.add_argument("model", nargs="?")
|
||||
serve_parser.add_argument(
|
||||
"--model-dir",
|
||||
help="Local model cache directory. Defaults to PYMSS_MODEL_DIR, repository all_models if present, or ~/.cache/pymss/models.",
|
||||
)
|
||||
serve_parser.add_argument("--source", default="modelscope", choices=["modelscope", "huggingface", "hf-mirror"])
|
||||
serve_parser.add_argument("--endpoint", help="Custom resolve endpoint. It must serve files by relative path.")
|
||||
serve_parser.add_argument("--device", default="auto", choices=["auto", "cpu", "cuda", "mps", "mlx"])
|
||||
serve_parser.add_argument(
|
||||
"--device-id",
|
||||
action="append",
|
||||
type=int,
|
||||
dest="device_ids",
|
||||
help="CUDA device id. Can be repeated.",
|
||||
)
|
||||
serve_parser.add_argument("--host", default="127.0.0.1")
|
||||
serve_parser.add_argument("--port", default=8000, type=int)
|
||||
serve_parser.add_argument("--api-key", help="Optional bearer token required for /v1/* endpoints.")
|
||||
serve_parser.add_argument("--debug", action="store_true")
|
||||
serve_parser.add_argument(
|
||||
"--param",
|
||||
action="append",
|
||||
default=[],
|
||||
help="Inference override as key=value, for example --param batch_size=2.",
|
||||
)
|
||||
serve_parser.add_argument("--max-audio-seconds", default=600.0, type=float)
|
||||
serve_parser.add_argument("--max-request-bytes", default=536870912, type=int)
|
||||
serve_parser.add_argument("--max-queue-size", default=8, type=int)
|
||||
serve_parser.add_argument("--request-timeout-seconds", default=0.0, type=float)
|
||||
serve_parser.add_argument("--webui", action="store_true", help="Serve the optional browser WebUI at /ui/.")
|
||||
serve_parser.set_defaults(func=cmd_serve)
|
||||
|
||||
return parser
|
||||
|
||||
|
||||
def main(argv=None):
|
||||
"""Run the pymss command-line interface.
|
||||
|
||||
Args:
|
||||
argv (Sequence[str] | None, optional): Command-line arguments. Uses sys.argv when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
int: Process exit code."""
|
||||
parser = build_parser()
|
||||
args = parser.parse_args(argv)
|
||||
try:
|
||||
return args.func(args)
|
||||
except Exception as exc:
|
||||
print(f"pymss: error: {exc}", file=sys.stderr)
|
||||
return 1
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
raise SystemExit(main())
|
||||
3
tools/pymss/config.py
Normal file
3
tools/pymss/config.py
Normal file
@@ -0,0 +1,3 @@
|
||||
from pymss_core.config import AttrDict, ConfigLoader, load_config, to_attrdict, to_plain
|
||||
|
||||
__all__ = ("AttrDict", "ConfigLoader", "load_config", "to_attrdict", "to_plain")
|
||||
324
tools/pymss/ensemble.py
Normal file
324
tools/pymss/ensemble.py
Normal file
@@ -0,0 +1,324 @@
|
||||
from __future__ import annotations
|
||||
|
||||
from pathlib import Path
|
||||
|
||||
import librosa
|
||||
import numpy as np
|
||||
|
||||
from .audio_io import load_audio, save_audio
|
||||
|
||||
ENSEMBLE_ALGORITHMS = (
|
||||
"avg_wave",
|
||||
"median_wave",
|
||||
"min_wave",
|
||||
"max_wave",
|
||||
"avg_fft",
|
||||
"median_fft",
|
||||
"min_fft",
|
||||
"max_fft",
|
||||
)
|
||||
|
||||
|
||||
def _as_channel_first(audio):
|
||||
"""Implement the as channel first helper.
|
||||
|
||||
Args:
|
||||
audio (np.ndarray): Audio samples.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
audio = np.asarray(audio, dtype=np.float32)
|
||||
return audio[None, :] if audio.ndim == 1 else audio
|
||||
|
||||
|
||||
def stft(wave, nfft=2048, hl=1024):
|
||||
"""Implement the stft helper.
|
||||
|
||||
Args:
|
||||
wave (np.ndarray): Wave value.
|
||||
nfft (Any, optional): Nfft value. Defaults to 2048.
|
||||
hl (Any, optional): Hl value. Defaults to 1024.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
wave = _as_channel_first(wave)
|
||||
return np.asfortranarray([librosa.stft(np.asfortranarray(channel), n_fft=nfft, hop_length=hl) for channel in wave])
|
||||
|
||||
|
||||
def istft(spec, hl=1024, length=None):
|
||||
"""Implement the istft helper.
|
||||
|
||||
Args:
|
||||
spec (np.ndarray): Spec value.
|
||||
hl (Any, optional): Hl value. Defaults to 1024.
|
||||
length (Any, optional): Length value. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return np.asfortranarray([librosa.istft(np.asfortranarray(channel), hop_length=hl, length=length) for channel in spec])
|
||||
|
||||
|
||||
def absmax(a, *, axis):
|
||||
"""Implement the absmax helper.
|
||||
|
||||
Args:
|
||||
a (np.ndarray): A value.
|
||||
axis (Any): Axis value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
dims = list(a.shape)
|
||||
dims.pop(axis)
|
||||
indices = np.ogrid[tuple(slice(0, d) for d in dims)]
|
||||
argmax = np.abs(a).argmax(axis=axis)
|
||||
indices.insert((len(a.shape) + axis) % len(a.shape), argmax)
|
||||
return a[tuple(indices)]
|
||||
|
||||
|
||||
def lambda_min(arr, axis=None, key=None, keepdims=False):
|
||||
"""Implement the lambda min helper.
|
||||
|
||||
Args:
|
||||
arr (np.ndarray): Arr value.
|
||||
axis (Any, optional): Axis value. Defaults to None.
|
||||
key (str, optional): Key value. Defaults to None.
|
||||
keepdims (Any, optional): Keepdims value. Defaults to False.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
idxs = np.argmin(key(arr), axis)
|
||||
if axis is None:
|
||||
return arr.flatten()[idxs]
|
||||
idxs = np.expand_dims(idxs, axis)
|
||||
result = np.take_along_axis(arr, idxs, axis)
|
||||
return result if keepdims else np.squeeze(result, axis=axis)
|
||||
|
||||
|
||||
def lambda_max(arr, axis=None, key=None, keepdims=False):
|
||||
"""Implement the lambda max helper.
|
||||
|
||||
Args:
|
||||
arr (np.ndarray): Arr value.
|
||||
axis (Any, optional): Axis value. Defaults to None.
|
||||
key (str, optional): Key value. Defaults to None.
|
||||
keepdims (Any, optional): Keepdims value. Defaults to False.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
idxs = np.argmax(key(arr), axis)
|
||||
if axis is None:
|
||||
return arr.flatten()[idxs]
|
||||
idxs = np.expand_dims(idxs, axis)
|
||||
result = np.take_along_axis(arr, idxs, axis)
|
||||
return result if keepdims else np.squeeze(result, axis=axis)
|
||||
|
||||
|
||||
def average_waveforms(pred_track, weights=None, algorithm="avg_wave"):
|
||||
"""Combine source waveforms with a selected ensemble algorithm.
|
||||
|
||||
Args:
|
||||
pred_track (Any): Pred track value.
|
||||
weights (Sequence[float] | None, optional): Per-file ensemble weights. Defaults to equal weights when None. Defaults to None.
|
||||
algorithm (str, optional): Ensemble algorithm name. Defaults to "avg_wave".
|
||||
|
||||
Returns:
|
||||
np.ndarray: Combined waveform shaped as channels by samples.
|
||||
|
||||
Example:
|
||||
>>> combined = average_waveforms(predictions, weights=[1, 1], algorithm="avg_wave")"""
|
||||
if algorithm not in ENSEMBLE_ALGORITHMS:
|
||||
raise ValueError(f"Unknown ensemble algorithm: {algorithm}")
|
||||
|
||||
pred_track = np.asarray(pred_track, dtype=np.float32)
|
||||
if pred_track.ndim != 3:
|
||||
raise ValueError("pred_track must have shape (files, channels, samples)")
|
||||
|
||||
if weights is None:
|
||||
weights = np.ones(pred_track.shape[0], dtype=np.float32)
|
||||
weights = np.asarray(weights, dtype=np.float32)
|
||||
if weights.shape != (pred_track.shape[0],):
|
||||
raise ValueError("weights length must match number of input files")
|
||||
if algorithm in {"avg_wave", "avg_fft"} and np.isclose(weights.sum(), 0.0):
|
||||
raise ValueError("weights must not sum to zero for average ensemble algorithms")
|
||||
|
||||
final_length = pred_track.shape[-1]
|
||||
mod_track = []
|
||||
for idx in range(pred_track.shape[0]):
|
||||
if algorithm == "avg_wave":
|
||||
mod_track.append(pred_track[idx] * weights[idx])
|
||||
elif algorithm in {"median_wave", "min_wave", "max_wave"}:
|
||||
mod_track.append(pred_track[idx])
|
||||
elif algorithm in {"avg_fft", "median_fft", "min_fft", "max_fft"}:
|
||||
spec = stft(pred_track[idx], nfft=2048, hl=1024)
|
||||
mod_track.append(spec * weights[idx] if algorithm == "avg_fft" else spec)
|
||||
|
||||
pred_track = np.asarray(mod_track)
|
||||
if algorithm == "avg_wave":
|
||||
return pred_track.sum(axis=0) / weights.sum()
|
||||
if algorithm == "median_wave":
|
||||
return np.median(pred_track, axis=0)
|
||||
if algorithm == "min_wave":
|
||||
return lambda_min(pred_track, axis=0, key=np.abs)
|
||||
if algorithm == "max_wave":
|
||||
return lambda_max(pred_track, axis=0, key=np.abs)
|
||||
if algorithm == "avg_fft":
|
||||
return istft(pred_track.sum(axis=0) / weights.sum(), hl=1024, length=final_length)
|
||||
if algorithm == "min_fft":
|
||||
return istft(lambda_min(pred_track, axis=0, key=np.abs), hl=1024, length=final_length)
|
||||
if algorithm == "max_fft":
|
||||
return istft(absmax(pred_track, axis=0), hl=1024, length=final_length)
|
||||
if algorithm == "median_fft":
|
||||
return istft(np.median(pred_track, axis=0), hl=1024, length=final_length)
|
||||
|
||||
raise AssertionError("unreachable")
|
||||
|
||||
|
||||
def ensemble_audios(files, algorithm="avg_wave", weights=None, logger=None):
|
||||
"""Load and combine multiple audio files with an ensemble algorithm.
|
||||
|
||||
All input files must have the same sample rate and channel count. If input
|
||||
lengths differ, every file is truncated to the shortest length before
|
||||
combining. ``avg_*`` algorithms use weights; median/min/max algorithms
|
||||
ignore weights except for input validation.
|
||||
|
||||
Args:
|
||||
files (Sequence[str | os.PathLike]): Audio files to combine. At least
|
||||
two files are required.
|
||||
algorithm (str, optional): Ensemble algorithm. Supported values are
|
||||
``avg_wave``, ``median_wave``, ``min_wave``, ``max_wave``,
|
||||
``avg_fft``, ``median_fft``, ``min_fft``, and ``max_fft``.
|
||||
Defaults to ``"avg_wave"``.
|
||||
weights (Sequence[float] | None, optional): Per-file weights. When
|
||||
``None``, every file gets weight ``1``. For average algorithms the
|
||||
weight sum must not be zero. Defaults to None.
|
||||
logger (logging.Logger | None, optional): Optional logger used for
|
||||
debug messages and length-truncation warnings. Defaults to None.
|
||||
|
||||
Returns:
|
||||
tuple[np.ndarray, int]: Combined audio shaped as samples by channels,
|
||||
and the sample rate.
|
||||
|
||||
Raises:
|
||||
ValueError: If fewer than two files are provided, weights length does
|
||||
not match input count, sample rates differ, channel counts differ,
|
||||
or the algorithm is unknown.
|
||||
FileNotFoundError: If any input file does not exist.
|
||||
|
||||
Example:
|
||||
>>> from pymss import ensemble_audios
|
||||
>>> audio, sample_rate = ensemble_audios(
|
||||
... ["vocals_a.wav", "vocals_b.wav"],
|
||||
... algorithm="avg_wave",
|
||||
... weights=[0.7, 0.3],
|
||||
... )
|
||||
|
||||
Example:
|
||||
>>> audio, sample_rate = ensemble_audios(
|
||||
... ["stem_a.wav", "stem_b.wav", "stem_c.wav"],
|
||||
... algorithm="median_fft",
|
||||
... )"""
|
||||
if len(files) < 2:
|
||||
raise ValueError("at least two input files are required")
|
||||
|
||||
if weights is None:
|
||||
weights = np.ones(len(files), dtype=np.float32)
|
||||
weights = np.asarray(weights, dtype=np.float32)
|
||||
if weights.shape != (len(files),):
|
||||
raise ValueError("weights length must match number of input files")
|
||||
|
||||
data = []
|
||||
sample_rate = None
|
||||
for file in files:
|
||||
path = Path(file)
|
||||
if not path.is_file():
|
||||
raise FileNotFoundError(f"input audio file not found: {path}")
|
||||
audio, sr = load_audio(str(path), sr=None, mono=False)
|
||||
audio = _as_channel_first(audio)
|
||||
if sample_rate is None:
|
||||
sample_rate = sr
|
||||
elif sr != sample_rate:
|
||||
raise ValueError(f"sample rate mismatch: {path} has {sr}, expected {sample_rate}")
|
||||
data.append(audio)
|
||||
if logger is not None:
|
||||
logger.debug("read %s, waveform shape=%s, sample_rate=%s", path, audio.shape, sr)
|
||||
|
||||
channel_counts = {item.shape[0] for item in data}
|
||||
if len(channel_counts) != 1:
|
||||
raise ValueError("all input files must have the same channel count")
|
||||
|
||||
lengths = [item.shape[-1] for item in data]
|
||||
min_length = min(lengths)
|
||||
if len(set(lengths)) > 1:
|
||||
if logger is not None:
|
||||
logger.warning("Input audio files have different lengths. Truncating all to the shortest length.")
|
||||
data = [item[..., :min_length] for item in data]
|
||||
|
||||
result = average_waveforms(np.asarray(data), weights=weights, algorithm=algorithm)
|
||||
if logger is not None:
|
||||
logger.debug("ensemble result shape=%s", result.shape)
|
||||
return result.T, sample_rate
|
||||
|
||||
|
||||
def save_ensemble_audio(
|
||||
files,
|
||||
output,
|
||||
algorithm="avg_wave",
|
||||
weights=None,
|
||||
output_format=None,
|
||||
audio_params=None,
|
||||
logger=None,
|
||||
):
|
||||
"""Combine audio files and save the ensemble result.
|
||||
|
||||
This is the file-writing wrapper around ``ensemble_audios(...)``. The
|
||||
output format is inferred from ``output`` when it has a suffix, otherwise
|
||||
``output_format`` is used. If neither is provided, ``.wav`` is added.
|
||||
|
||||
Args:
|
||||
files (Sequence[str | os.PathLike]): Audio files to combine. At least
|
||||
two files are required.
|
||||
output (str | os.PathLike): Output file path. A missing suffix becomes
|
||||
``.wav`` unless ``output_format`` is provided.
|
||||
algorithm (str, optional): Ensemble algorithm. Supported values are
|
||||
``avg_wave``, ``median_wave``, ``min_wave``, ``max_wave``,
|
||||
``avg_fft``, ``median_fft``, ``min_fft``, and ``max_fft``.
|
||||
Defaults to ``"avg_wave"``.
|
||||
weights (Sequence[float] | None, optional): Per-file weights. Defaults
|
||||
to equal weights when None.
|
||||
output_format (str | None, optional): Explicit output format such as
|
||||
``wav``, ``flac``, ``mp3``, or ``m4a``. Defaults to None.
|
||||
audio_params (dict | None, optional): Encoding options forwarded to
|
||||
``save_audio(...)``. Examples include
|
||||
``{"wav_bit_depth": "FLOAT"}``,
|
||||
``{"flac_bit_depth": "PCM_24"}``, or
|
||||
``{"mp3_bit_rate": "320k"}``. Defaults to None.
|
||||
logger (logging.Logger | None, optional): Optional logger for progress
|
||||
messages. Defaults to None.
|
||||
|
||||
Returns:
|
||||
pathlib.Path: Final output path.
|
||||
|
||||
Raises:
|
||||
ValueError: If inputs cannot be ensembled.
|
||||
FileNotFoundError: If any input file does not exist.
|
||||
|
||||
Example:
|
||||
>>> from pymss import save_ensemble_audio
|
||||
>>> save_ensemble_audio(
|
||||
... ["vocals_a.wav", "vocals_b.wav"],
|
||||
... "vocals_ensemble.flac",
|
||||
... algorithm="avg_wave",
|
||||
... weights=[1, 1],
|
||||
... audio_params={"flac_bit_depth": "PCM_24"},
|
||||
... )
|
||||
|
||||
Example:
|
||||
>>> save_ensemble_audio(["a.wav", "b.wav"], "ensemble", output_format="wav")"""
|
||||
result, sample_rate = ensemble_audios(files, algorithm=algorithm, weights=weights, logger=logger)
|
||||
output_path = Path(output)
|
||||
if not output_path.suffix and not output_format:
|
||||
output_path = output_path.with_suffix(".wav")
|
||||
output_path.parent.mkdir(parents=True, exist_ok=True)
|
||||
output_format = output_format or output_path.suffix.lstrip(".").lower() or "wav"
|
||||
save_audio(str(output_path), result, sample_rate, output_format, audio_params or {})
|
||||
return output_path
|
||||
339
tools/pymss/logger.py
Normal file
339
tools/pymss/logger.py
Normal file
@@ -0,0 +1,339 @@
|
||||
import gzip
|
||||
import logging
|
||||
import os
|
||||
import shutil
|
||||
import sys
|
||||
from datetime import datetime
|
||||
|
||||
MAX_LOG = 100
|
||||
LOG_DIR = ".logs"
|
||||
LOG_ENV_NAME = "PYMSS_LOG_FILE"
|
||||
|
||||
|
||||
def _safe_relpath(pathname):
|
||||
"""Implement the safe relpath helper.
|
||||
|
||||
Args:
|
||||
pathname (str): Pathname value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if not pathname:
|
||||
return pathname
|
||||
|
||||
normalized = os.path.normpath(pathname)
|
||||
if os.name == "nt" and normalized.startswith("\\\\?\\"):
|
||||
normalized = normalized[4:]
|
||||
|
||||
try:
|
||||
return os.path.relpath(normalized)
|
||||
except ValueError:
|
||||
return normalized
|
||||
|
||||
|
||||
class ColorFormatter(logging.Formatter):
|
||||
"""Console log formatter with optional ANSI colors.
|
||||
|
||||
Args:
|
||||
enable_color (Any, optional): Enable color value. Defaults to True.
|
||||
"""
|
||||
|
||||
COLORS = {
|
||||
"DBG": "\033[1;36m",
|
||||
"INF": "\033[1;32m",
|
||||
"WAR": "\033[1;33m",
|
||||
"ERR": "\033[1;31m",
|
||||
"CRI": "\033[1;35m",
|
||||
}
|
||||
MESSAGE_COLORS = {
|
||||
"DBG": "\033[36m",
|
||||
"INF": "\033[32m",
|
||||
"WAR": "\033[33m",
|
||||
"ERR": "\033[31m",
|
||||
"CRI": "\033[35m",
|
||||
}
|
||||
RESET = "\033[0m"
|
||||
LEVEL_MAP = {
|
||||
"DEBUG": "DBG",
|
||||
"INFO": "INF",
|
||||
"WARNING": "WAR",
|
||||
"ERROR": "ERR",
|
||||
"CRITICAL": "CRI",
|
||||
}
|
||||
|
||||
def __init__(self, enable_color=True):
|
||||
"""Initialize the instance.
|
||||
|
||||
Args:
|
||||
enable_color (Any, optional): Enable color value. Defaults to True.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
super().__init__(
|
||||
fmt="%(asctime)s | %(levelname)s | %(pathname)s:%(lineno)d | %(message)s",
|
||||
datefmt="%H:%M:%S",
|
||||
)
|
||||
self.enable_color = enable_color
|
||||
|
||||
def format(self, record):
|
||||
"""Format value.
|
||||
|
||||
Args:
|
||||
record (Any): Record value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
record.pathname = _safe_relpath(record.pathname)
|
||||
original_levelname = record.levelname
|
||||
original_msg = record.msg
|
||||
|
||||
short_level = self.LEVEL_MAP.get(record.levelname, record.levelname[:3])
|
||||
if self.enable_color:
|
||||
level_color = self.COLORS.get(short_level, "")
|
||||
message_color = self.MESSAGE_COLORS.get(short_level, "")
|
||||
record.levelname = f"{level_color}{short_level}{self.RESET}"
|
||||
record.msg = f"{message_color}{record.getMessage()}{self.RESET}"
|
||||
record.args = ()
|
||||
else:
|
||||
record.levelname = short_level
|
||||
|
||||
try:
|
||||
return super().format(record)
|
||||
finally:
|
||||
record.levelname = original_levelname
|
||||
record.msg = original_msg
|
||||
|
||||
|
||||
class FileFormatter(logging.Formatter):
|
||||
"""File log formatter that writes stable relative paths."""
|
||||
|
||||
LEVEL_MAP = ColorFormatter.LEVEL_MAP
|
||||
|
||||
def __init__(self):
|
||||
"""Initialize the instance.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
super().__init__(
|
||||
fmt="%(asctime)s | %(levelname)s | %(pathname)s:%(lineno)d | %(message)s",
|
||||
datefmt="%H:%M:%S",
|
||||
)
|
||||
|
||||
def format(self, record):
|
||||
"""Format value.
|
||||
|
||||
Args:
|
||||
record (Any): Record value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
record.pathname = _safe_relpath(record.pathname)
|
||||
original_levelname = record.levelname
|
||||
record.levelname = self.LEVEL_MAP.get(record.levelname, record.levelname[:3])
|
||||
try:
|
||||
return super().format(record)
|
||||
finally:
|
||||
record.levelname = original_levelname
|
||||
|
||||
|
||||
def _supports_color(stream):
|
||||
"""Implement the supports color helper.
|
||||
|
||||
Args:
|
||||
stream (Any): Stream value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if os.environ.get("NO_COLOR"):
|
||||
return False
|
||||
if os.environ.get("PYMSS_FORCE_COLOR"):
|
||||
return True
|
||||
return hasattr(stream, "isatty") and stream.isatty()
|
||||
|
||||
|
||||
def _compress_log_file(path):
|
||||
"""Implement the compress log file helper.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): File system path.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
gz_path = f"{path}.gz"
|
||||
if os.path.exists(gz_path):
|
||||
return
|
||||
try:
|
||||
with open(path, "rb") as src, gzip.open(gz_path, "wb") as dst:
|
||||
shutil.copyfileobj(src, dst)
|
||||
os.remove(path)
|
||||
except OSError:
|
||||
pass
|
||||
|
||||
|
||||
def _parse_log_time(filename):
|
||||
"""Parse log time.
|
||||
|
||||
Args:
|
||||
filename (str): Filename value.
|
||||
|
||||
Returns:
|
||||
Any: Parsed value."""
|
||||
stem = filename
|
||||
if stem.endswith(".gz"):
|
||||
stem = stem[:-3]
|
||||
if stem.endswith(".log"):
|
||||
stem = stem[:-4]
|
||||
for fmt in ("%Y-%m-%d_%H-%M-%S", "%Y-%m-%d"):
|
||||
try:
|
||||
return datetime.strptime(stem, fmt)
|
||||
except ValueError:
|
||||
continue
|
||||
return datetime.min
|
||||
|
||||
|
||||
def manage_log_files(log_dir, max_log):
|
||||
"""Compress or remove old log files according to the retention limit.
|
||||
|
||||
Args:
|
||||
log_dir (Any): Log dir value.
|
||||
max_log (int): Max log value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
try:
|
||||
log_files = [filename for filename in os.listdir(log_dir) if filename.endswith(".log") or filename.endswith(".log.gz")]
|
||||
except OSError:
|
||||
return
|
||||
|
||||
current_log = os.environ.get(LOG_ENV_NAME)
|
||||
for filename in log_files:
|
||||
path = os.path.join(log_dir, filename)
|
||||
if filename.endswith(".log") and path != current_log:
|
||||
_compress_log_file(path)
|
||||
|
||||
try:
|
||||
log_files = [filename for filename in os.listdir(log_dir) if filename.endswith(".log") or filename.endswith(".log.gz")]
|
||||
except OSError:
|
||||
return
|
||||
|
||||
log_files = sorted(log_files, key=_parse_log_time)
|
||||
while len(log_files) > max_log:
|
||||
oldest_file = log_files.pop(0)
|
||||
path = os.path.join(log_dir, oldest_file)
|
||||
if path == current_log:
|
||||
continue
|
||||
try:
|
||||
os.remove(path)
|
||||
except OSError:
|
||||
pass
|
||||
|
||||
|
||||
def _get_log_path(log_dir):
|
||||
"""Return log path.
|
||||
|
||||
Args:
|
||||
log_dir (Any): Log dir value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
log_path = os.environ.get(LOG_ENV_NAME)
|
||||
if log_path:
|
||||
return log_path
|
||||
|
||||
os.makedirs(log_dir, exist_ok=True)
|
||||
log_path = os.path.join(log_dir, datetime.now().strftime("%Y-%m-%d_%H-%M-%S.log"))
|
||||
os.environ[LOG_ENV_NAME] = log_path
|
||||
return log_path
|
||||
|
||||
|
||||
def set_log_level(logger, level):
|
||||
"""Set the level for every handler attached to a logger.
|
||||
|
||||
Args:
|
||||
logger (logging.Logger | None): Optional logger for progress messages.
|
||||
level (int | str): Level value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
if hasattr(logger, "console_handler"):
|
||||
logger.console_handler.setLevel(level)
|
||||
|
||||
|
||||
def get_separation_logger(
|
||||
console_level=logging.INFO,
|
||||
enable_file_log=False,
|
||||
max_log=MAX_LOG,
|
||||
log_dir=LOG_DIR,
|
||||
enable_color=None,
|
||||
):
|
||||
"""Create or return the shared pymss separation logger.
|
||||
|
||||
The logger writes concise console messages by default and can optionally
|
||||
add a debug-level file handler. Calling this function repeatedly returns
|
||||
the same logger and updates the console handler level.
|
||||
|
||||
Args:
|
||||
console_level (int, optional): Console handler log level, such as
|
||||
``logging.INFO`` or ``logging.DEBUG``. Defaults to logging.INFO.
|
||||
enable_file_log (bool, optional): Whether to add a file handler. File
|
||||
logs are written at debug level regardless of ``console_level``.
|
||||
Defaults to False.
|
||||
max_log (int, optional): Maximum number of ``.log`` or ``.log.gz``
|
||||
files to keep in ``log_dir``. Older files are compressed or
|
||||
removed. Defaults to ``MAX_LOG``.
|
||||
log_dir (str | os.PathLike, optional): Directory for file logs when
|
||||
``enable_file_log`` is true. Defaults to ``LOG_DIR``.
|
||||
enable_color (bool | None, optional): Whether console output should use
|
||||
ANSI colors. ``None`` auto-detects color support and respects
|
||||
``NO_COLOR``/``PYMSS_FORCE_COLOR``. Defaults to None.
|
||||
|
||||
Returns:
|
||||
logging.Logger: Shared pymss logger. The object also stores
|
||||
``console_handler`` and, when enabled, ``file_handler`` attributes.
|
||||
|
||||
Example:
|
||||
>>> import logging
|
||||
>>> from pymss import get_separation_logger
|
||||
>>> logger = get_separation_logger(console_level=logging.DEBUG)
|
||||
>>> logger.debug("debug output is visible")
|
||||
|
||||
Example:
|
||||
>>> logger = get_separation_logger(enable_file_log=True, log_dir=".logs")
|
||||
>>> logger.info("message is written to console and log file")"""
|
||||
logger = logging.getLogger("logger")
|
||||
logger.setLevel(logging.DEBUG)
|
||||
logger.propagate = False
|
||||
|
||||
if hasattr(logger, "console_handler"):
|
||||
logger.console_handler.setLevel(console_level)
|
||||
if enable_file_log and not hasattr(logger, "file_handler"):
|
||||
log_path = _get_log_path(log_dir)
|
||||
file_handler = logging.FileHandler(log_path, mode="a", encoding="utf-8")
|
||||
file_handler.setLevel(logging.DEBUG)
|
||||
file_handler.setFormatter(FileFormatter())
|
||||
logger.addHandler(file_handler)
|
||||
logger.file_handler = file_handler
|
||||
manage_log_files(log_dir, max_log)
|
||||
return logger
|
||||
|
||||
console_handler = logging.StreamHandler(sys.stderr)
|
||||
console_handler.setLevel(console_level)
|
||||
if enable_color is None:
|
||||
enable_color = _supports_color(console_handler.stream)
|
||||
console_handler.setFormatter(ColorFormatter(enable_color=enable_color))
|
||||
logger.addHandler(console_handler)
|
||||
logger.console_handler = console_handler
|
||||
|
||||
if enable_file_log:
|
||||
log_path = _get_log_path(log_dir)
|
||||
file_handler = logging.FileHandler(log_path, mode="a", encoding="utf-8")
|
||||
file_handler.setLevel(logging.DEBUG)
|
||||
file_handler.setFormatter(FileFormatter())
|
||||
logger.addHandler(file_handler)
|
||||
logger.file_handler = file_handler
|
||||
manage_log_files(log_dir, max_log)
|
||||
|
||||
return logger
|
||||
399
tools/pymss/model_download.py
Normal file
399
tools/pymss/model_download.py
Normal file
@@ -0,0 +1,399 @@
|
||||
import hashlib
|
||||
import json
|
||||
import os
|
||||
import shutil
|
||||
import subprocess
|
||||
import time
|
||||
import urllib.error
|
||||
import urllib.parse
|
||||
import urllib.request
|
||||
from pathlib import Path
|
||||
|
||||
from tqdm import tqdm
|
||||
|
||||
from .model_registry import (
|
||||
auxiliary_paths_for,
|
||||
config_path_for,
|
||||
get_model_entry,
|
||||
model_path_for,
|
||||
)
|
||||
|
||||
|
||||
HF_REPO = "baicai1145/pymss"
|
||||
MS_REPO = "baicai1145/pymss"
|
||||
HF_BASE_URL = f"https://huggingface.co/{HF_REPO}/resolve/main"
|
||||
MS_BASE_URL = f"https://www.modelscope.cn/models/{MS_REPO}/resolve/master"
|
||||
MS_FILES_API = f"https://www.modelscope.cn/api/v1/models/{MS_REPO}/repo/files?Revision=master&Recursive=true"
|
||||
MODEL_FILE_SUFFIXES = {".ckpt", ".th", ".pth", ".chpt", ".safetensors", ".pt", ".yaml", ".yml", ".json"}
|
||||
ARIA2C_PATH = shutil.which("aria2c")
|
||||
|
||||
|
||||
class DownloadError(RuntimeError):
|
||||
"""Base exception raised when model download fails."""
|
||||
|
||||
pass
|
||||
|
||||
|
||||
class DownloadValidationError(DownloadError):
|
||||
"""Exception raised when a downloaded file fails size or hash validation."""
|
||||
|
||||
pass
|
||||
|
||||
|
||||
def _quote_path(path):
|
||||
"""Implement the quote path helper.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): File system path.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return urllib.parse.quote(path, safe="/")
|
||||
|
||||
|
||||
def remote_url(relpath, source="modelscope", endpoint=None):
|
||||
"""Build the remote download URL for a catalog-relative file path.
|
||||
|
||||
Args:
|
||||
relpath (str): Relpath value.
|
||||
source (str, optional): Download source name. Defaults to "modelscope".
|
||||
endpoint (str | None, optional): Optional custom download endpoint. Defaults to None.
|
||||
|
||||
Returns:
|
||||
str: Absolute URL for the requested source."""
|
||||
if endpoint:
|
||||
return f"{endpoint.rstrip('/')}/{_quote_path(relpath)}"
|
||||
if source == "huggingface":
|
||||
return f"{HF_BASE_URL}/{_quote_path(relpath)}"
|
||||
if source == "hf-mirror":
|
||||
return f"https://hf-mirror.com/{HF_REPO}/resolve/main/{_quote_path(relpath)}"
|
||||
if source == "modelscope":
|
||||
return f"{MS_BASE_URL}/{_quote_path(relpath)}"
|
||||
raise ValueError("source must be one of: modelscope, huggingface, hf-mirror")
|
||||
|
||||
|
||||
def _read_json_url(url, timeout=30):
|
||||
"""Read json url.
|
||||
|
||||
Args:
|
||||
url (str): Url value.
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
with urllib.request.urlopen(url, timeout=timeout) as response:
|
||||
return json.load(response)
|
||||
|
||||
|
||||
def fetch_modelscope_file_index(timeout=30):
|
||||
"""Fetch modelscope file index.
|
||||
|
||||
Args:
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
data = _read_json_url(MS_FILES_API, timeout=timeout)
|
||||
files = data.get("Data", {}).get("Files", [])
|
||||
return {item["Path"]: item for item in files if item.get("Type") == "blob"}
|
||||
|
||||
|
||||
def _sha256(path):
|
||||
"""Implement the sha256 helper.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): File system path.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
digest = hashlib.sha256()
|
||||
with open(path, "rb") as f:
|
||||
while True:
|
||||
chunk = f.read(1024 * 1024)
|
||||
if not chunk:
|
||||
break
|
||||
digest.update(chunk)
|
||||
return digest.hexdigest()
|
||||
|
||||
|
||||
def _expected_size_and_hash(relpath, source_index):
|
||||
"""Implement the expected size and hash helper.
|
||||
|
||||
Args:
|
||||
relpath (str): Relpath value.
|
||||
source_index (Any): Source index value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if not source_index:
|
||||
return None, ""
|
||||
item = source_index.get(relpath, {})
|
||||
size = item.get("Size")
|
||||
sha256 = item.get("Sha256") or ""
|
||||
return int(size) if size else None, sha256
|
||||
|
||||
|
||||
def _already_valid(path, expected_size=None, expected_sha256=""):
|
||||
"""Implement the already valid helper.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): File system path.
|
||||
expected_size (Any, optional): Expected size value. Defaults to None.
|
||||
expected_sha256 (Any, optional): Expected sha256 value. Defaults to ''.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if not path.is_file():
|
||||
return False
|
||||
if expected_size is not None and path.stat().st_size != expected_size:
|
||||
return False
|
||||
if expected_sha256 and _sha256(path) != expected_sha256:
|
||||
return False
|
||||
return True
|
||||
|
||||
|
||||
def _cleanup_partial_download(tmp):
|
||||
"""Implement the cleanup partial download helper.
|
||||
|
||||
Args:
|
||||
tmp (Any): Tmp value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
for path in (tmp, Path(str(tmp) + ".aria2")):
|
||||
try:
|
||||
path.unlink()
|
||||
except FileNotFoundError:
|
||||
pass
|
||||
|
||||
|
||||
def _validate_downloaded_file(path, dest, expected_size=None, expected_sha256=""):
|
||||
"""Validate downloaded file.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): File system path.
|
||||
dest (Any): Dest value.
|
||||
expected_size (Any, optional): Expected size value. Defaults to None.
|
||||
expected_sha256 (Any, optional): Expected sha256 value. Defaults to ''.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
if expected_size is not None and path.stat().st_size != expected_size:
|
||||
raise DownloadValidationError(f"size mismatch for {dest.name}: expected {expected_size}, got {path.stat().st_size}")
|
||||
if expected_sha256:
|
||||
actual = _sha256(path)
|
||||
if actual != expected_sha256:
|
||||
raise DownloadValidationError(f"sha256 mismatch for {dest.name}: expected {expected_sha256}, got {actual}")
|
||||
|
||||
|
||||
def _download_file_urllib(url, tmp, dest, expected_size=None, expected_sha256="", timeout=30):
|
||||
"""Download file urllib.
|
||||
|
||||
Args:
|
||||
url (str): Url value.
|
||||
tmp (Any): Tmp value.
|
||||
dest (Any): Dest value.
|
||||
expected_size (Any, optional): Expected size value. Defaults to None.
|
||||
expected_sha256 (Any, optional): Expected sha256 value. Defaults to ''.
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
with urllib.request.urlopen(url, timeout=timeout) as response:
|
||||
total = int(response.headers.get("content-length") or expected_size or 0)
|
||||
with open(tmp, "wb") as f, tqdm(total=total, unit="B", unit_scale=True, desc=dest.name) as progress:
|
||||
while True:
|
||||
chunk = response.read(1024 * 1024)
|
||||
if not chunk:
|
||||
break
|
||||
f.write(chunk)
|
||||
progress.update(len(chunk))
|
||||
_validate_downloaded_file(tmp, dest, expected_size, expected_sha256)
|
||||
os.replace(tmp, dest)
|
||||
return dest
|
||||
|
||||
|
||||
def _download_file_aria2(url, tmp, dest, expected_size=None, expected_sha256="", timeout=30):
|
||||
"""Download file aria2.
|
||||
|
||||
Args:
|
||||
url (str): Url value.
|
||||
tmp (Any): Tmp value.
|
||||
dest (Any): Dest value.
|
||||
expected_size (Any, optional): Expected size value. Defaults to None.
|
||||
expected_sha256 (Any, optional): Expected sha256 value. Defaults to ''.
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
cmd = [
|
||||
ARIA2C_PATH,
|
||||
"--allow-overwrite=true",
|
||||
"--auto-file-renaming=false",
|
||||
"--continue=true",
|
||||
"--console-log-level=warn",
|
||||
"--summary-interval=1",
|
||||
"--max-connection-per-server=16",
|
||||
"--split=16",
|
||||
"--min-split-size=1M",
|
||||
"--max-tries=3",
|
||||
f"--connect-timeout={timeout}",
|
||||
f"--timeout={timeout}",
|
||||
"--dir",
|
||||
str(tmp.parent),
|
||||
"--out",
|
||||
tmp.name,
|
||||
url,
|
||||
]
|
||||
result = subprocess.run(cmd, check=False)
|
||||
if result.returncode != 0:
|
||||
raise DownloadError(f"aria2c failed with exit code {result.returncode}")
|
||||
if not tmp.is_file():
|
||||
raise DownloadError("aria2c did not create the expected output file")
|
||||
|
||||
_validate_downloaded_file(tmp, dest, expected_size, expected_sha256)
|
||||
os.replace(tmp, dest)
|
||||
return dest
|
||||
|
||||
|
||||
def _download_file(url, dest, expected_size=None, expected_sha256="", timeout=30, retries=2):
|
||||
"""Download file.
|
||||
|
||||
Args:
|
||||
url (str): Url value.
|
||||
dest (Any): Dest value.
|
||||
expected_size (Any, optional): Expected size value. Defaults to None.
|
||||
expected_sha256 (Any, optional): Expected sha256 value. Defaults to ''.
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
retries (int, optional): Retries value. Defaults to 2.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
dest = Path(dest)
|
||||
dest.parent.mkdir(parents=True, exist_ok=True)
|
||||
tmp = dest.with_name(dest.name + ".part")
|
||||
last_error = None
|
||||
|
||||
for attempt in range(retries + 1):
|
||||
try:
|
||||
if ARIA2C_PATH:
|
||||
return _download_file_aria2(url, tmp, dest, expected_size, expected_sha256, timeout=timeout)
|
||||
return _download_file_urllib(url, tmp, dest, expected_size, expected_sha256, timeout=timeout)
|
||||
except (OSError, urllib.error.URLError, urllib.error.HTTPError, DownloadError) as exc:
|
||||
last_error = exc
|
||||
# don't rm temp file if aria2c is being used
|
||||
if not ARIA2C_PATH or isinstance(exc, DownloadValidationError):
|
||||
_cleanup_partial_download(tmp)
|
||||
if attempt < retries:
|
||||
time.sleep(1.0 + attempt)
|
||||
raise DownloadError(f"failed to download {url}: {last_error}")
|
||||
|
||||
|
||||
def files_for_model(model_name, model_dir=None):
|
||||
"""Return the local file targets required by a catalog model.
|
||||
|
||||
Args:
|
||||
model_name (str): Model name or alias from the pymss catalog.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
tuple[ModelEntry, list[tuple[str, Path]]]: Catalog entry and required files."""
|
||||
entry = get_model_entry(model_name)
|
||||
files = [(entry.relpath, model_path_for(entry, model_dir))]
|
||||
config_path = config_path_for(entry, model_dir)
|
||||
if entry.config_relpath and config_path is not None:
|
||||
files.append((entry.config_relpath, config_path))
|
||||
files.extend(zip(entry.auxiliary_relpaths, auxiliary_paths_for(entry, model_dir)))
|
||||
return entry, files
|
||||
|
||||
|
||||
def download_model(model_name, model_dir=None, source="modelscope", endpoint=None, verify=True, force=False, timeout=30):
|
||||
"""Download all files required by one catalog model.
|
||||
|
||||
The downloader resolves the model from the pymss catalog, downloads the
|
||||
weights, config, and auxiliary files, and skips files that already match
|
||||
available size/hash metadata. If ``aria2c`` is available on ``PATH``, pymss
|
||||
uses it for resumable multi-connection downloads; otherwise it falls back
|
||||
to Python's urllib downloader.
|
||||
|
||||
Args:
|
||||
model_name (str): Model name, stem, or alias from the pymss catalog.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache
|
||||
directory. When omitted, pymss uses its default model directory.
|
||||
Defaults to None.
|
||||
source (str, optional): Download source. Supported values are
|
||||
``modelscope``, ``huggingface``, and ``hf-mirror``. Defaults to
|
||||
``"modelscope"``.
|
||||
endpoint (str | None, optional): Custom endpoint prefix. When provided,
|
||||
the final URL is ``endpoint/relative/catalog/path`` and ``source``
|
||||
is ignored for URL construction. Defaults to None.
|
||||
verify (bool, optional): Whether to validate downloads with available
|
||||
ModelScope size/hash metadata. Custom endpoints skip source index
|
||||
lookup. Defaults to True.
|
||||
force (bool, optional): Whether to redownload files even when existing
|
||||
local files appear valid. Defaults to False.
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
|
||||
Returns:
|
||||
dict: Download result with ``entry`` (``ModelEntry``), ``downloaded``
|
||||
(list of paths written this call), and ``skipped`` (list of existing
|
||||
valid paths).
|
||||
|
||||
Raises:
|
||||
KeyError: If ``model_name`` is unknown.
|
||||
DownloadError: If downloading fails after retries.
|
||||
DownloadValidationError: If a downloaded file fails size/hash checks.
|
||||
|
||||
Example:
|
||||
>>> from pymss import download_model
|
||||
>>> result = download_model("bs_roformer_voc_hyperacev2", model_dir="models")
|
||||
>>> result["entry"].name
|
||||
|
||||
Example:
|
||||
>>> download_model(
|
||||
... "bs_roformer_voc_hyperacev2",
|
||||
... source="hf-mirror",
|
||||
... force=True,
|
||||
... timeout=60,
|
||||
... )"""
|
||||
entry, files = files_for_model(model_name, model_dir)
|
||||
index = fetch_modelscope_file_index(timeout=timeout) if verify and endpoint is None else None
|
||||
downloaded = []
|
||||
skipped = []
|
||||
|
||||
for relpath, dest in files:
|
||||
expected_size, expected_sha256 = _expected_size_and_hash(relpath, index)
|
||||
if not force and _already_valid(dest, expected_size, expected_sha256):
|
||||
skipped.append(str(dest))
|
||||
continue
|
||||
url = remote_url(relpath, source=source, endpoint=endpoint)
|
||||
_download_file(url, dest, expected_size, expected_sha256, timeout=timeout)
|
||||
downloaded.append(str(dest))
|
||||
|
||||
return {"entry": entry, "downloaded": downloaded, "skipped": skipped}
|
||||
|
||||
|
||||
def download_all(model_dir=None, source="modelscope", endpoint=None, supported_only=False, force=False, timeout=30):
|
||||
"""Download every catalog model, optionally limited to supported entries.
|
||||
|
||||
Args:
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
source (str, optional): Download source name. Defaults to "modelscope".
|
||||
endpoint (str | None, optional): Optional custom download endpoint. Defaults to None.
|
||||
supported_only (bool, optional): Supported only value. Defaults to False.
|
||||
force (bool, optional): Whether to overwrite or redownload existing files. Defaults to False.
|
||||
timeout (int, optional): Network timeout in seconds. Defaults to 30.
|
||||
|
||||
Returns:
|
||||
list[dict]: Per-model download results."""
|
||||
from .model_registry import list_models
|
||||
|
||||
results = []
|
||||
for entry in list_models(supported=True if supported_only else None):
|
||||
try:
|
||||
results.append(
|
||||
download_model(entry.name, model_dir=model_dir, source=source, endpoint=endpoint, force=force, timeout=timeout)
|
||||
)
|
||||
except Exception as exc:
|
||||
results.append({"entry": entry, "error": str(exc)})
|
||||
return results
|
||||
386
tools/pymss/model_registry.py
Normal file
386
tools/pymss/model_registry.py
Normal file
@@ -0,0 +1,386 @@
|
||||
import json
|
||||
import os
|
||||
from dataclasses import dataclass
|
||||
from functools import lru_cache
|
||||
from importlib import resources
|
||||
from pathlib import Path
|
||||
|
||||
|
||||
def _default_model_dir():
|
||||
"""Implement the default model dir helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
env_value = os.environ.get("PYMSS_MODEL_DIR")
|
||||
if env_value:
|
||||
return Path(env_value)
|
||||
repo_models = Path(__file__).resolve().parent.parent / "all_models"
|
||||
if repo_models.is_dir():
|
||||
return repo_models
|
||||
return Path.home() / ".cache" / "pymss" / "models"
|
||||
|
||||
|
||||
DEFAULT_MODEL_DIR = _default_model_dir()
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class ModelEntry:
|
||||
"""Catalog metadata for one downloadable pymss model."""
|
||||
|
||||
name: str
|
||||
aliases: tuple
|
||||
model_type: str | None
|
||||
architecture: str
|
||||
supported: bool
|
||||
unsupported_reason: str
|
||||
relpath: str
|
||||
config_relpath: str
|
||||
auxiliary_relpaths: tuple
|
||||
size_bytes: int
|
||||
sha256: str
|
||||
primary_category: str
|
||||
primary_category_cn: str
|
||||
secondary_category: str
|
||||
secondary_category_cn: str
|
||||
target_stem: str
|
||||
config_instruments: str
|
||||
config_target_instrument: str
|
||||
classification_confidence: str
|
||||
classification_basis: str
|
||||
|
||||
@property
|
||||
def stem(self):
|
||||
"""Implement the stem helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return Path(self.name).stem
|
||||
|
||||
@property
|
||||
def category_path(self):
|
||||
"""Implement the category path helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return "/".join(part for part in (self.primary_category, self.secondary_category) if part)
|
||||
|
||||
@classmethod
|
||||
def from_dict(cls, data):
|
||||
"""Implement the from dict helper.
|
||||
|
||||
Args:
|
||||
data (Mapping | None): Data value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return cls(
|
||||
name=data["name"],
|
||||
aliases=tuple(data.get("aliases", ())),
|
||||
model_type=data.get("model_type"),
|
||||
architecture=data.get("architecture", ""),
|
||||
supported=bool(data.get("supported", False)),
|
||||
unsupported_reason=data.get("unsupported_reason", ""),
|
||||
relpath=data["relpath"],
|
||||
config_relpath=data.get("config_relpath", ""),
|
||||
auxiliary_relpaths=tuple(data.get("auxiliary_relpaths", ())),
|
||||
size_bytes=int(data.get("size_bytes", 0)),
|
||||
sha256=data.get("sha256", ""),
|
||||
primary_category=data.get("primary_category", ""),
|
||||
primary_category_cn=data.get("primary_category_cn", ""),
|
||||
secondary_category=data.get("secondary_category", ""),
|
||||
secondary_category_cn=data.get("secondary_category_cn", ""),
|
||||
target_stem=data.get("target_stem", ""),
|
||||
config_instruments=data.get("config_instruments", ""),
|
||||
config_target_instrument=data.get("config_target_instrument", ""),
|
||||
classification_confidence=data.get("classification_confidence", ""),
|
||||
classification_basis=data.get("classification_basis", ""),
|
||||
)
|
||||
|
||||
|
||||
@lru_cache(maxsize=1)
|
||||
def load_model_catalog():
|
||||
"""Load model catalog.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
with resources.files("pymss.resources").joinpath("model_catalog.json").open(encoding="utf-8") as f:
|
||||
data = json.load(f)
|
||||
models = [ModelEntry.from_dict(item) for item in data["models"]]
|
||||
return {**data, "models": models}
|
||||
|
||||
|
||||
@lru_cache(maxsize=1)
|
||||
def _model_index():
|
||||
"""Implement the model index helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
index = {}
|
||||
for entry in load_model_catalog()["models"]:
|
||||
names = {entry.name, entry.stem, *entry.aliases}
|
||||
for name in names:
|
||||
key = _normalize_model_name(name)
|
||||
if key in index and index[key].name != entry.name:
|
||||
continue
|
||||
index[key] = entry
|
||||
return index
|
||||
|
||||
|
||||
def _normalize_model_name(name):
|
||||
"""Normalize model name.
|
||||
|
||||
Args:
|
||||
name (Any): Name value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return str(name).strip().lower()
|
||||
|
||||
|
||||
def list_models(category=None, supported=None):
|
||||
"""List model catalog entries.
|
||||
|
||||
The catalog contains every model known to pymss, including unsupported
|
||||
entries. Use the filters when building model selectors, download tools, or
|
||||
validation code.
|
||||
|
||||
Args:
|
||||
category (str | None, optional): Optional category filter. The value is
|
||||
matched against primary category, secondary category, or combined
|
||||
``primary/secondary`` category path. Matching is case-insensitive.
|
||||
Defaults to None.
|
||||
supported (bool | None, optional): Support-status filter. ``True``
|
||||
returns only models supported by the current inference code,
|
||||
``False`` returns unsupported entries, and ``None`` returns all
|
||||
catalog entries. Defaults to None.
|
||||
|
||||
Returns:
|
||||
list[ModelEntry]: Matching catalog entries in catalog order.
|
||||
|
||||
Example:
|
||||
>>> from pymss import list_models
|
||||
>>> supported_models = list_models(supported=True)
|
||||
>>> supported_models[0].name
|
||||
|
||||
Example:
|
||||
>>> vocal_models = list_models(category="vocal", supported=True)
|
||||
>>> [model.stem for model in vocal_models[:3]]"""
|
||||
models = load_model_catalog()["models"]
|
||||
if category:
|
||||
category = category.lower()
|
||||
models = [
|
||||
item
|
||||
for item in models
|
||||
if item.primary_category.lower() == category
|
||||
or item.secondary_category.lower() == category
|
||||
or item.category_path.lower() == category
|
||||
]
|
||||
if supported is not None:
|
||||
models = [item for item in models if item.supported is bool(supported)]
|
||||
return models
|
||||
|
||||
|
||||
def get_model_entry(model_name):
|
||||
"""Return catalog metadata for one model name or alias.
|
||||
|
||||
Args:
|
||||
model_name (str): Full catalog filename, stem name, or alias. Matching
|
||||
is case-insensitive after stripping surrounding whitespace.
|
||||
|
||||
Returns:
|
||||
ModelEntry: Catalog entry containing architecture, support status,
|
||||
relative file paths, hashes, categories, target stem, and aliases.
|
||||
|
||||
Raises:
|
||||
KeyError: If ``model_name`` is unknown.
|
||||
|
||||
Example:
|
||||
>>> from pymss import get_model_entry
|
||||
>>> entry = get_model_entry("bs_roformer_voc_hyperacev2")
|
||||
>>> entry.model_type
|
||||
'bs_roformer'
|
||||
|
||||
Example:
|
||||
>>> entry.supported, entry.category_path
|
||||
(True, entry.category_path)"""
|
||||
try:
|
||||
return _model_index()[_normalize_model_name(model_name)]
|
||||
except KeyError as exc:
|
||||
raise KeyError(f"Unknown pymss model: {model_name}") from exc
|
||||
|
||||
|
||||
def model_root(model_dir=None):
|
||||
"""Implement the model root helper.
|
||||
|
||||
Args:
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return Path(model_dir).expanduser() if model_dir else DEFAULT_MODEL_DIR
|
||||
|
||||
|
||||
def model_path_for(entry, model_dir=None):
|
||||
"""Implement the model path for helper.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return model_root(model_dir) / entry.relpath
|
||||
|
||||
|
||||
def config_path_for(entry, model_dir=None):
|
||||
"""Implement the config path for helper.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return model_root(model_dir) / entry.config_relpath if entry.config_relpath else None
|
||||
|
||||
|
||||
def auxiliary_paths_for(entry, model_dir=None):
|
||||
"""Implement the auxiliary paths for helper.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
root = model_root(model_dir)
|
||||
return [root / relpath for relpath in entry.auxiliary_relpaths]
|
||||
|
||||
|
||||
def resolve_model(model_name, model_dir=None, require_supported=True, require_exists=True):
|
||||
"""Resolve a catalog model to local file paths.
|
||||
|
||||
This function does not instantiate a model. It only translates a catalog
|
||||
name or alias into the local weights/config paths that ``MSSeparator`` will
|
||||
use.
|
||||
|
||||
Args:
|
||||
model_name (str): Model name, stem, or alias from the pymss catalog.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache
|
||||
directory. When omitted, pymss uses ``PYMSS_MODEL_DIR`` if set, a
|
||||
repository-local ``all_models`` directory if present, or the user
|
||||
cache under ``~/.cache/pymss/models``. Defaults to None.
|
||||
require_supported (bool, optional): Whether unsupported catalog entries
|
||||
should raise ``ValueError``. Defaults to True.
|
||||
require_exists (bool, optional): Whether resolved model, config, and
|
||||
auxiliary files must already exist locally. Defaults to True.
|
||||
|
||||
Returns:
|
||||
dict: Dictionary with ``entry`` (``ModelEntry``), ``model_type``,
|
||||
``model_path``, and ``config_path`` keys.
|
||||
|
||||
Raises:
|
||||
KeyError: If the model name is unknown.
|
||||
ValueError: If the model is unsupported and ``require_supported`` is
|
||||
true.
|
||||
FileNotFoundError: If required local files are missing and
|
||||
``require_exists`` is true.
|
||||
|
||||
Example:
|
||||
>>> from pymss import resolve_model
|
||||
>>> resolved = resolve_model("bs_roformer_voc_hyperacev2", require_exists=False)
|
||||
>>> resolved["model_type"]
|
||||
'bs_roformer'
|
||||
|
||||
Example:
|
||||
>>> resolved = resolve_model("bs_roformer_voc_hyperacev2", model_dir="models")
|
||||
>>> resolved["model_path"].endswith(".ckpt") or resolved["model_path"].endswith(".pth")
|
||||
True"""
|
||||
entry = get_model_entry(model_name)
|
||||
if require_supported and not entry.supported:
|
||||
reason = entry.unsupported_reason or "unsupported"
|
||||
raise ValueError(f"Model {entry.name} cannot be used for inference yet: {reason}")
|
||||
|
||||
model_path = model_path_for(entry, model_dir)
|
||||
config_path = config_path_for(entry, model_dir)
|
||||
missing = []
|
||||
if require_exists and not model_path.is_file():
|
||||
missing.append(str(model_path))
|
||||
if require_exists and config_path is not None and not config_path.is_file():
|
||||
missing.append(str(config_path))
|
||||
for path in auxiliary_paths_for(entry, model_dir):
|
||||
if require_exists and not path.is_file():
|
||||
missing.append(str(path))
|
||||
if missing:
|
||||
raise FileNotFoundError("Missing model file(s): " + ", ".join(missing))
|
||||
|
||||
return {
|
||||
"entry": entry,
|
||||
"model_type": entry.model_type,
|
||||
"model_path": str(model_path),
|
||||
"config_path": str(config_path) if config_path else None,
|
||||
}
|
||||
|
||||
|
||||
def create_separator(model_name, model_dir=None, **separator_kwargs):
|
||||
"""Create ``MSSeparator`` from a catalog model name.
|
||||
|
||||
This is a convenience wrapper around ``resolve_model(...)`` followed by
|
||||
``MSSeparator(...)``. It expects the model files to already exist locally;
|
||||
call ``download_model(...)`` first or use ``MSSeparator.from_model_name`` if
|
||||
you want optional downloading in one step.
|
||||
|
||||
Args:
|
||||
model_name (str): Model name, stem, or alias from the pymss catalog.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache
|
||||
directory. Defaults to None.
|
||||
**separator_kwargs: Keyword arguments forwarded to ``MSSeparator``,
|
||||
such as ``device``, ``device_ids``, ``output_format``,
|
||||
``store_dirs``, ``save_as_folder``, ``audio_params``, ``logger``,
|
||||
``debug``, ``progress_callback``, and ``inference_params``.
|
||||
|
||||
Returns:
|
||||
MSSeparator: Loaded separator instance ready for inference.
|
||||
|
||||
Raises:
|
||||
FileNotFoundError: If required model files are not present locally.
|
||||
|
||||
Example:
|
||||
>>> from pymss import create_separator
|
||||
>>> separator = create_separator(
|
||||
... "bs_roformer_voc_hyperacev2",
|
||||
... model_dir="models",
|
||||
... output_format="wav",
|
||||
... inference_params={"normalize": True},
|
||||
... )
|
||||
>>> separator.process_folder("song.wav")
|
||||
|
||||
Example:
|
||||
>>> separator = create_separator(
|
||||
... "some_six_stem_model",
|
||||
... store_dirs={"vocals": "out/vocals", "drums": "out/drums"},
|
||||
... )"""
|
||||
from .separator import MSSeparator
|
||||
|
||||
resolved = resolve_model(model_name, model_dir=model_dir, require_supported=True, require_exists=True)
|
||||
return MSSeparator(
|
||||
model_type=resolved["model_type"],
|
||||
model_path=resolved["model_path"],
|
||||
config_path=resolved["config_path"],
|
||||
**separator_kwargs,
|
||||
)
|
||||
62
tools/pymss/modules/__init__.py
Normal file
62
tools/pymss/modules/__init__.py
Normal file
@@ -0,0 +1,62 @@
|
||||
from ._core_shims import alias_submodules
|
||||
|
||||
alias_submodules(
|
||||
__name__,
|
||||
"pymss_core.modules",
|
||||
(
|
||||
"apollo_mlx",
|
||||
"bandit_mlx",
|
||||
"demucs4ht",
|
||||
"demucs_local",
|
||||
"demucs_mlx",
|
||||
"legacy_demucs",
|
||||
"mdx23c_mlx",
|
||||
"mdx23c_tfc_tdf_v3",
|
||||
"mlx_utils",
|
||||
"scnet_mlx",
|
||||
"spectrogram",
|
||||
),
|
||||
)
|
||||
|
||||
alias_submodules(
|
||||
__name__,
|
||||
"pymss_core.modules",
|
||||
(
|
||||
"bandit",
|
||||
"bandit.bandsplit",
|
||||
"bandit.core",
|
||||
"bandit.core.model",
|
||||
"bandit.core.model._spectral",
|
||||
"bandit.core.model.bsrnn",
|
||||
"bandit.core.model.bsrnn.bandsplit",
|
||||
"bandit.core.model.bsrnn.core",
|
||||
"bandit.core.model.bsrnn.maskestim",
|
||||
"bandit.core.model.bsrnn.tfmodel",
|
||||
"bandit.core.model.bsrnn.utils",
|
||||
"bandit.core.model.bsrnn.wrapper",
|
||||
"bandit.maskestim",
|
||||
"bandit.tfmodel",
|
||||
"bandit_v2",
|
||||
"bandit_v2.bandit",
|
||||
"bandit_v2.bandsplit",
|
||||
"bandit_v2.maskestim",
|
||||
"bandit_v2.tfmodel",
|
||||
"bandit_v2.utils",
|
||||
"bs_roformer",
|
||||
"bs_roformer.attend",
|
||||
"bs_roformer.bands",
|
||||
"bs_roformer.bs_roformer",
|
||||
"bs_roformer.bs_roformer_hyperace",
|
||||
"bs_roformer.common",
|
||||
"bs_roformer.hyperace_segm",
|
||||
"bs_roformer.mel_band_roformer",
|
||||
"bs_roformer.mlx_attention",
|
||||
"bs_roformer.mlx_roformer",
|
||||
"bs_roformer.transformer",
|
||||
"look2hear",
|
||||
"look2hear.apollo",
|
||||
"scnet",
|
||||
"scnet.scnet",
|
||||
"scnet.separation",
|
||||
),
|
||||
)
|
||||
20
tools/pymss/modules/_core_shims.py
Normal file
20
tools/pymss/modules/_core_shims.py
Normal file
@@ -0,0 +1,20 @@
|
||||
from importlib import import_module
|
||||
import sys
|
||||
|
||||
_LOCAL_MODULE_PREFIX = "pymss.modules."
|
||||
_CORE_MODULE_PREFIX = "pymss_core.modules."
|
||||
|
||||
|
||||
def alias_module(local_name, core_name):
|
||||
if not local_name.startswith(_LOCAL_MODULE_PREFIX):
|
||||
raise ValueError(f"invalid local module alias: {local_name}")
|
||||
if not core_name.startswith(_CORE_MODULE_PREFIX):
|
||||
raise ValueError(f"invalid core module alias: {core_name}")
|
||||
module = import_module(core_name)
|
||||
sys.modules[local_name] = module
|
||||
return module
|
||||
|
||||
|
||||
def alias_submodules(local_package, core_package, names):
|
||||
for name in names:
|
||||
alias_module(f"{local_package}.{name}", f"{core_package}.{name}")
|
||||
20
tools/pymss/modules/vocal_remover/__init__.py
Normal file
20
tools/pymss/modules/vocal_remover/__init__.py
Normal file
@@ -0,0 +1,20 @@
|
||||
from pymss_core.modules.vocal_remover import (
|
||||
BaseASPPNet,
|
||||
BaseNet,
|
||||
CascadedASPPNet,
|
||||
CascadedNet,
|
||||
ModelParameters,
|
||||
determine_model_capacity,
|
||||
)
|
||||
|
||||
from .vr_separator import VRSeparator
|
||||
|
||||
__all__ = (
|
||||
"BaseASPPNet",
|
||||
"BaseNet",
|
||||
"CascadedASPPNet",
|
||||
"CascadedNet",
|
||||
"ModelParameters",
|
||||
"VRSeparator",
|
||||
"determine_model_capacity",
|
||||
)
|
||||
53
tools/pymss/modules/vocal_remover/common_separator.py
Normal file
53
tools/pymss/modules/vocal_remover/common_separator.py
Normal file
@@ -0,0 +1,53 @@
|
||||
class CommonSeparator:
|
||||
VOCAL_STEM = "Vocals"
|
||||
OTHER_STEM = "Other"
|
||||
BASS_STEM = "Bass"
|
||||
DRUM_STEM = "Drums"
|
||||
GUITAR_STEM = "Guitar"
|
||||
PIANO_STEM = "Piano"
|
||||
SYNTH_STEM = "Synthesizer"
|
||||
STRINGS_STEM = "Strings"
|
||||
WOODWINDS_STEM = "Woodwinds"
|
||||
BRASS_STEM = "Brass"
|
||||
WIND_INST_STEM = "Wind Inst"
|
||||
|
||||
NON_ACCOM_STEMS = (
|
||||
VOCAL_STEM,
|
||||
OTHER_STEM,
|
||||
BASS_STEM,
|
||||
DRUM_STEM,
|
||||
GUITAR_STEM,
|
||||
PIANO_STEM,
|
||||
SYNTH_STEM,
|
||||
STRINGS_STEM,
|
||||
WOODWINDS_STEM,
|
||||
BRASS_STEM,
|
||||
WIND_INST_STEM,
|
||||
)
|
||||
|
||||
def __init__(self, config):
|
||||
self.logger = config.get("logger")
|
||||
self.debug = config.get("debug")
|
||||
self.torch_device = config.get("torch_device")
|
||||
self.torch_device_cpu = config.get("torch_device_cpu")
|
||||
self.torch_device_mps = config.get("torch_device_mps")
|
||||
self.model_name = config.get("model_name")
|
||||
self.model_path = config.get("model_path")
|
||||
self.model_data = config.get("model_data")
|
||||
self.sample_rate = config.get("sample_rate")
|
||||
self.progress_callback = config.get("progress_callback", None)
|
||||
|
||||
self.primary_stem_name = self.model_data.get("primary_stem", "primary_stem")
|
||||
self.secondary_stem_name = self.model_data.get("secondary_stem", "secondary_stem")
|
||||
self.is_karaoke = self.model_data.get("is_karaoke", False)
|
||||
self.is_bv_model = self.model_data.get("is_bv_model", False)
|
||||
self.bv_model_rebalance = self.model_data.get("is_bv_model_rebalanced", 0)
|
||||
|
||||
self.primary_source = None
|
||||
self.secondary_source = None
|
||||
|
||||
self.logger.info(f"VR params: model_name={self.model_name}, model_path={self.model_path}")
|
||||
self.logger.info(f"VR params: primary_stem={self.primary_stem_name}, secondary_stem={self.secondary_stem_name}")
|
||||
self.logger.debug(
|
||||
f"VR params: is_karaoke={self.is_karaoke}, is_bv_model={self.is_bv_model}, bv_model_rebalance={self.bv_model_rebalance}"
|
||||
)
|
||||
14
tools/pymss/modules/vocal_remover/uvr_lib_v5/__init__.py
Normal file
14
tools/pymss/modules/vocal_remover/uvr_lib_v5/__init__.py
Normal file
@@ -0,0 +1,14 @@
|
||||
from pymss.modules._core_shims import alias_submodules
|
||||
|
||||
alias_submodules(
|
||||
__name__,
|
||||
"pymss_core.modules.vocal_remover.uvr_lib_v5",
|
||||
(
|
||||
"vr_network",
|
||||
"vr_network.layers",
|
||||
"vr_network.layers_new",
|
||||
"vr_network.model_param_init",
|
||||
"vr_network.nets",
|
||||
"vr_network.nets_new",
|
||||
),
|
||||
)
|
||||
388
tools/pymss/modules/vocal_remover/uvr_lib_v5/spec_utils.py
Normal file
388
tools/pymss/modules/vocal_remover/uvr_lib_v5/spec_utils.py
Normal file
@@ -0,0 +1,388 @@
|
||||
import math
|
||||
import platform
|
||||
import traceback
|
||||
|
||||
import librosa
|
||||
import numpy as np
|
||||
import torch
|
||||
|
||||
|
||||
ARM = "arm"
|
||||
wav_resolution = (
|
||||
"polyphase" if platform.system() == "Darwin" and (platform.processor() == ARM or ARM in platform.platform()) else "soxr_hq"
|
||||
)
|
||||
|
||||
|
||||
_HANN_WINDOW_CACHE = {}
|
||||
_FILTER_MASK_CACHE = {}
|
||||
|
||||
|
||||
def _hann_window(n_fft, dtype, device):
|
||||
torch_device = torch.device(device)
|
||||
key = (int(n_fft), dtype, torch_device.type, torch_device.index)
|
||||
window = _HANN_WINDOW_CACHE.get(key)
|
||||
if window is None:
|
||||
window = torch.hann_window(n_fft, dtype=dtype, device=torch_device)
|
||||
_HANN_WINDOW_CACHE[key] = window
|
||||
return window
|
||||
|
||||
|
||||
def resample_audio(wave, orig_sr, target_sr, res_type=None):
|
||||
orig_sr = int(orig_sr)
|
||||
target_sr = int(target_sr)
|
||||
if orig_sr == target_sr:
|
||||
return np.asfortranarray(wave)
|
||||
|
||||
last_error = None
|
||||
for candidate in dict.fromkeys(([res_type] if res_type else []) + ["soxr_hq", "polyphase"]):
|
||||
try:
|
||||
return librosa.resample(wave, orig_sr=orig_sr, target_sr=target_sr, res_type=candidate)
|
||||
except (ImportError, ModuleNotFoundError) as exc:
|
||||
last_error = exc
|
||||
|
||||
try:
|
||||
return _linear_resample(wave, orig_sr, target_sr)
|
||||
except Exception:
|
||||
if last_error is not None:
|
||||
raise last_error
|
||||
raise
|
||||
|
||||
|
||||
def _linear_resample(wave, orig_sr, target_sr):
|
||||
wave = np.asarray(wave)
|
||||
original_length = wave.shape[-1]
|
||||
target_length = max(1, int(round(original_length * target_sr / orig_sr)))
|
||||
if original_length == target_length:
|
||||
return np.asfortranarray(wave)
|
||||
|
||||
old_x, new_x = np.linspace(0.0, 1.0, original_length, endpoint=False), np.linspace(0.0, 1.0, target_length, endpoint=False)
|
||||
if wave.ndim == 1:
|
||||
return np.asfortranarray(np.interp(new_x, old_x, wave).astype(wave.dtype, copy=False))
|
||||
return np.asfortranarray(
|
||||
np.stack(
|
||||
[
|
||||
np.interp(new_x, old_x, channel).astype(wave.dtype, copy=False)
|
||||
for channel in wave.reshape((-1, original_length))
|
||||
],
|
||||
axis=0,
|
||||
).reshape(wave.shape[:-1] + (target_length,))
|
||||
)
|
||||
|
||||
|
||||
def crop_center(h1, h2):
|
||||
h1_time, h2_time = h1.size(3), h2.size(3)
|
||||
if h1_time == h2_time:
|
||||
return h1
|
||||
if h1_time < h2_time:
|
||||
raise ValueError("h1_shape[3] must be greater than h2_shape[3]")
|
||||
start = (h1_time - h2_time) // 2
|
||||
return h1[:, :, :, start : start + h2_time]
|
||||
|
||||
|
||||
def preprocess(x_spec):
|
||||
return np.abs(x_spec), np.angle(x_spec)
|
||||
|
||||
|
||||
def make_padding(width, cropsize, offset):
|
||||
roi_size = cropsize - offset * 2 or cropsize
|
||||
return offset, roi_size - (width % roi_size) + offset, roi_size
|
||||
|
||||
|
||||
def merge_artifacts(y_mask, thres=0.01, min_range=64, fade_size=32):
|
||||
mask = y_mask
|
||||
try:
|
||||
if min_range < fade_size * 2:
|
||||
raise ValueError("min_range must be >= fade_size * 2")
|
||||
|
||||
idx = np.where(y_mask.min(axis=(0, 1)) > thres)[0]
|
||||
if len(idx) == 0:
|
||||
return mask
|
||||
start_idx = np.insert(idx[np.where(np.diff(idx) != 1)[0] + 1], 0, idx[0])
|
||||
end_idx = np.append(idx[np.where(np.diff(idx) != 1)[0]], idx[-1])
|
||||
artifact_idx = np.where(end_idx - start_idx > min_range)[0]
|
||||
weight = np.zeros_like(y_mask)
|
||||
if len(artifact_idx) > 0:
|
||||
start_idx = start_idx[artifact_idx]
|
||||
end_idx = end_idx[artifact_idx]
|
||||
old_e = None
|
||||
for s, e in zip(start_idx, end_idx):
|
||||
if old_e is not None and s - old_e < fade_size:
|
||||
s = old_e - fade_size * 2
|
||||
if s != 0:
|
||||
weight[:, :, s : s + fade_size] = np.linspace(0, 1, fade_size)
|
||||
else:
|
||||
s -= fade_size
|
||||
if e != y_mask.shape[2]:
|
||||
weight[:, :, e - fade_size : e] = np.linspace(1, 0, fade_size)
|
||||
else:
|
||||
e += fade_size
|
||||
weight[:, :, s + fade_size : e - fade_size] = 1
|
||||
old_e = e
|
||||
|
||||
y_mask += weight * (1 - y_mask)
|
||||
mask = y_mask
|
||||
except Exception as exc:
|
||||
print(f'Post Process Failed: {type(exc).__name__}: "{exc}"\n{"".join(traceback.format_tb(exc.__traceback__))}"')
|
||||
return mask
|
||||
|
||||
|
||||
def convert_channels(spec, mp, band):
|
||||
mode = mp.param["band"][band].get("convert_channels")
|
||||
if mode == "mid_side_c":
|
||||
return np.asfortranarray([np.add(spec[0], spec[1] * 0.25), np.subtract(spec[1], spec[0] * 0.25)])
|
||||
if mode == "mid_side":
|
||||
return np.asfortranarray([np.add(spec[0], spec[1]) / 2, np.subtract(spec[0], spec[1])])
|
||||
if mode == "stereo_n":
|
||||
return np.asfortranarray([np.add(spec[0], spec[1] * 0.25) / 0.9375, np.add(spec[1], spec[0] * 0.25) / 0.9375])
|
||||
return spec
|
||||
|
||||
|
||||
def combine_spectrograms(specs, mp, is_v51_model=False):
|
||||
length = min(specs[i].shape[2] for i in specs)
|
||||
spec_c = np.zeros((2, mp.param["bins"] + 1, length), dtype=np.complex64)
|
||||
offset = 0
|
||||
bands_n = len(mp.param["band"])
|
||||
pre_start, pre_stop = mp.param["pre_filter_start"], mp.param["pre_filter_stop"]
|
||||
|
||||
for d in range(1, bands_n + 1):
|
||||
band = mp.param["band"][d]
|
||||
height = band["crop_stop"] - band["crop_start"]
|
||||
spec_c[:, offset : offset + height, :length] = specs[d][:, band["crop_start"] : band["crop_stop"], :length]
|
||||
offset += height
|
||||
|
||||
if offset > mp.param["bins"]:
|
||||
raise ValueError("Too much bins")
|
||||
|
||||
if pre_start > 0:
|
||||
if is_v51_model:
|
||||
spec_c *= get_lp_filter_mask(spec_c.shape[1], pre_start, pre_stop)
|
||||
elif bands_n == 1:
|
||||
spec_c = fft_lp_filter(spec_c, pre_start, pre_stop)
|
||||
else:
|
||||
gain_prev = 1
|
||||
for b in range(pre_start + 1, pre_stop):
|
||||
gain = math.pow(10, -(b - pre_start) * (3.5 - gain_prev) / 20.0)
|
||||
gain_prev = gain
|
||||
spec_c[:, b, :] *= gain
|
||||
|
||||
return np.asfortranarray(spec_c)
|
||||
|
||||
|
||||
def wave_to_spectrogram(wave, hop_length, n_fft, mp, band, is_v51_model=False, torch_device=None):
|
||||
if wave.ndim == 1:
|
||||
wave = np.asfortranarray([wave, wave])
|
||||
|
||||
left, right = (np.asfortranarray(channel) for channel in wave[:2])
|
||||
if not is_v51_model:
|
||||
if mp.param["reverse"]:
|
||||
left, right = np.flip(left), np.flip(right)
|
||||
elif mp.param["mid_side"]:
|
||||
left, right = np.asfortranarray(np.add(wave[0], wave[1]) / 2), np.asfortranarray(np.subtract(wave[0], wave[1]))
|
||||
elif mp.param["mid_side_b2"]:
|
||||
left, right = (
|
||||
np.asfortranarray(np.add(wave[1], wave[0] * 0.5)),
|
||||
np.asfortranarray(np.subtract(wave[0], wave[1] * 0.5)),
|
||||
)
|
||||
|
||||
spec = _torch_stft(np.asfortranarray([left, right]), n_fft, hop_length, torch_device)
|
||||
if spec is None:
|
||||
spec = np.asfortranarray(
|
||||
[
|
||||
librosa.stft(left, n_fft=n_fft, hop_length=hop_length),
|
||||
librosa.stft(right, n_fft=n_fft, hop_length=hop_length),
|
||||
]
|
||||
)
|
||||
return convert_channels(spec, mp, band) if is_v51_model else spec
|
||||
|
||||
|
||||
def _torch_stft(wave, n_fft, hop_length, device):
|
||||
if device is None or torch.device(device).type != "cuda":
|
||||
return None
|
||||
wave_t = torch.from_numpy(np.ascontiguousarray(wave)).to(device)
|
||||
window = _hann_window(n_fft, wave_t.dtype, device)
|
||||
spec = torch.stft(
|
||||
wave_t,
|
||||
n_fft=n_fft,
|
||||
hop_length=hop_length,
|
||||
window=window,
|
||||
center=True,
|
||||
pad_mode="constant",
|
||||
return_complex=True,
|
||||
)
|
||||
return np.asfortranarray(spec.cpu().numpy())
|
||||
|
||||
|
||||
def _torch_istft(spec, hop_length, device):
|
||||
if device is None or torch.device(device).type != "cuda":
|
||||
return None
|
||||
n_fft = (spec.shape[1] - 1) * 2
|
||||
spec_t = torch.from_numpy(np.ascontiguousarray(spec)).to(device)
|
||||
window = _hann_window(n_fft, spec_t.real.dtype, device)
|
||||
wave = torch.istft(spec_t, n_fft=n_fft, hop_length=hop_length, window=window, center=True, return_complex=False)
|
||||
return np.asfortranarray(wave.cpu().numpy())
|
||||
|
||||
|
||||
def spectrogram_to_wave(spec, hop_length=1024, mp=None, band=0, is_v51_model=True, torch_device=None):
|
||||
wave = _torch_istft(spec, hop_length, torch_device)
|
||||
if wave is None:
|
||||
left = librosa.istft(np.asfortranarray(spec[0]), hop_length=hop_length, dtype=np.float64)
|
||||
right = librosa.istft(np.asfortranarray(spec[1]), hop_length=hop_length, dtype=np.float64)
|
||||
else:
|
||||
left, right = wave[0], wave[1]
|
||||
|
||||
if is_v51_model:
|
||||
mode = mp.param["band"][band].get("convert_channels")
|
||||
if mode == "mid_side_c":
|
||||
return np.asfortranarray([np.subtract(left / 1.0625, right / 4.25), np.add(right / 1.0625, left / 4.25)])
|
||||
if mode == "mid_side":
|
||||
return np.asfortranarray([np.add(left, right / 2), np.subtract(left, right / 2)])
|
||||
if mode == "stereo_n":
|
||||
return np.asfortranarray([np.subtract(left, right * 0.25), np.subtract(right, left * 0.25)])
|
||||
else:
|
||||
if mp.param["reverse"]:
|
||||
return np.asfortranarray([np.flip(left), np.flip(right)])
|
||||
if mp.param["mid_side"]:
|
||||
return np.asfortranarray([np.add(left, right / 2), np.subtract(left, right / 2)])
|
||||
if mp.param["mid_side_b2"]:
|
||||
return np.asfortranarray([np.add(right / 1.25, 0.4 * left), np.subtract(left / 1.25, 0.4 * right)])
|
||||
|
||||
return np.asfortranarray([left, right])
|
||||
|
||||
|
||||
def cmb_spectrogram_to_wave(spec_m, mp, extra_bins_h=None, extra_bins=None, is_v51_model=False, torch_device=None):
|
||||
spec_m = np.where(np.isnan(spec_m), 0, spec_m)
|
||||
extra_bins_h = None if extra_bins_h is None else int(extra_bins_h)
|
||||
extra_bins = None if extra_bins is None else np.where(np.isnan(extra_bins), 0, extra_bins)
|
||||
|
||||
bands_n = len(mp.param["band"])
|
||||
offset = 0
|
||||
wave = None
|
||||
|
||||
for d in range(1, bands_n + 1):
|
||||
bp = mp.param["band"][d]
|
||||
spec_s = np.zeros((2, bp["n_fft"] // 2 + 1, spec_m.shape[2]), dtype=np.result_type(spec_m.dtype, np.complex64))
|
||||
height = bp["crop_stop"] - bp["crop_start"]
|
||||
spec_s[:, bp["crop_start"] : bp["crop_stop"], :] = spec_m[:, offset : offset + height, :]
|
||||
offset += height
|
||||
|
||||
if d == bands_n:
|
||||
if extra_bins_h is not None:
|
||||
spec_s[:, bp["n_fft"] // 2 - extra_bins_h : bp["n_fft"] // 2, :] = extra_bins[:, :extra_bins_h, :]
|
||||
if bp["hpf_start"] > 0:
|
||||
spec_s = (
|
||||
spec_s * get_hp_filter_mask(spec_s.shape[1], bp["hpf_start"], bp["hpf_stop"] - 1)
|
||||
if is_v51_model
|
||||
else fft_hp_filter(spec_s, bp["hpf_start"], bp["hpf_stop"] - 1)
|
||||
)
|
||||
band_wave = spectrogram_to_wave(spec_s, bp["hl"], mp, d, is_v51_model, torch_device=torch_device)
|
||||
wave = band_wave if wave is None else np.add(wave, band_wave)
|
||||
else:
|
||||
sr = mp.param["band"][d + 1]["sr"]
|
||||
if d == 1:
|
||||
spec_s = (
|
||||
spec_s * get_lp_filter_mask(spec_s.shape[1], bp["lpf_start"], bp["lpf_stop"])
|
||||
if is_v51_model
|
||||
else fft_lp_filter(spec_s, bp["lpf_start"], bp["lpf_stop"])
|
||||
)
|
||||
wave = resample_audio(
|
||||
spectrogram_to_wave(spec_s, bp["hl"], mp, d, is_v51_model, torch_device=torch_device),
|
||||
orig_sr=bp["sr"],
|
||||
target_sr=sr,
|
||||
res_type=wav_resolution,
|
||||
)
|
||||
else:
|
||||
if is_v51_model:
|
||||
spec_s *= get_hp_filter_mask(spec_s.shape[1], bp["hpf_start"], bp["hpf_stop"] - 1)
|
||||
spec_s *= get_lp_filter_mask(spec_s.shape[1], bp["lpf_start"], bp["lpf_stop"])
|
||||
else:
|
||||
spec_s = fft_hp_filter(spec_s, bp["hpf_start"], bp["hpf_stop"] - 1)
|
||||
spec_s = fft_lp_filter(spec_s, bp["lpf_start"], bp["lpf_stop"])
|
||||
wave = resample_audio(
|
||||
np.add(wave, spectrogram_to_wave(spec_s, bp["hl"], mp, d, is_v51_model, torch_device=torch_device)),
|
||||
orig_sr=bp["sr"],
|
||||
target_sr=sr,
|
||||
res_type=wav_resolution,
|
||||
)
|
||||
|
||||
return wave
|
||||
|
||||
|
||||
def _get_filter_mask(kind, n_bins, bin_start, bin_stop):
|
||||
key = (kind, int(n_bins), int(bin_start), int(bin_stop))
|
||||
mask = _FILTER_MASK_CACHE.get(key)
|
||||
if mask is None:
|
||||
mask = np.concatenate(
|
||||
(
|
||||
[
|
||||
np.ones((bin_start - 1, 1)),
|
||||
np.linspace(1, 0, bin_stop - bin_start + 1)[:, None],
|
||||
np.zeros((n_bins - bin_stop, 1)),
|
||||
]
|
||||
if kind == "lp"
|
||||
else [
|
||||
np.zeros((bin_stop + 1, 1)),
|
||||
np.linspace(0, 1, 1 + bin_start - bin_stop)[:, None],
|
||||
np.ones((n_bins - bin_start - 2, 1)),
|
||||
]
|
||||
),
|
||||
axis=0,
|
||||
)
|
||||
_FILTER_MASK_CACHE[key] = mask
|
||||
return mask
|
||||
|
||||
|
||||
def get_lp_filter_mask(n_bins, bin_start, bin_stop):
|
||||
return _get_filter_mask("lp", n_bins, bin_start, bin_stop)
|
||||
|
||||
|
||||
def get_hp_filter_mask(n_bins, bin_start, bin_stop):
|
||||
return _get_filter_mask("hp", n_bins, bin_start, bin_stop)
|
||||
|
||||
|
||||
def fft_lp_filter(spec, bin_start, bin_stop):
|
||||
gain = 1.0
|
||||
for b in range(bin_start, bin_stop):
|
||||
gain -= 1 / (bin_stop - bin_start)
|
||||
spec[:, b, :] = gain * spec[:, b, :]
|
||||
spec[:, bin_stop:, :] *= 0
|
||||
return spec
|
||||
|
||||
|
||||
def fft_hp_filter(spec, bin_start, bin_stop):
|
||||
gain = 1.0
|
||||
for b in range(bin_start, bin_stop, -1):
|
||||
gain -= 1 / (bin_start - bin_stop)
|
||||
spec[:, b, :] = gain * spec[:, b, :]
|
||||
spec[:, 0 : bin_stop + 1, :] *= 0
|
||||
return spec
|
||||
|
||||
|
||||
def mirroring(mode, spec_m, input_high_end, mp):
|
||||
if mode not in ("mirroring", "mirroring2"):
|
||||
return input_high_end
|
||||
mirror = np.flip(
|
||||
np.abs(spec_m[:, mp.param["pre_filter_start"] - 10 - input_high_end.shape[1] : mp.param["pre_filter_start"] - 10, :]), 1
|
||||
)
|
||||
mirror = (
|
||||
mirror * np.exp(1.0j * np.angle(input_high_end)) if mode == "mirroring" else np.multiply(mirror, input_high_end * 1.7)
|
||||
)
|
||||
return np.where(np.abs(input_high_end) <= np.abs(mirror), input_high_end, mirror)
|
||||
|
||||
|
||||
def adjust_aggr(mask, is_non_accom_stem, aggressiveness):
|
||||
aggr = aggressiveness["value"] * 2
|
||||
if aggr != 0:
|
||||
if is_non_accom_stem:
|
||||
aggr = 1 - aggr
|
||||
if np.any(aggr > 10) or np.any(aggr < -10):
|
||||
print(f"Warning: Extreme aggressiveness values detected: {aggr}")
|
||||
|
||||
aggr = np.array([aggr, aggr])
|
||||
if (correction := aggressiveness["aggr_correction"]) is not None:
|
||||
aggr[0] += correction["left"]
|
||||
aggr[1] += correction["right"]
|
||||
|
||||
split_bin = aggressiveness["split_bin"]
|
||||
mask[:, :split_bin] = np.power(mask[:, :split_bin], 1 + aggr[:, None, None] / 3)
|
||||
mask[:, split_bin:] = np.power(mask[:, split_bin:], 1 + aggr[:, None, None])
|
||||
return mask
|
||||
407
tools/pymss/modules/vocal_remover/vr_mlx.py
Normal file
407
tools/pymss/modules/vocal_remover/vr_mlx.py
Normal file
@@ -0,0 +1,407 @@
|
||||
import torch
|
||||
|
||||
from ..bs_roformer.mlx_attention import _linear, _mlx_dtype, _torch_to_mlx_array
|
||||
from pymss_core.modules.vocal_remover.uvr_lib_v5.vr_network import layers, layers_new, nets, nets_new
|
||||
|
||||
|
||||
def _mlx_param(module, name, tensor, dtype):
|
||||
cache = getattr(module, "_pymss_mlx_full_param_cache", None)
|
||||
if cache is None:
|
||||
cache = {}
|
||||
module._pymss_mlx_full_param_cache = cache
|
||||
key = (name, tensor.data_ptr(), tensor._version, tuple(tensor.shape), dtype)
|
||||
cached = cache.get(name)
|
||||
if cached is not None and cached[0] == key:
|
||||
return cached[1]
|
||||
value = _torch_to_mlx_array(tensor, dtype)
|
||||
cache[name] = (key, value)
|
||||
return value
|
||||
|
||||
|
||||
def _conv_padding(conv):
|
||||
padding = conv.padding
|
||||
if isinstance(padding, tuple):
|
||||
return padding
|
||||
return padding, padding
|
||||
|
||||
|
||||
def _conv2d_nchw(conv, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
weight = mx.transpose(_mlx_param(conv, "weight", conv.weight, dtype), (0, 2, 3, 1))
|
||||
y = mx.conv2d(
|
||||
mx.transpose(x, (0, 2, 3, 1)),
|
||||
weight,
|
||||
stride=conv.stride,
|
||||
padding=_conv_padding(conv),
|
||||
dilation=conv.dilation,
|
||||
groups=conv.groups,
|
||||
)
|
||||
if conv.bias is not None:
|
||||
y = y + _mlx_param(conv, "bias", conv.bias, dtype)
|
||||
return mx.transpose(y, (0, 3, 1, 2))
|
||||
|
||||
|
||||
def _batch_norm2d(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
if module.training:
|
||||
raise TypeError("MLX VR BatchNorm2d supports eval mode only")
|
||||
y = x.astype(mx.float32)
|
||||
mean = _torch_to_mlx_array(module.running_mean, torch.float32).reshape(1, -1, 1, 1)
|
||||
var = _torch_to_mlx_array(module.running_var, torch.float32).reshape(1, -1, 1, 1)
|
||||
y = (y - mean) * mx.rsqrt(var + module.eps)
|
||||
if module.affine:
|
||||
weight = _mlx_param(module, "weight", module.weight, dtype).reshape(1, -1, 1, 1)
|
||||
bias = _mlx_param(module, "bias", module.bias, dtype).reshape(1, -1, 1, 1)
|
||||
y = y.astype(x.dtype) * weight + bias
|
||||
return y.astype(x.dtype)
|
||||
|
||||
|
||||
def _batch_norm1d(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
if module.training:
|
||||
raise TypeError("MLX VR BatchNorm1d supports eval mode only")
|
||||
y = x.astype(mx.float32)
|
||||
mean = _torch_to_mlx_array(module.running_mean, torch.float32).reshape(1, -1)
|
||||
var = _torch_to_mlx_array(module.running_var, torch.float32).reshape(1, -1)
|
||||
y = (y - mean) * mx.rsqrt(var + module.eps)
|
||||
if module.affine:
|
||||
y = y.astype(x.dtype) * _mlx_param(module, "weight", module.weight, dtype).reshape(1, -1)
|
||||
y = y + _mlx_param(module, "bias", module.bias, dtype).reshape(1, -1)
|
||||
return y.astype(x.dtype)
|
||||
|
||||
|
||||
def _activation(module, x):
|
||||
import mlx.core as mx
|
||||
|
||||
if isinstance(module, torch.nn.ReLU):
|
||||
return mx.maximum(x, 0)
|
||||
if isinstance(module, torch.nn.LeakyReLU):
|
||||
return mx.maximum(x, 0) + module.negative_slope * mx.minimum(x, 0)
|
||||
if isinstance(module, torch.nn.Sigmoid):
|
||||
return mx.sigmoid(x)
|
||||
if isinstance(module, (torch.nn.Dropout, torch.nn.Dropout2d, torch.nn.Identity)):
|
||||
return x
|
||||
raise TypeError(f"unsupported VR activation for MLX full backend: {type(module).__name__}")
|
||||
|
||||
|
||||
def _resize_positions_align_corners(in_size, out_size):
|
||||
import mlx.core as mx
|
||||
|
||||
if out_size == 1:
|
||||
pos = mx.zeros((1,), dtype=mx.float32)
|
||||
else:
|
||||
pos = mx.arange(out_size, dtype=mx.float32) * ((in_size - 1) / (out_size - 1))
|
||||
lower = mx.floor(pos)
|
||||
upper = lower + 1
|
||||
weight = pos - lower
|
||||
lower = mx.clip(lower, 0, in_size - 1).astype(mx.int32)
|
||||
upper = mx.clip(upper, 0, in_size - 1).astype(mx.int32)
|
||||
return lower, upper, weight
|
||||
|
||||
|
||||
def _resize_bilinear_nchw(x, size=None, scale_factor=None):
|
||||
import mlx.core as mx
|
||||
|
||||
if size is None:
|
||||
out_h = int(x.shape[2] * scale_factor)
|
||||
out_w = int(x.shape[3] * scale_factor)
|
||||
else:
|
||||
out_h, out_w = int(size[0]), int(size[1])
|
||||
in_h, in_w = x.shape[2], x.shape[3]
|
||||
if in_h == out_h and in_w == out_w:
|
||||
return x
|
||||
y0, y1, wy = _resize_positions_align_corners(in_h, out_h)
|
||||
x0, x1, wx = _resize_positions_align_corners(in_w, out_w)
|
||||
v00 = mx.take(mx.take(x, y0, axis=2), x0, axis=3)
|
||||
v01 = mx.take(mx.take(x, y0, axis=2), x1, axis=3)
|
||||
v10 = mx.take(mx.take(x, y1, axis=2), x0, axis=3)
|
||||
v11 = mx.take(mx.take(x, y1, axis=2), x1, axis=3)
|
||||
wy = wy.reshape(1, 1, out_h, 1)
|
||||
wx = wx.reshape(1, 1, 1, out_w)
|
||||
return v00 * (1 - wy) * (1 - wx) + v01 * (1 - wy) * wx + v10 * wy * (1 - wx) + v11 * wy * wx
|
||||
|
||||
|
||||
def _crop_center(skip, target):
|
||||
h, w = target.shape[2], target.shape[3]
|
||||
dh = (skip.shape[2] - h) // 2
|
||||
dw = (skip.shape[3] - w) // 2
|
||||
return skip[:, :, dh : dh + h, dw : dw + w]
|
||||
|
||||
|
||||
def _adaptive_avg_pool_1_none(x):
|
||||
import mlx.core as mx
|
||||
|
||||
return mx.mean(x, axis=2, keepdims=True)
|
||||
|
||||
|
||||
def _replicate_pad_freq_bottom(x, pad):
|
||||
import mlx.core as mx
|
||||
|
||||
if pad <= 0:
|
||||
return x
|
||||
last = mx.broadcast_to(x[:, :, -1:, :], (x.shape[0], x.shape[1], pad, x.shape[3]))
|
||||
return mx.concatenate((x, last), axis=2)
|
||||
|
||||
|
||||
def _seq(module, x, dtype):
|
||||
for child in module:
|
||||
x = _module_forward(child, x, dtype)
|
||||
return x
|
||||
|
||||
|
||||
def _module_forward(module, x, dtype):
|
||||
if isinstance(module, torch.nn.Sequential):
|
||||
return _seq(module, x, dtype)
|
||||
if isinstance(module, (layers.Conv2DBNActiv, layers.SeperableConv2DBNActiv, layers_new.Conv2DBNActiv)):
|
||||
return _seq(module.conv, x, dtype)
|
||||
if isinstance(module, torch.nn.Conv2d):
|
||||
return _conv2d_nchw(module, x, dtype)
|
||||
if isinstance(module, torch.nn.BatchNorm2d):
|
||||
return _batch_norm2d(module, x, dtype)
|
||||
if isinstance(module, torch.nn.BatchNorm1d):
|
||||
return _batch_norm1d(module, x, dtype)
|
||||
if isinstance(module, torch.nn.Linear):
|
||||
return _linear(
|
||||
x,
|
||||
_mlx_param(module, "weight", module.weight, dtype),
|
||||
None if module.bias is None else _mlx_param(module, "bias", module.bias, dtype),
|
||||
)
|
||||
if isinstance(module, torch.nn.AdaptiveAvgPool2d):
|
||||
if module.output_size != (1, None):
|
||||
raise TypeError(f"unsupported VR AdaptiveAvgPool2d output_size: {module.output_size}")
|
||||
return _adaptive_avg_pool_1_none(x)
|
||||
if isinstance(
|
||||
module, (torch.nn.ReLU, torch.nn.LeakyReLU, torch.nn.Sigmoid, torch.nn.Dropout, torch.nn.Dropout2d, torch.nn.Identity)
|
||||
):
|
||||
return _activation(module, x)
|
||||
if isinstance(module, layers.ASPPModule):
|
||||
return _old_aspp(module, x, dtype)
|
||||
if isinstance(module, layers.Decoder):
|
||||
return _old_decoder(module, x, None, dtype)
|
||||
if isinstance(module, layers_new.ASPPModule):
|
||||
return _new_aspp(module, x, dtype)
|
||||
if isinstance(module, layers_new.LSTMModule):
|
||||
return _new_lstm_module(module, x, dtype)
|
||||
if isinstance(module, layers_new.Decoder):
|
||||
return _new_decoder(module, x, None, dtype)
|
||||
if isinstance(module, nets.BaseASPPNet):
|
||||
return _old_base_aspp_net(module, x, dtype)
|
||||
if isinstance(module, nets_new.BaseNet):
|
||||
return _new_base_net(module, x, dtype)
|
||||
raise TypeError(f"unsupported VR layer for MLX full backend: {type(module).__name__}")
|
||||
|
||||
|
||||
def _old_encoder(module, x, dtype):
|
||||
skip = _module_forward(module.conv1, x, dtype)
|
||||
return _module_forward(module.conv2, skip, dtype), skip
|
||||
|
||||
|
||||
def _old_decoder(module, x, skip, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
x = _resize_bilinear_nchw(x, scale_factor=2)
|
||||
if skip is not None:
|
||||
x = mx.concatenate((x, _crop_center(skip, x)), axis=1)
|
||||
x = _module_forward(module.conv, x, dtype)
|
||||
return x if module.dropout is None else x
|
||||
|
||||
|
||||
def _old_aspp(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
h, w = x.shape[2], x.shape[3]
|
||||
features = [
|
||||
_resize_bilinear_nchw(_module_forward(module.conv1, x, dtype), size=(h, w)),
|
||||
_module_forward(module.conv2, x, dtype),
|
||||
_module_forward(module.conv3, x, dtype),
|
||||
_module_forward(module.conv4, x, dtype),
|
||||
_module_forward(module.conv5, x, dtype),
|
||||
]
|
||||
if module.nn_architecture in module.six_layer:
|
||||
features.append(_module_forward(module.conv6, x, dtype))
|
||||
elif module.nn_architecture in module.seven_layer:
|
||||
features.extend((_module_forward(module.conv6, x, dtype), _module_forward(module.conv7, x, dtype)))
|
||||
return _module_forward(module.bottleneck, mx.concatenate(features, axis=1), dtype)
|
||||
|
||||
|
||||
def _old_base_aspp_net(module, x, dtype):
|
||||
x, skip1 = _old_encoder(module.enc1, x, dtype)
|
||||
x, skip2 = _old_encoder(module.enc2, x, dtype)
|
||||
x, skip3 = _old_encoder(module.enc3, x, dtype)
|
||||
x, skip4 = _old_encoder(module.enc4, x, dtype)
|
||||
|
||||
if module.nn_architecture == 129605:
|
||||
x, skip5 = _old_encoder(module.enc5, x, dtype)
|
||||
x = _old_decoder(module.dec5, _old_aspp(module.aspp, x, dtype), skip5, dtype)
|
||||
else:
|
||||
x = _old_aspp(module.aspp, x, dtype)
|
||||
|
||||
x = _old_decoder(module.dec4, x, skip4, dtype)
|
||||
x = _old_decoder(module.dec3, x, skip3, dtype)
|
||||
x = _old_decoder(module.dec2, x, skip2, dtype)
|
||||
return _old_decoder(module.dec1, x, skip1, dtype)
|
||||
|
||||
|
||||
def _old_cascaded_aspp_net(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
x = x[:, :, : module.max_bin]
|
||||
bandwidth = x.shape[2] // 2
|
||||
aux1 = mx.concatenate(
|
||||
(
|
||||
_old_base_aspp_net(module.stg1_low_band_net, x[:, :, :bandwidth], dtype),
|
||||
_old_base_aspp_net(module.stg1_high_band_net, x[:, :, bandwidth:], dtype),
|
||||
),
|
||||
axis=2,
|
||||
)
|
||||
|
||||
hidden = mx.concatenate((x, aux1), axis=1)
|
||||
aux2 = _old_base_aspp_net(module.stg2_full_band_net, _module_forward(module.stg2_bridge, hidden, dtype), dtype)
|
||||
|
||||
hidden = mx.concatenate((x, aux1, aux2), axis=1)
|
||||
mask = mx.sigmoid(
|
||||
_conv2d_nchw(
|
||||
module.out,
|
||||
_old_base_aspp_net(module.stg3_full_band_net, _module_forward(module.stg3_bridge, hidden, dtype), dtype),
|
||||
dtype,
|
||||
)
|
||||
)
|
||||
return _replicate_pad_freq_bottom(mask, module.output_bin - mask.shape[2])
|
||||
|
||||
|
||||
def _new_encoder(module, x, dtype):
|
||||
return _module_forward(module.conv2, _module_forward(module.conv1, x, dtype), dtype)
|
||||
|
||||
|
||||
def _new_decoder(module, x, skip, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
x = _resize_bilinear_nchw(x, scale_factor=2)
|
||||
if skip is not None:
|
||||
x = mx.concatenate((x, _crop_center(skip, x)), axis=1)
|
||||
x = _module_forward(module.conv1, x, dtype)
|
||||
return x if module.dropout is None else x
|
||||
|
||||
|
||||
def _new_aspp(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
h, w = x.shape[2], x.shape[3]
|
||||
out = mx.concatenate(
|
||||
(
|
||||
_resize_bilinear_nchw(_module_forward(module.conv1, x, dtype), size=(h, w)),
|
||||
_module_forward(module.conv2, x, dtype),
|
||||
_module_forward(module.conv3, x, dtype),
|
||||
_module_forward(module.conv4, x, dtype),
|
||||
_module_forward(module.conv5, x, dtype),
|
||||
),
|
||||
axis=1,
|
||||
)
|
||||
out = _module_forward(module.bottleneck, out, dtype)
|
||||
return out if module.dropout is None else out
|
||||
|
||||
|
||||
def _lstm_forward(rnn, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
if rnn.num_layers != 1 or rnn.batch_first:
|
||||
raise TypeError("MLX VR LSTM supports one-layer non-batch-first LSTMs only")
|
||||
|
||||
def params(suffix):
|
||||
return {
|
||||
"w_ih": _mlx_param(rnn, f"weight_ih_l0{suffix}", getattr(rnn, f"weight_ih_l0{suffix}"), dtype),
|
||||
"w_hh": _mlx_param(rnn, f"weight_hh_l0{suffix}", getattr(rnn, f"weight_hh_l0{suffix}"), dtype),
|
||||
"b_ih": _mlx_param(rnn, f"bias_ih_l0{suffix}", getattr(rnn, f"bias_ih_l0{suffix}"), dtype),
|
||||
"b_hh": _mlx_param(rnn, f"bias_hh_l0{suffix}", getattr(rnn, f"bias_hh_l0{suffix}"), dtype),
|
||||
}
|
||||
|
||||
def run(p, reverse=False):
|
||||
steps = range(x.shape[0] - 1, -1, -1) if reverse else range(x.shape[0])
|
||||
h = mx.zeros((x.shape[1], rnn.hidden_size), dtype=x.dtype)
|
||||
c = mx.zeros_like(h)
|
||||
outs = []
|
||||
for t in steps:
|
||||
gates = _linear(x[t], p["w_ih"], p["b_ih"]) + _linear(h, p["w_hh"], p["b_hh"])
|
||||
i, f, g, o = mx.split(gates, 4, axis=-1)
|
||||
i, f, o = mx.sigmoid(i), mx.sigmoid(f), mx.sigmoid(o)
|
||||
c = f * c + i * mx.tanh(g)
|
||||
h = o * mx.tanh(c)
|
||||
outs.append(h)
|
||||
if reverse:
|
||||
outs.reverse()
|
||||
return mx.stack(outs, axis=0)
|
||||
|
||||
forward = run(params(""))
|
||||
if not rnn.bidirectional:
|
||||
return forward
|
||||
return mx.concatenate((forward, run(params("_reverse"), reverse=True)), axis=-1)
|
||||
|
||||
|
||||
def _new_lstm_module(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
batch, _, nbins, nframes = x.shape
|
||||
x = _module_forward(module.conv, x, dtype)[:, 0].transpose(2, 0, 1)
|
||||
hidden = _lstm_forward(module.lstm, x, dtype)
|
||||
hidden = hidden.reshape(-1, hidden.shape[-1])
|
||||
hidden = _module_forward(module.dense, hidden, dtype)
|
||||
return hidden.reshape(nframes, batch, 1, nbins).transpose(1, 2, 3, 0)
|
||||
|
||||
|
||||
def _new_base_net(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
enc1 = _module_forward(module.enc1, x, dtype)
|
||||
enc2 = _new_encoder(module.enc2, enc1, dtype)
|
||||
enc3 = _new_encoder(module.enc3, enc2, dtype)
|
||||
enc4 = _new_encoder(module.enc4, enc3, dtype)
|
||||
enc5 = _new_encoder(module.enc5, enc4, dtype)
|
||||
|
||||
x = _new_aspp(module.aspp, enc5, dtype)
|
||||
x = _new_decoder(module.dec4, x, enc4, dtype)
|
||||
x = _new_decoder(module.dec3, x, enc3, dtype)
|
||||
x = _new_decoder(module.dec2, x, enc2, dtype)
|
||||
x = mx.concatenate((x, _new_lstm_module(module.lstm_dec2, x, dtype)), axis=1)
|
||||
return _new_decoder(module.dec1, x, enc1, dtype)
|
||||
|
||||
|
||||
def _new_cascaded_net(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
x = x[:, :, : module.max_bin]
|
||||
bandwidth = x.shape[2] // 2
|
||||
low_in = x[:, :, :bandwidth]
|
||||
high_in = x[:, :, bandwidth:]
|
||||
|
||||
low1 = _module_forward(module.stg1_low_band_net, low_in, dtype)
|
||||
high1 = _module_forward(module.stg1_high_band_net, high_in, dtype)
|
||||
aux1 = mx.concatenate((low1, high1), axis=2)
|
||||
|
||||
low2 = _module_forward(module.stg2_low_band_net, mx.concatenate((low_in, low1), axis=1), dtype)
|
||||
high2 = _module_forward(module.stg2_high_band_net, mx.concatenate((high_in, high1), axis=1), dtype)
|
||||
aux2 = mx.concatenate((low2, high2), axis=2)
|
||||
|
||||
full = _module_forward(module.stg3_full_band_net, mx.concatenate((x, aux1, aux2), axis=1), dtype)
|
||||
mask = mx.sigmoid(_conv2d_nchw(module.out, full, dtype))
|
||||
return _replicate_pad_freq_bottom(mask, module.output_bin - mask.shape[2])
|
||||
|
||||
|
||||
def mlx_predict_mask_vr_mx(module, x, dtype=torch.float16):
|
||||
if dtype not in (torch.float16, torch.float32):
|
||||
raise TypeError("MLX full VR supports torch.float16 or torch.float32 compute dtype")
|
||||
mx_dtype = _mlx_dtype(dtype)
|
||||
x = x.astype(mx_dtype)
|
||||
if isinstance(module, nets.CascadedASPPNet):
|
||||
mask = _old_cascaded_aspp_net(module, x, dtype)
|
||||
elif isinstance(module, nets_new.CascadedNet):
|
||||
mask = _new_cascaded_net(module, x, dtype)
|
||||
else:
|
||||
raise TypeError(f"unsupported VR model for MLX full backend: {type(module).__name__}")
|
||||
if module.offset > 0:
|
||||
mask = mask[:, :, :, module.offset : -module.offset]
|
||||
if mask.shape[3] <= 0:
|
||||
raise ValueError("Window size error: h1_shape[3] must be greater than h2_shape[3]")
|
||||
return mask
|
||||
116
tools/pymss/modules/vocal_remover/vr_models.py
Normal file
116
tools/pymss/modules/vocal_remover/vr_models.py
Normal file
@@ -0,0 +1,116 @@
|
||||
import os
|
||||
|
||||
|
||||
VR_MODEL_METADATA = {
|
||||
"10_SP-UVR-2B-32000-1.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "2band_32000"},
|
||||
"11_SP-UVR-2B-32000-2.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "2band_32000"},
|
||||
"12_SP-UVR-3B-44100.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "3band_44100"},
|
||||
"13_SP-UVR-4B-44100-1.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "4band_44100"},
|
||||
"14_SP-UVR-4B-44100-2.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "4band_44100"},
|
||||
"15_SP-UVR-MID-44100-1.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "3band_44100_mid",
|
||||
},
|
||||
"16_SP-UVR-MID-44100-2.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "3band_44100_mid",
|
||||
},
|
||||
"17_HP-Wind_Inst-UVR.pth": {"primary_stem": "No Woodwinds", "secondary_stem": "Woodwinds", "vr_model_param": "4band_v3"},
|
||||
"1_HP-UVR.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "4band_44100"},
|
||||
"2_HP-UVR.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "4band_v2"},
|
||||
"3_HP-Vocal-UVR.pth": {"primary_stem": "Vocals", "secondary_stem": "Instrumental", "vr_model_param": "4band_44100"},
|
||||
"4_HP-Vocal-UVR.pth": {"primary_stem": "Vocals", "secondary_stem": "Instrumental", "vr_model_param": "4band_44100"},
|
||||
"5_HP-Karaoke-UVR.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "4band_v2_sn",
|
||||
"is_karaoke": True,
|
||||
},
|
||||
"6_HP-Karaoke-UVR.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "3band_44100_msb2",
|
||||
"is_karaoke": True,
|
||||
},
|
||||
"7_HP2-UVR.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "3band_44100_msb2"},
|
||||
"8_HP2-UVR.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "4band_44100"},
|
||||
"9_HP2-UVR.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "4band_44100"},
|
||||
"Harmonic_Noise_Separation_yxlllc.pth": {
|
||||
"primary_stem": "No Aspiration",
|
||||
"secondary_stem": "Aspiration",
|
||||
"vr_model_param": "1band_sr44100_hl1024",
|
||||
},
|
||||
"MGM_HIGHEND_v4.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "1band_sr44100_hl1024",
|
||||
},
|
||||
"MGM_LOWEND_A_v4.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "1band_sr32000_hl512",
|
||||
},
|
||||
"MGM_LOWEND_B_v4.pth": {
|
||||
"primary_stem": "Instrumental",
|
||||
"secondary_stem": "Vocals",
|
||||
"vr_model_param": "1band_sr33075_hl384",
|
||||
},
|
||||
"MGM_MAIN_v4.pth": {"primary_stem": "Instrumental", "secondary_stem": "Vocals", "vr_model_param": "1band_sr44100_hl512"},
|
||||
"UVR-BVE-4B_SN-44100-1.pth": {
|
||||
"primary_stem": "Vocals",
|
||||
"secondary_stem": "Instrumental",
|
||||
"vr_model_param": "4band_v3_sn",
|
||||
"is_bv_model": True,
|
||||
"is_bv_model_rebalanced": 0.9,
|
||||
"nout": 64,
|
||||
"nout_lstm": 128,
|
||||
},
|
||||
"UVR-De-Echo-Aggressive.pth": {
|
||||
"primary_stem": "No Echo",
|
||||
"secondary_stem": "Echo",
|
||||
"vr_model_param": "4band_v3",
|
||||
"nout": 48,
|
||||
"nout_lstm": 128,
|
||||
},
|
||||
"UVR-De-Echo-Normal.pth": {
|
||||
"primary_stem": "No Echo",
|
||||
"secondary_stem": "Echo",
|
||||
"vr_model_param": "4band_v3",
|
||||
"nout": 48,
|
||||
"nout_lstm": 128,
|
||||
},
|
||||
"UVR-DeEcho-DeReverb.pth": {"primary_stem": "No Reverb", "secondary_stem": "Reverb", "vr_model_param": "4band_v3"},
|
||||
"UVR-DeNoise-Lite.pth": {
|
||||
"primary_stem": "Noise",
|
||||
"secondary_stem": "No Noise",
|
||||
"vr_model_param": "1band_sr44100_hl1024",
|
||||
"nout": 16,
|
||||
"nout_lstm": 128,
|
||||
},
|
||||
"UVR-DeNoise.pth": {
|
||||
"primary_stem": "Noise",
|
||||
"secondary_stem": "No Noise",
|
||||
"vr_model_param": "4band_v3",
|
||||
"nout": 48,
|
||||
"nout_lstm": 128,
|
||||
},
|
||||
"UVR-DeReverb-aufr33-jarredou_4band_v4_ms_fullband.pth": {
|
||||
"primary_stem": "Dry",
|
||||
"secondary_stem": "Reverb",
|
||||
"vr_model_param": "4band_v4_ms_fullband",
|
||||
"nout": 32,
|
||||
"nout_lstm": 128,
|
||||
},
|
||||
}
|
||||
|
||||
|
||||
def get_vr_model_metadata(model_path):
|
||||
model_name = os.path.basename(model_path)
|
||||
if model_name not in VR_MODEL_METADATA:
|
||||
raise ValueError(f"Unsupported VR model: {model_name}. Only the supported UVR/VR series weights are available.")
|
||||
data = dict(VR_MODEL_METADATA[model_name])
|
||||
data["model_name"] = model_name
|
||||
data["model_class"] = "VR_Models"
|
||||
return data
|
||||
459
tools/pymss/modules/vocal_remover/vr_separator.py
Normal file
459
tools/pymss/modules/vocal_remover/vr_separator.py
Normal file
@@ -0,0 +1,459 @@
|
||||
import math
|
||||
import os
|
||||
from importlib.resources import files
|
||||
from pathlib import Path
|
||||
|
||||
import numpy as np
|
||||
import torch
|
||||
from torch import nn
|
||||
from torch.nn.utils.fusion import fuse_conv_bn_eval
|
||||
from tqdm import tqdm
|
||||
|
||||
from pymss_core.modules.vocal_remover import ModelParameters, determine_model_capacity
|
||||
from pymss_core.modules.vocal_remover.uvr_lib_v5.vr_network import nets_new
|
||||
|
||||
from .common_separator import CommonSeparator
|
||||
from .uvr_lib_v5 import spec_utils
|
||||
|
||||
|
||||
class _ResourceDir:
|
||||
def __init__(self, package):
|
||||
self._root = files(package)
|
||||
|
||||
def __truediv__(self, name):
|
||||
return self._root / name
|
||||
|
||||
def exists(self):
|
||||
return self._root.is_dir()
|
||||
|
||||
def is_dir(self):
|
||||
return self._root.is_dir()
|
||||
|
||||
def iterdir(self):
|
||||
return self._root.iterdir()
|
||||
|
||||
def __str__(self):
|
||||
return str(self._root)
|
||||
|
||||
def __repr__(self):
|
||||
return repr(self._root)
|
||||
|
||||
|
||||
VR_PARAMS_DIR = _ResourceDir("pymss_core.resources.vr_modelparams")
|
||||
|
||||
|
||||
def _fuse_sequential_conv_bn(module):
|
||||
fused = 0
|
||||
for name, child in list(module.named_children()):
|
||||
if isinstance(child, nn.Sequential):
|
||||
new_children = []
|
||||
child_items = list(child._modules.items())
|
||||
i = 0
|
||||
while i < len(child_items):
|
||||
child_name, current = child_items[i]
|
||||
if (
|
||||
i + 1 < len(child_items)
|
||||
and isinstance(current, nn.Conv2d)
|
||||
and isinstance(child_items[i + 1][1], nn.BatchNorm2d)
|
||||
):
|
||||
try:
|
||||
new_children.append((child_name, fuse_conv_bn_eval(current, child_items[i + 1][1])))
|
||||
fused += 1
|
||||
i += 2
|
||||
continue
|
||||
except Exception:
|
||||
pass
|
||||
child_fused = _fuse_sequential_conv_bn(current)
|
||||
fused += child_fused
|
||||
new_children.append((child_name, current))
|
||||
i += 1
|
||||
|
||||
child._modules.clear()
|
||||
for child_name, current in new_children:
|
||||
child.add_module(child_name, current)
|
||||
else:
|
||||
fused += _fuse_sequential_conv_bn(child)
|
||||
return fused
|
||||
|
||||
|
||||
class VRSeparator(CommonSeparator):
|
||||
def __init__(self, common_config, arch_config):
|
||||
super().__init__(common_config)
|
||||
self.model_capacity = (32, 128)
|
||||
self.is_vr_51_model = False
|
||||
if "nout" in self.model_data and "nout_lstm" in self.model_data:
|
||||
self.model_capacity = (self.model_data["nout"], self.model_data["nout_lstm"])
|
||||
self.is_vr_51_model = True
|
||||
|
||||
params_path = VR_PARAMS_DIR / f"{self.model_data['vr_model_param']}.json"
|
||||
if not params_path.is_file():
|
||||
raise FileNotFoundError(f"VR model parameter file not found: {params_path}")
|
||||
self.model_params = ModelParameters(str(params_path))
|
||||
|
||||
self.enable_tta = bool(arch_config.get("enable_tta", False))
|
||||
self.enable_post_process = bool(arch_config.get("enable_post_process", False))
|
||||
self.post_process_threshold = float(arch_config.get("post_process_threshold", 0.2))
|
||||
self.batch_size = int(arch_config.get("batch_size", 2))
|
||||
self.window_size = int(arch_config.get("window_size", 512))
|
||||
self.high_end_process = bool(arch_config.get("high_end_process", False))
|
||||
self.use_amp = bool(arch_config.get("use_amp", True))
|
||||
device_type = torch.device(self.torch_device).type
|
||||
self.fuse_conv_bn = bool(arch_config.get("fuse_conv_bn", False))
|
||||
self.use_channels_last = bool(arch_config.get("use_channels_last", False)) and device_type == "cuda"
|
||||
self.input_high_end_h = None
|
||||
self.input_high_end = None
|
||||
self.aggression = float(int(arch_config.get("aggression", 5)) / 100)
|
||||
self.aggressiveness = {
|
||||
"value": self.aggression,
|
||||
"split_bin": self.model_params.param["band"][1]["crop_stop"],
|
||||
"aggr_correction": self.model_params.param.get("aggr_correction"),
|
||||
}
|
||||
self.model_samplerate = self.model_params.param["sr"]
|
||||
self.model_run = None
|
||||
self.mps_model_backend = str(arch_config.get("mps_model_backend", "torch")).lower()
|
||||
self.mps_model_compute_dtype = self._parse_mps_model_compute_dtype(
|
||||
arch_config.get("mps_model_compute_dtype", torch.float16)
|
||||
)
|
||||
if self.mps_model_backend not in ("torch", "mlx_full"):
|
||||
raise ValueError("mps_model_backend must be 'torch' or 'mlx_full'")
|
||||
|
||||
@staticmethod
|
||||
def _parse_mps_model_compute_dtype(compute_dtype):
|
||||
if isinstance(compute_dtype, str):
|
||||
compute_dtype = {
|
||||
"float16": torch.float16,
|
||||
"fp16": torch.float16,
|
||||
"float32": torch.float32,
|
||||
"fp32": torch.float32,
|
||||
}.get(compute_dtype.lower(), compute_dtype)
|
||||
if compute_dtype not in (torch.float16, torch.float32):
|
||||
raise ValueError("mps_model_compute_dtype must be 'float16' or 'float32'")
|
||||
return compute_dtype
|
||||
|
||||
def set_mps_model_backend(self, backend=None, compute_dtype=None):
|
||||
backend = (backend or "torch").lower()
|
||||
if backend not in ("torch", "mlx_full"):
|
||||
raise ValueError("mps_model_backend must be 'torch' or 'mlx_full'")
|
||||
self.mps_model_backend = backend
|
||||
if compute_dtype is not None:
|
||||
self.mps_model_compute_dtype = self._parse_mps_model_compute_dtype(compute_dtype)
|
||||
|
||||
def _use_mlx_full_forward(self, device):
|
||||
return (
|
||||
self.mps_model_backend == "mlx_full"
|
||||
and torch.device(device).type == "mps"
|
||||
and self.model_run is not None
|
||||
and not self.model_run.training
|
||||
)
|
||||
|
||||
def _store_torch_model_on_cpu_for_mlx(self):
|
||||
return self.mps_model_backend == "mlx_full" and torch.device(self.torch_device).type == "mps"
|
||||
|
||||
def _predict_mask_mlx(self, x_batch_cpu):
|
||||
import mlx.core as mx
|
||||
|
||||
from .vr_mlx import mlx_predict_mask_vr_mx
|
||||
|
||||
x_mx = mx.array(x_batch_cpu.to(dtype=self.mps_model_compute_dtype).numpy())
|
||||
return mlx_predict_mask_vr_mx(self.model_run, x_mx, self.mps_model_compute_dtype)
|
||||
|
||||
def load_model(self):
|
||||
nn_arch_sizes = [31191, 33966, 56817, 123821, 123812, 129605, 218409, 537238, 537227]
|
||||
vr_5_1_models = [56817, 218409]
|
||||
model_size = math.ceil(os.stat(self.model_path).st_size / 1024)
|
||||
nn_arch_size = min(nn_arch_sizes, key=lambda size: abs(size - model_size))
|
||||
self.logger.debug(f"VR model size: {model_size}, architecture size: {nn_arch_size}")
|
||||
|
||||
if nn_arch_size in vr_5_1_models or self.is_vr_51_model:
|
||||
self.model_run = nets_new.CascadedNet(
|
||||
self.model_params.param["bins"] * 2,
|
||||
nn_arch_size,
|
||||
nout=self.model_capacity[0],
|
||||
nout_lstm=self.model_capacity[1],
|
||||
)
|
||||
self.is_vr_51_model = True
|
||||
else:
|
||||
self.model_run = determine_model_capacity(self.model_params.param["bins"] * 2, nn_arch_size)
|
||||
|
||||
try:
|
||||
state_dict = torch.load(self.model_path, map_location="cpu", weights_only=True)
|
||||
except TypeError:
|
||||
state_dict = torch.load(self.model_path, map_location="cpu")
|
||||
except Exception:
|
||||
state_dict = torch.load(self.model_path, map_location="cpu", weights_only=False)
|
||||
self.model_run.load_state_dict(state_dict)
|
||||
self.model_run.eval()
|
||||
if self.fuse_conv_bn:
|
||||
fused = _fuse_sequential_conv_bn(self.model_run)
|
||||
self.logger.debug(f"Fused {fused} VR Conv2d+BatchNorm2d pairs")
|
||||
target_device = "cpu" if self._store_torch_model_on_cpu_for_mlx() else self.torch_device
|
||||
self.model_run.to(target_device)
|
||||
if self.use_channels_last:
|
||||
self.model_run.to(memory_format=torch.channels_last)
|
||||
self.model_run.eval()
|
||||
|
||||
def to(self, device):
|
||||
self.torch_device = device
|
||||
if self.model_run is not None:
|
||||
self.model_run.to("cpu" if self._store_torch_model_on_cpu_for_mlx() else device)
|
||||
if self.use_channels_last:
|
||||
self.model_run.to(memory_format=torch.channels_last)
|
||||
return self
|
||||
|
||||
def eval(self):
|
||||
if self.model_run is not None:
|
||||
self.model_run.eval()
|
||||
return self
|
||||
|
||||
def separate_array(self, mix, sample_rate):
|
||||
if self.model_run is None:
|
||||
self.load_model()
|
||||
self.primary_source = None
|
||||
self.secondary_source = None
|
||||
x_spec = self.loading_mix(mix, sample_rate)
|
||||
y_spec, v_spec = self.inference_vr(x_spec, self.torch_device, self.aggressiveness)
|
||||
y_spec = np.nan_to_num(y_spec, nan=0.0, posinf=0.0, neginf=0.0, copy=False)
|
||||
v_spec = np.nan_to_num(v_spec, nan=0.0, posinf=0.0, neginf=0.0, copy=False)
|
||||
|
||||
results = {
|
||||
self.primary_stem_name: self.process_stem(self.primary_source, y_spec),
|
||||
self.secondary_stem_name: self.process_stem(self.secondary_source, v_spec),
|
||||
}
|
||||
if "Aspiration" in results:
|
||||
aspiration = results["Aspiration"]
|
||||
results["No Aspiration"] = aspiration[:, 1] - aspiration[:, 0]
|
||||
results["Aspiration"] = aspiration[:, 0]
|
||||
return results
|
||||
|
||||
def process_stem(self, stem_source, spec):
|
||||
if not isinstance(stem_source, np.ndarray):
|
||||
stem_source = self.spec_to_wav(spec).T
|
||||
if self.model_samplerate != 44100:
|
||||
stem_source = spec_utils.resample_audio(stem_source.T, orig_sr=self.model_samplerate, target_sr=44100).T
|
||||
return stem_source.astype(np.float32, copy=False)
|
||||
|
||||
def loading_mix(self, mix, sample_rate):
|
||||
x_wave, x_spec_s = {}, {}
|
||||
bands_n = len(self.model_params.param["band"])
|
||||
base_wave = self._ensure_stereo(mix)
|
||||
|
||||
iterator = tqdm(range(bands_n, 0, -1), leave=False, desc="Processing VR bands") if self.debug else range(bands_n, 0, -1)
|
||||
for d in iterator:
|
||||
bp = self.model_params.param["band"][d]
|
||||
wav_resolution = "polyphase" if self.torch_device_mps is not None else bp["res_type"]
|
||||
if d == bands_n:
|
||||
x_wave[d] = self._resample_wave(base_wave, sample_rate, bp["sr"], wav_resolution)
|
||||
x_spec_s[d] = spec_utils.wave_to_spectrogram(
|
||||
x_wave[d],
|
||||
bp["hl"],
|
||||
bp["n_fft"],
|
||||
self.model_params,
|
||||
band=d,
|
||||
is_v51_model=self.is_vr_51_model,
|
||||
torch_device=self.torch_device,
|
||||
)
|
||||
else:
|
||||
x_wave[d] = spec_utils.resample_audio(
|
||||
x_wave[d + 1],
|
||||
orig_sr=self.model_params.param["band"][d + 1]["sr"],
|
||||
target_sr=bp["sr"],
|
||||
res_type=wav_resolution,
|
||||
)
|
||||
x_spec_s[d] = spec_utils.wave_to_spectrogram(
|
||||
x_wave[d],
|
||||
bp["hl"],
|
||||
bp["n_fft"],
|
||||
self.model_params,
|
||||
band=d,
|
||||
is_v51_model=self.is_vr_51_model,
|
||||
torch_device=self.torch_device,
|
||||
)
|
||||
|
||||
if d == bands_n and self.high_end_process:
|
||||
self.input_high_end_h = (bp["n_fft"] // 2 - bp["crop_stop"]) + (
|
||||
self.model_params.param["pre_filter_stop"] - self.model_params.param["pre_filter_start"]
|
||||
)
|
||||
self.input_high_end = x_spec_s[d][:, bp["n_fft"] // 2 - self.input_high_end_h : bp["n_fft"] // 2, :]
|
||||
|
||||
return spec_utils.combine_spectrograms(x_spec_s, self.model_params, is_v51_model=self.is_vr_51_model)
|
||||
|
||||
def _ensure_stereo(self, mix):
|
||||
mix = np.asarray(mix, dtype=np.float32)
|
||||
if mix.ndim == 1:
|
||||
return np.asfortranarray([mix, mix])
|
||||
if mix.shape[0] == 2:
|
||||
return np.asfortranarray(mix)
|
||||
if mix.shape[-1] == 2:
|
||||
return np.asfortranarray(mix.T)
|
||||
return np.asfortranarray([mono := np.mean(mix, axis=0), mono])
|
||||
|
||||
@staticmethod
|
||||
def _resample_wave(wave, orig_sr, target_sr, res_type):
|
||||
return (
|
||||
np.asfortranarray(wave)
|
||||
if int(orig_sr) == int(target_sr)
|
||||
else spec_utils.resample_audio(wave, orig_sr=orig_sr, target_sr=target_sr, res_type=res_type)
|
||||
)
|
||||
|
||||
def inference_vr(self, x_spec, device, aggressiveness):
|
||||
def execute(x_mag_pad, roi_size):
|
||||
patches = (x_mag_pad.shape[2] - 2 * self.model_run.offset) // roi_size
|
||||
x_dataset = [x_mag_pad[:, :, i * roi_size : i * roi_size + self.window_size] for i in range(patches)]
|
||||
if not x_dataset:
|
||||
raise ValueError("Window size error: no VR patches generated")
|
||||
|
||||
x_dataset = np.asarray(x_dataset)
|
||||
mask = None
|
||||
write_pos = 0
|
||||
batch_starts = range(0, patches, self.batch_size)
|
||||
process_batches = tqdm(batch_starts, leave=False, desc="Processing VR batches") if self.debug else batch_starts
|
||||
if self.progress_callback:
|
||||
self.progress_callback(0, patches, "Processing VR batches")
|
||||
if self._use_mlx_full_forward(device):
|
||||
import mlx.core as mx
|
||||
|
||||
mask_batches = []
|
||||
for i in process_batches:
|
||||
batch_count = min(self.batch_size, patches - i)
|
||||
pred = self._predict_mask_mlx(torch.from_numpy(x_dataset[i : i + batch_count]))
|
||||
pred = pred.astype(mx.float32).transpose(1, 2, 0, 3).reshape(pred.shape[1], pred.shape[2], -1)
|
||||
mask_batches.append(pred)
|
||||
write_pos += pred.shape[2]
|
||||
if self.progress_callback:
|
||||
self.progress_callback(i + batch_count, patches, "Processing VR batches")
|
||||
return mx.concatenate(mask_batches, axis=2)[:, :, :write_pos]
|
||||
|
||||
with torch.inference_mode():
|
||||
for i in process_batches:
|
||||
batch_count = min(self.batch_size, patches - i)
|
||||
x_batch_cpu = torch.from_numpy(x_dataset[i : i + batch_count])
|
||||
x_batch = (
|
||||
x_batch_cpu.to(device=device, non_blocking=True, memory_format=torch.channels_last)
|
||||
if self.use_channels_last
|
||||
else x_batch_cpu.to(device=device, non_blocking=True)
|
||||
)
|
||||
device_type = torch.device(device).type
|
||||
use_amp = self.use_amp and device_type in ("cuda", "mps")
|
||||
with torch.amp.autocast(device_type, dtype=torch.float16, enabled=use_amp):
|
||||
pred = self.model_run.predict_mask(x_batch)
|
||||
if not pred.size()[3] > 0:
|
||||
raise ValueError("Window size error: h1_shape[3] must be greater than h2_shape[3]")
|
||||
pred = pred.detach().float().permute(1, 2, 0, 3).reshape(pred.size(1), pred.size(2), -1)
|
||||
if mask is None:
|
||||
mask = torch.empty(
|
||||
(pred.size(0), pred.size(1), patches * pred.size(2)),
|
||||
dtype=pred.dtype,
|
||||
device=pred.device,
|
||||
)
|
||||
mask[:, :, write_pos : write_pos + pred.size(2)] = pred
|
||||
write_pos += pred.size(2)
|
||||
if self.progress_callback:
|
||||
self.progress_callback(i + batch_count, patches, "Processing VR batches")
|
||||
return mask[:, :, :write_pos]
|
||||
|
||||
def adjust_aggr_torch(mask, is_non_accom_stem):
|
||||
aggr = aggressiveness["value"] * 2
|
||||
if aggr == 0:
|
||||
return mask
|
||||
mask = mask.clone()
|
||||
if is_non_accom_stem:
|
||||
aggr = 1 - aggr
|
||||
if aggr > 10 or aggr < -10:
|
||||
print(f"Warning: Extreme aggressiveness values detected: {aggr}")
|
||||
|
||||
aggr = torch.tensor([aggr, aggr], dtype=mask.dtype, device=mask.device)
|
||||
if (correction := aggressiveness["aggr_correction"]) is not None:
|
||||
aggr[0] += correction["left"]
|
||||
aggr[1] += correction["right"]
|
||||
|
||||
split_bin = aggressiveness["split_bin"]
|
||||
mask[:, :split_bin] = torch.pow(mask[:, :split_bin], 1 + aggr[:, None, None] / 3)
|
||||
mask[:, split_bin:] = torch.pow(mask[:, split_bin:], 1 + aggr[:, None, None])
|
||||
return mask
|
||||
|
||||
def adjust_aggr_mlx(mask, is_non_accom_stem):
|
||||
import mlx.core as mx
|
||||
|
||||
aggr = aggressiveness["value"] * 2
|
||||
if aggr == 0:
|
||||
return mask
|
||||
if is_non_accom_stem:
|
||||
aggr = 1 - aggr
|
||||
if aggr > 10 or aggr < -10:
|
||||
print(f"Warning: Extreme aggressiveness values detected: {aggr}")
|
||||
|
||||
aggr = mx.array([aggr, aggr], dtype=mask.dtype)
|
||||
if (correction := aggressiveness["aggr_correction"]) is not None:
|
||||
correction_arr = mx.array([correction["left"], correction["right"]], dtype=mask.dtype)
|
||||
aggr = aggr + correction_arr
|
||||
|
||||
split_bin = aggressiveness["split_bin"]
|
||||
low = mx.power(mask[:, :split_bin], 1 + aggr[:, None, None] / 3)
|
||||
high = mx.power(mask[:, split_bin:], 1 + aggr[:, None, None])
|
||||
return mx.concatenate((low, high), axis=1)
|
||||
|
||||
def postprocess(mask, x_spec):
|
||||
is_non_accom_stem = self.primary_stem_name in CommonSeparator.NON_ACCOM_STEMS
|
||||
if self.enable_post_process:
|
||||
if not isinstance(mask, torch.Tensor):
|
||||
mask = np.array(mask, copy=False)
|
||||
else:
|
||||
mask = mask.cpu().numpy()
|
||||
mask = spec_utils.adjust_aggr(mask, is_non_accom_stem, aggressiveness)
|
||||
mask = spec_utils.merge_artifacts(mask, thres=self.post_process_threshold)
|
||||
y_spec = mask * x_spec
|
||||
v_spec = (1 - mask) * x_spec
|
||||
return y_spec, v_spec
|
||||
|
||||
if not isinstance(mask, torch.Tensor):
|
||||
import mlx.core as mx
|
||||
|
||||
mask = adjust_aggr_mlx(mask, is_non_accom_stem)
|
||||
x_spec_mx = mx.array(x_spec)
|
||||
y_spec = mask * x_spec_mx
|
||||
v_spec = (1 - mask) * x_spec_mx
|
||||
return np.array(y_spec, copy=False), np.array(v_spec, copy=False)
|
||||
|
||||
mask = adjust_aggr_torch(mask, is_non_accom_stem)
|
||||
x_spec_t = torch.from_numpy(x_spec).to(device)
|
||||
y_spec = (mask * x_spec_t).cpu().numpy()
|
||||
v_spec = ((1 - mask) * x_spec_t).cpu().numpy()
|
||||
return y_spec, v_spec
|
||||
|
||||
x_mag = np.abs(x_spec)
|
||||
n_frame = x_mag.shape[2]
|
||||
pad_l, pad_r, roi_size = spec_utils.make_padding(n_frame, self.window_size, self.model_run.offset)
|
||||
x_mag_pad = np.pad(x_mag, ((0, 0), (0, 0), (pad_l, pad_r)), mode="constant")
|
||||
max_value = x_mag_pad.max()
|
||||
if max_value > 0:
|
||||
x_mag_pad /= max_value
|
||||
mask = execute(x_mag_pad, roi_size)
|
||||
|
||||
if self.enable_tta:
|
||||
pad_l += roi_size // 2
|
||||
pad_r += roi_size // 2
|
||||
x_mag_pad = np.pad(x_mag, ((0, 0), (0, 0), (pad_l, pad_r)), mode="constant")
|
||||
max_value = x_mag_pad.max()
|
||||
if max_value > 0:
|
||||
x_mag_pad /= max_value
|
||||
mask_tta = execute(x_mag_pad, roi_size)[:, :, roi_size // 2 :]
|
||||
mask = (mask[:, :, :n_frame] + mask_tta[:, :, :n_frame]) * 0.5
|
||||
else:
|
||||
mask = mask[:, :, :n_frame]
|
||||
|
||||
return postprocess(mask, x_spec)
|
||||
|
||||
def spec_to_wav(self, spec):
|
||||
if self.high_end_process and isinstance(self.input_high_end, np.ndarray) and self.input_high_end_h:
|
||||
input_high_end = spec_utils.mirroring("mirroring", spec, self.input_high_end, self.model_params)
|
||||
return spec_utils.cmb_spectrogram_to_wave(
|
||||
spec,
|
||||
self.model_params,
|
||||
self.input_high_end_h,
|
||||
input_high_end,
|
||||
is_v51_model=self.is_vr_51_model,
|
||||
torch_device=self.torch_device,
|
||||
)
|
||||
return spec_utils.cmb_spectrogram_to_wave(
|
||||
spec, self.model_params, is_v51_model=self.is_vr_51_model, torch_device=self.torch_device
|
||||
)
|
||||
179
tools/pymss/progress.py
Normal file
179
tools/pymss/progress.py
Normal file
@@ -0,0 +1,179 @@
|
||||
import math
|
||||
from time import time
|
||||
|
||||
from tqdm.auto import tqdm
|
||||
|
||||
|
||||
def _format_progress_time(value):
|
||||
"""Format progress seconds as mm:ss or hh:mm:ss."""
|
||||
seconds = max(0, int(round(value or 0)))
|
||||
hours, remainder = divmod(seconds, 3600)
|
||||
minutes, seconds = divmod(remainder, 60)
|
||||
if hours:
|
||||
return f"{hours:d}:{minutes:02d}:{seconds:02d}"
|
||||
return f"{minutes:d}:{seconds:02d}"
|
||||
|
||||
|
||||
def _is_time_progress_message(message):
|
||||
"""Return whether a progress message represents audio seconds."""
|
||||
return "audio" in str(message).lower()
|
||||
|
||||
|
||||
def _format_progress_rtf(bar):
|
||||
"""Return real-time factor text for a tqdm audio progress bar."""
|
||||
done = float(bar.n or 0)
|
||||
if done <= 0:
|
||||
return "--"
|
||||
elapsed = max(0.0, time() - getattr(bar, "start_t", time()))
|
||||
return f"{elapsed / done:.2f}"
|
||||
|
||||
|
||||
def _update_time_progress_bar(bar):
|
||||
"""Update a tqdm bar with formatted elapsed/total audio time."""
|
||||
if bar is None:
|
||||
return
|
||||
rtf = _format_progress_rtf(bar)
|
||||
bar._pymss_audio_progress = f"{_format_progress_time(bar.n)}/{_format_progress_time(bar.total)}, RTF={rtf}"
|
||||
bar.refresh()
|
||||
|
||||
|
||||
class _TimeProgressTqdm(tqdm):
|
||||
"""tqdm subclass with a custom audio progress field."""
|
||||
|
||||
@property
|
||||
def format_dict(self):
|
||||
data = super().format_dict
|
||||
data["audio_progress"] = getattr(self, "_pymss_audio_progress", "")
|
||||
return data
|
||||
|
||||
|
||||
class _ProgressContext:
|
||||
"""Small progress adapter used by demixing helpers."""
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
pbar=False,
|
||||
total=1,
|
||||
callback=None,
|
||||
done=0,
|
||||
message="Processing audio",
|
||||
sample_rate=None,
|
||||
):
|
||||
"""Initialize the progress adapter.
|
||||
|
||||
Args:
|
||||
pbar (Any, optional): Whether to show a tqdm progress bar.
|
||||
Defaults to False.
|
||||
total (Any, optional): Total progress units. Defaults to 1.
|
||||
callback (Any, optional): Optional callback receiving
|
||||
``(done, total, message)``. Defaults to None.
|
||||
done (Any, optional): Initial completed units. Defaults to 0.
|
||||
message (str, optional): Progress message. Defaults to
|
||||
``"Processing audio"``.
|
||||
sample_rate (int | None, optional): Sample rate used to expose
|
||||
progress in seconds. When omitted, progress values are used as
|
||||
already provided.
|
||||
"""
|
||||
self.enabled = bool(pbar or callback)
|
||||
self.bar = None
|
||||
self.callback = callback
|
||||
self.done = done
|
||||
self.total = total
|
||||
self.message = message
|
||||
self.sample_rate = int(sample_rate or 0)
|
||||
if not self.enabled:
|
||||
return
|
||||
self.total = int(self.total or 1)
|
||||
self.done = min(max(0, int(self.done or 0)), self.total)
|
||||
if pbar:
|
||||
bar_kwargs = {"total": self._display_total(), "desc": message, "leave": False}
|
||||
if self.sample_rate > 0:
|
||||
bar_kwargs.update({"unit": "", "bar_format": "{l_bar}{bar}| {audio_progress}"})
|
||||
self.bar = _TimeProgressTqdm(**bar_kwargs)
|
||||
else:
|
||||
self.bar = tqdm(**bar_kwargs)
|
||||
if self.sample_rate > 0:
|
||||
_update_time_progress_bar(self.bar)
|
||||
if self.bar is not None and self.done:
|
||||
self.bar.update(self._display_value(self.done))
|
||||
if self.sample_rate > 0:
|
||||
_update_time_progress_bar(self.bar)
|
||||
self.emit()
|
||||
|
||||
def _display_value(self, value):
|
||||
"""Return progress value exposed to callbacks and progress bars."""
|
||||
if self.sample_rate <= 0:
|
||||
return int(value)
|
||||
if int(value) >= self.total:
|
||||
return self._display_total()
|
||||
return min(self._display_total(), int(int(value) // self.sample_rate))
|
||||
|
||||
def _display_total(self):
|
||||
"""Return total seconds for the current progress unit."""
|
||||
if self.sample_rate <= 0:
|
||||
return self.total
|
||||
return max(1, int(math.ceil(self.total / self.sample_rate)))
|
||||
|
||||
def emit(self, done=None):
|
||||
"""Emit a progress update."""
|
||||
if not self.enabled:
|
||||
return
|
||||
if done is not None:
|
||||
next_done = min(max(0, int(done)), self.total)
|
||||
if self.bar is not None:
|
||||
self.bar.update(self._display_value(next_done) - self._display_value(self.done))
|
||||
if self.sample_rate > 0:
|
||||
_update_time_progress_bar(self.bar)
|
||||
self.done = next_done
|
||||
if self.callback is None:
|
||||
return
|
||||
self.callback(self._display_value(self.done), self._display_total(), self.message)
|
||||
|
||||
def update(self, amount):
|
||||
"""Advance progress by ``amount`` internal units."""
|
||||
if not self.enabled:
|
||||
return
|
||||
amount = int(amount)
|
||||
self.emit(self.done + amount)
|
||||
|
||||
def close(self):
|
||||
"""Close the progress bar when present."""
|
||||
if not self.enabled:
|
||||
return
|
||||
if self.bar:
|
||||
self.bar.close()
|
||||
|
||||
|
||||
class _CliInferenceProgress:
|
||||
"""CLI callback adapter for inference progress updates."""
|
||||
|
||||
def __init__(self):
|
||||
self._bar = None
|
||||
self._message = None
|
||||
self._total = None
|
||||
|
||||
def __call__(self, done, total, message):
|
||||
total = max(1, int(total or 1))
|
||||
done = max(0, min(int(done), total))
|
||||
if self._bar is None or self._message != message or self._total != total or done < self._bar.n:
|
||||
self.close()
|
||||
self._message = message
|
||||
self._total = total
|
||||
bar_kwargs = {"total": total, "desc": message, "leave": False, "mininterval": 0, "miniters": 1}
|
||||
if _is_time_progress_message(message):
|
||||
bar_kwargs.update({"unit": "", "bar_format": "{l_bar}{bar}| {audio_progress}"})
|
||||
self._bar = _TimeProgressTqdm(**bar_kwargs)
|
||||
else:
|
||||
self._bar = tqdm(**bar_kwargs)
|
||||
if _is_time_progress_message(message):
|
||||
_update_time_progress_bar(self._bar)
|
||||
if done != self._bar.n:
|
||||
self._bar.update(done - self._bar.n)
|
||||
if _is_time_progress_message(message):
|
||||
_update_time_progress_bar(self._bar)
|
||||
|
||||
def close(self):
|
||||
"""Close the active CLI progress bar."""
|
||||
if self._bar is not None:
|
||||
self._bar.close()
|
||||
self._bar = None
|
||||
7996
tools/pymss/resources/model_catalog.json
Normal file
7996
tools/pymss/resources/model_catalog.json
Normal file
File diff suppressed because it is too large
Load Diff
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 1024,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 16000,
|
||||
"hl": 512,
|
||||
"n_fft": 2048,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 1024,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 16000,
|
||||
"pre_filter_start": 1023,
|
||||
"pre_filter_stop": 1024
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 1024,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 32000,
|
||||
"hl": 512,
|
||||
"n_fft": 2048,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 1024,
|
||||
"hpf_start": -1,
|
||||
"res_type": "kaiser_fast"
|
||||
}
|
||||
},
|
||||
"sr": 32000,
|
||||
"pre_filter_start": 1000,
|
||||
"pre_filter_stop": 1021
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 1024,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 33075,
|
||||
"hl": 384,
|
||||
"n_fft": 2048,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 1024,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 33075,
|
||||
"pre_filter_start": 1000,
|
||||
"pre_filter_stop": 1021
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 1024,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 44100,
|
||||
"hl": 1024,
|
||||
"n_fft": 2048,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 1024,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 1023,
|
||||
"pre_filter_stop": 1024
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 256,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 44100,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 256,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 256,
|
||||
"pre_filter_stop": 256
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 1024,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 2048,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 1024,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 1023,
|
||||
"pre_filter_stop": 1024
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 1024,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 2048,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 700,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 1023,
|
||||
"pre_filter_stop": 700
|
||||
}
|
||||
@@ -0,0 +1,19 @@
|
||||
{
|
||||
"bins": 512,
|
||||
"unstable_bins": 0,
|
||||
"reduction_bins": 0,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 512,
|
||||
"hpf_start": -1,
|
||||
"res_type": "sinc_best"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 511,
|
||||
"pre_filter_stop": 512
|
||||
}
|
||||
30
tools/pymss/resources/vr_modelparams/2band_32000.json
Normal file
30
tools/pymss/resources/vr_modelparams/2band_32000.json
Normal file
@@ -0,0 +1,30 @@
|
||||
{
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 705,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 6000,
|
||||
"hl": 66,
|
||||
"n_fft": 512,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 240,
|
||||
"lpf_start": 60,
|
||||
"lpf_stop": 118,
|
||||
"res_type": "sinc_fastest"
|
||||
},
|
||||
"2": {
|
||||
"sr": 32000,
|
||||
"hl": 352,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 22,
|
||||
"crop_stop": 505,
|
||||
"hpf_start": 44,
|
||||
"hpf_stop": 23,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 32000,
|
||||
"pre_filter_start": 710,
|
||||
"pre_filter_stop": 731
|
||||
}
|
||||
30
tools/pymss/resources/vr_modelparams/2band_44100_lofi.json
Normal file
30
tools/pymss/resources/vr_modelparams/2band_44100_lofi.json
Normal file
@@ -0,0 +1,30 @@
|
||||
{
|
||||
"bins": 512,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 510,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 160,
|
||||
"n_fft": 768,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 192,
|
||||
"lpf_start": 41,
|
||||
"lpf_stop": 139,
|
||||
"res_type": "sinc_fastest"
|
||||
},
|
||||
"2": {
|
||||
"sr": 44100,
|
||||
"hl": 640,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 10,
|
||||
"crop_stop": 320,
|
||||
"hpf_start": 47,
|
||||
"hpf_stop": 15,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 510,
|
||||
"pre_filter_stop": 512
|
||||
}
|
||||
30
tools/pymss/resources/vr_modelparams/2band_48000.json
Normal file
30
tools/pymss/resources/vr_modelparams/2band_48000.json
Normal file
@@ -0,0 +1,30 @@
|
||||
{
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 705,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 6000,
|
||||
"hl": 66,
|
||||
"n_fft": 512,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 240,
|
||||
"lpf_start": 60,
|
||||
"lpf_stop": 240,
|
||||
"res_type": "sinc_fastest"
|
||||
},
|
||||
"2": {
|
||||
"sr": 48000,
|
||||
"hl": 528,
|
||||
"n_fft": 1536,
|
||||
"crop_start": 22,
|
||||
"crop_stop": 505,
|
||||
"hpf_start": 82,
|
||||
"hpf_stop": 22,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 48000,
|
||||
"pre_filter_start": 710,
|
||||
"pre_filter_stop": 731
|
||||
}
|
||||
42
tools/pymss/resources/vr_modelparams/3band_44100.json
Normal file
42
tools/pymss/resources/vr_modelparams/3band_44100.json
Normal file
@@ -0,0 +1,42 @@
|
||||
{
|
||||
"bins": 768,
|
||||
"unstable_bins": 5,
|
||||
"reduction_bins": 733,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 768,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 278,
|
||||
"lpf_start": 28,
|
||||
"lpf_stop": 140,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 768,
|
||||
"crop_start": 14,
|
||||
"crop_stop": 322,
|
||||
"hpf_start": 70,
|
||||
"hpf_stop": 14,
|
||||
"lpf_start": 283,
|
||||
"lpf_stop": 314,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 131,
|
||||
"crop_stop": 313,
|
||||
"hpf_start": 154,
|
||||
"hpf_stop": 141,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 757,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
43
tools/pymss/resources/vr_modelparams/3band_44100_mid.json
Normal file
43
tools/pymss/resources/vr_modelparams/3band_44100_mid.json
Normal file
@@ -0,0 +1,43 @@
|
||||
{
|
||||
"mid_side": true,
|
||||
"bins": 768,
|
||||
"unstable_bins": 5,
|
||||
"reduction_bins": 733,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 768,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 278,
|
||||
"lpf_start": 28,
|
||||
"lpf_stop": 140,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 768,
|
||||
"crop_start": 14,
|
||||
"crop_stop": 322,
|
||||
"hpf_start": 70,
|
||||
"hpf_stop": 14,
|
||||
"lpf_start": 283,
|
||||
"lpf_stop": 314,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 131,
|
||||
"crop_stop": 313,
|
||||
"hpf_start": 154,
|
||||
"hpf_stop": 141,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 757,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
43
tools/pymss/resources/vr_modelparams/3band_44100_msb2.json
Normal file
43
tools/pymss/resources/vr_modelparams/3band_44100_msb2.json
Normal file
@@ -0,0 +1,43 @@
|
||||
{
|
||||
"mid_side_b2": true,
|
||||
"bins": 640,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 565,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 108,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 187,
|
||||
"lpf_start": 92,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 22050,
|
||||
"hl": 216,
|
||||
"n_fft": 768,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 212,
|
||||
"hpf_start": 68,
|
||||
"hpf_stop": 34,
|
||||
"lpf_start": 174,
|
||||
"lpf_stop": 209,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 44100,
|
||||
"hl": 432,
|
||||
"n_fft": 640,
|
||||
"crop_start": 66,
|
||||
"crop_stop": 307,
|
||||
"hpf_start": 86,
|
||||
"hpf_stop": 72,
|
||||
"res_type": "kaiser_fast"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 639,
|
||||
"pre_filter_stop": 640
|
||||
}
|
||||
54
tools/pymss/resources/vr_modelparams/4band_44100.json
Normal file
54
tools/pymss/resources/vr_modelparams/4band_44100.json
Normal file
@@ -0,0 +1,54 @@
|
||||
{
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 668,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 186,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 512,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 185,
|
||||
"hpf_start": 36,
|
||||
"hpf_stop": 18,
|
||||
"lpf_start": 93,
|
||||
"lpf_stop": 185,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 46,
|
||||
"crop_stop": 186,
|
||||
"hpf_start": 93,
|
||||
"hpf_stop": 46,
|
||||
"lpf_start": 164,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 121,
|
||||
"crop_stop": 382,
|
||||
"hpf_start": 138,
|
||||
"hpf_stop": 123,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 740,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
55
tools/pymss/resources/vr_modelparams/4band_44100_mid.json
Normal file
55
tools/pymss/resources/vr_modelparams/4band_44100_mid.json
Normal file
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"mid_side": true,
|
||||
"reduction_bins": 668,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 186,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 512,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 185,
|
||||
"hpf_start": 36,
|
||||
"hpf_stop": 18,
|
||||
"lpf_start": 93,
|
||||
"lpf_stop": 185,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 46,
|
||||
"crop_stop": 186,
|
||||
"hpf_start": 93,
|
||||
"hpf_stop": 46,
|
||||
"lpf_start": 164,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 121,
|
||||
"crop_stop": 382,
|
||||
"hpf_start": 138,
|
||||
"hpf_stop": 123,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 740,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
55
tools/pymss/resources/vr_modelparams/4band_44100_msb.json
Normal file
55
tools/pymss/resources/vr_modelparams/4band_44100_msb.json
Normal file
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"mid_side_b": true,
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 668,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 186,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 512,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 185,
|
||||
"hpf_start": 36,
|
||||
"hpf_stop": 18,
|
||||
"lpf_start": 93,
|
||||
"lpf_stop": 185,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 46,
|
||||
"crop_stop": 186,
|
||||
"hpf_start": 93,
|
||||
"hpf_stop": 46,
|
||||
"lpf_start": 164,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 121,
|
||||
"crop_stop": 382,
|
||||
"hpf_start": 138,
|
||||
"hpf_stop": 123,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 740,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
55
tools/pymss/resources/vr_modelparams/4band_44100_msb2.json
Normal file
55
tools/pymss/resources/vr_modelparams/4band_44100_msb2.json
Normal file
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"mid_side_b": true,
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 668,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 186,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 512,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 185,
|
||||
"hpf_start": 36,
|
||||
"hpf_stop": 18,
|
||||
"lpf_start": 93,
|
||||
"lpf_stop": 185,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 46,
|
||||
"crop_stop": 186,
|
||||
"hpf_start": 93,
|
||||
"hpf_stop": 46,
|
||||
"lpf_start": 164,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 121,
|
||||
"crop_stop": 382,
|
||||
"hpf_start": 138,
|
||||
"hpf_stop": 123,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 740,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"reverse": true,
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 668,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 186,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 512,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 185,
|
||||
"hpf_start": 36,
|
||||
"hpf_stop": 18,
|
||||
"lpf_start": 93,
|
||||
"lpf_stop": 185,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 46,
|
||||
"crop_stop": 186,
|
||||
"hpf_start": 93,
|
||||
"hpf_stop": 46,
|
||||
"lpf_start": 164,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 121,
|
||||
"crop_stop": 382,
|
||||
"hpf_start": 138,
|
||||
"hpf_stop": 123,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 740,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
55
tools/pymss/resources/vr_modelparams/4band_44100_sw.json
Normal file
55
tools/pymss/resources/vr_modelparams/4band_44100_sw.json
Normal file
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"stereo_w": true,
|
||||
"bins": 768,
|
||||
"unstable_bins": 7,
|
||||
"reduction_bins": 668,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 1024,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 186,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 11025,
|
||||
"hl": 128,
|
||||
"n_fft": 512,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 185,
|
||||
"hpf_start": 36,
|
||||
"hpf_stop": 18,
|
||||
"lpf_start": 93,
|
||||
"lpf_stop": 185,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 22050,
|
||||
"hl": 256,
|
||||
"n_fft": 512,
|
||||
"crop_start": 46,
|
||||
"crop_stop": 186,
|
||||
"hpf_start": 93,
|
||||
"hpf_stop": 46,
|
||||
"lpf_start": 164,
|
||||
"lpf_stop": 186,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 512,
|
||||
"n_fft": 768,
|
||||
"crop_start": 121,
|
||||
"crop_stop": 382,
|
||||
"hpf_start": 138,
|
||||
"hpf_stop": 123,
|
||||
"res_type": "sinc_medium"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 740,
|
||||
"pre_filter_stop": 768
|
||||
}
|
||||
54
tools/pymss/resources/vr_modelparams/4band_v2.json
Normal file
54
tools/pymss/resources/vr_modelparams/4band_v2.json
Normal file
@@ -0,0 +1,54 @@
|
||||
{
|
||||
"bins": 672,
|
||||
"unstable_bins": 8,
|
||||
"reduction_bins": 637,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 640,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 85,
|
||||
"lpf_start": 25,
|
||||
"lpf_stop": 53,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 320,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 87,
|
||||
"hpf_start": 25,
|
||||
"hpf_stop": 12,
|
||||
"lpf_start": 31,
|
||||
"lpf_stop": 62,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 14700,
|
||||
"hl": 160,
|
||||
"n_fft": 512,
|
||||
"crop_start": 17,
|
||||
"crop_stop": 216,
|
||||
"hpf_start": 48,
|
||||
"hpf_stop": 24,
|
||||
"lpf_start": 139,
|
||||
"lpf_stop": 210,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 480,
|
||||
"n_fft": 960,
|
||||
"crop_start": 78,
|
||||
"crop_stop": 383,
|
||||
"hpf_start": 130,
|
||||
"hpf_stop": 86,
|
||||
"res_type": "kaiser_fast"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 668,
|
||||
"pre_filter_stop": 672
|
||||
}
|
||||
55
tools/pymss/resources/vr_modelparams/4band_v2_sn.json
Normal file
55
tools/pymss/resources/vr_modelparams/4band_v2_sn.json
Normal file
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"bins": 672,
|
||||
"unstable_bins": 8,
|
||||
"reduction_bins": 637,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 640,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 85,
|
||||
"lpf_start": 25,
|
||||
"lpf_stop": 53,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 320,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 87,
|
||||
"hpf_start": 25,
|
||||
"hpf_stop": 12,
|
||||
"lpf_start": 31,
|
||||
"lpf_stop": 62,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 14700,
|
||||
"hl": 160,
|
||||
"n_fft": 512,
|
||||
"crop_start": 17,
|
||||
"crop_stop": 216,
|
||||
"hpf_start": 48,
|
||||
"hpf_stop": 24,
|
||||
"lpf_start": 139,
|
||||
"lpf_stop": 210,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 480,
|
||||
"n_fft": 960,
|
||||
"crop_start": 78,
|
||||
"crop_stop": 383,
|
||||
"hpf_start": 130,
|
||||
"hpf_stop": 86,
|
||||
"convert_channels": "stereo_n",
|
||||
"res_type": "kaiser_fast"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 668,
|
||||
"pre_filter_stop": 672
|
||||
}
|
||||
54
tools/pymss/resources/vr_modelparams/4band_v3.json
Normal file
54
tools/pymss/resources/vr_modelparams/4band_v3.json
Normal file
@@ -0,0 +1,54 @@
|
||||
{
|
||||
"bins": 672,
|
||||
"unstable_bins": 8,
|
||||
"reduction_bins": 530,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 640,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 85,
|
||||
"lpf_start": 25,
|
||||
"lpf_stop": 53,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 320,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 87,
|
||||
"hpf_start": 25,
|
||||
"hpf_stop": 12,
|
||||
"lpf_start": 31,
|
||||
"lpf_stop": 62,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 14700,
|
||||
"hl": 160,
|
||||
"n_fft": 512,
|
||||
"crop_start": 17,
|
||||
"crop_stop": 216,
|
||||
"hpf_start": 48,
|
||||
"hpf_stop": 24,
|
||||
"lpf_start": 139,
|
||||
"lpf_stop": 210,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 480,
|
||||
"n_fft": 960,
|
||||
"crop_start": 78,
|
||||
"crop_stop": 383,
|
||||
"hpf_start": 130,
|
||||
"hpf_stop": 86,
|
||||
"res_type": "kaiser_fast"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 668,
|
||||
"pre_filter_stop": 672
|
||||
}
|
||||
55
tools/pymss/resources/vr_modelparams/4band_v3_sn.json
Normal file
55
tools/pymss/resources/vr_modelparams/4band_v3_sn.json
Normal file
@@ -0,0 +1,55 @@
|
||||
{
|
||||
"n_bins": 672,
|
||||
"unstable_bins": 8,
|
||||
"stable_bins": 530,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 640,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 85,
|
||||
"lpf_start": 25,
|
||||
"lpf_stop": 53,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"2": {
|
||||
"sr": 7350,
|
||||
"hl": 80,
|
||||
"n_fft": 320,
|
||||
"crop_start": 4,
|
||||
"crop_stop": 87,
|
||||
"hpf_start": 25,
|
||||
"hpf_stop": 12,
|
||||
"lpf_start": 31,
|
||||
"lpf_stop": 62,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"3": {
|
||||
"sr": 14700,
|
||||
"hl": 160,
|
||||
"n_fft": 512,
|
||||
"crop_start": 17,
|
||||
"crop_stop": 216,
|
||||
"hpf_start": 48,
|
||||
"hpf_stop": 24,
|
||||
"lpf_start": 139,
|
||||
"lpf_stop": 210,
|
||||
"res_type": "polyphase"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 480,
|
||||
"n_fft": 960,
|
||||
"crop_start": 78,
|
||||
"crop_stop": 383,
|
||||
"hpf_start": 130,
|
||||
"hpf_stop": 86,
|
||||
"convert_channels": "stereo_n",
|
||||
"res_type": "kaiser_fast"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": 668,
|
||||
"pre_filter_stop": 672
|
||||
}
|
||||
@@ -0,0 +1,58 @@
|
||||
{
|
||||
"n_bins": 896,
|
||||
"unstable_bins": 9,
|
||||
"stable_bins": 530,
|
||||
"band": {
|
||||
"1": {
|
||||
"sr": 7350,
|
||||
"hl": 96,
|
||||
"n_fft": 768,
|
||||
"crop_start": 0,
|
||||
"crop_stop": 102,
|
||||
"lpf_start": 30,
|
||||
"lpf_stop": 62,
|
||||
"res_type": "polyphase",
|
||||
"convert_channels": "mid_side"
|
||||
},
|
||||
"2": {
|
||||
"sr": 7350,
|
||||
"hl": 96,
|
||||
"n_fft": 384,
|
||||
"crop_start": 5,
|
||||
"crop_stop": 104,
|
||||
"hpf_start": 30,
|
||||
"hpf_stop": 14,
|
||||
"lpf_start": 37,
|
||||
"lpf_stop": 73,
|
||||
"res_type": "polyphase",
|
||||
"convert_channels": "mid_side"
|
||||
},
|
||||
"3": {
|
||||
"sr": 14700,
|
||||
"hl": 192,
|
||||
"n_fft": 640,
|
||||
"crop_start": 20,
|
||||
"crop_stop": 259,
|
||||
"hpf_start": 58,
|
||||
"hpf_stop": 29,
|
||||
"lpf_start": 191,
|
||||
"lpf_stop": 262,
|
||||
"res_type": "polyphase",
|
||||
"convert_channels": "mid_side"
|
||||
},
|
||||
"4": {
|
||||
"sr": 44100,
|
||||
"hl": 576,
|
||||
"n_fft": 1152,
|
||||
"crop_start": 119,
|
||||
"crop_stop": 575,
|
||||
"hpf_start": 157,
|
||||
"hpf_stop": 110,
|
||||
"res_type": "kaiser_fast",
|
||||
"convert_channels": "mid_side"
|
||||
}
|
||||
},
|
||||
"sr": 44100,
|
||||
"pre_filter_start": -1,
|
||||
"pre_filter_stop": -1
|
||||
}
|
||||
1779
tools/pymss/separator.py
Normal file
1779
tools/pymss/separator.py
Normal file
File diff suppressed because it is too large
Load Diff
36
tools/pymss/server/__init__.py
Normal file
36
tools/pymss/server/__init__.py
Normal file
@@ -0,0 +1,36 @@
|
||||
from .config import ServerConfig
|
||||
|
||||
|
||||
def create_app(config):
|
||||
"""Create the FastAPI application.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
|
||||
Returns:
|
||||
FastAPI: Configured application instance.
|
||||
|
||||
Example:
|
||||
>>> app = create_app()"""
|
||||
from .app import create_app as _create_app
|
||||
|
||||
return _create_app(config)
|
||||
|
||||
|
||||
def run_server(config):
|
||||
"""Run the pymss HTTP server.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
|
||||
Returns:
|
||||
None: Runs until the server stops.
|
||||
|
||||
Example:
|
||||
>>> run_server()"""
|
||||
from .app import run_server as _run_server
|
||||
|
||||
return _run_server(config)
|
||||
|
||||
|
||||
__all__ = ("ServerConfig", "create_app", "run_server")
|
||||
1018
tools/pymss/server/app.py
Normal file
1018
tools/pymss/server/app.py
Normal file
File diff suppressed because it is too large
Load Diff
363
tools/pymss/server/audio.py
Normal file
363
tools/pymss/server/audio.py
Normal file
@@ -0,0 +1,363 @@
|
||||
from __future__ import annotations
|
||||
|
||||
import base64
|
||||
import io
|
||||
import json
|
||||
import os
|
||||
import re
|
||||
import tempfile
|
||||
import time
|
||||
import uuid
|
||||
import zipfile
|
||||
|
||||
import numpy as np
|
||||
|
||||
from ..audio_io import save_audio
|
||||
from .errors import APIError
|
||||
|
||||
|
||||
PCM_FORMATS = {
|
||||
"pcm_f32le": (np.dtype("<f4"), 4),
|
||||
"pcm_s16le": (np.dtype("<i2"), 2),
|
||||
}
|
||||
OUTPUT_FORMATS = {"pcm_f32le", "wav", "flac"}
|
||||
RESPONSE_FORMATS = {"json", "zip"}
|
||||
|
||||
|
||||
def parse_int(value, param, code="invalid_request"):
|
||||
"""Parse an integer request parameter and raise an APIError on failure.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
param (str | None): Param value.
|
||||
code (str, optional): Code value. Defaults to 'invalid_request'.
|
||||
|
||||
Returns:
|
||||
Any: Parsed value."""
|
||||
try:
|
||||
return int(value)
|
||||
except (TypeError, ValueError):
|
||||
raise APIError(400, code, f"Invalid integer for {param}.", param=param)
|
||||
|
||||
|
||||
def normalize_stems(value, valid_instruments):
|
||||
"""Normalize requested stem names against the loaded model instruments.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
valid_instruments (Any): Valid instruments value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if value is None:
|
||||
return None
|
||||
if isinstance(value, str):
|
||||
raw_stems = value.split(",")
|
||||
elif isinstance(value, (list, tuple)):
|
||||
raw_stems = value
|
||||
else:
|
||||
raise APIError(400, "invalid_stem", "stems must be a string or array.", param="stems")
|
||||
|
||||
lower_map = {stem.lower(): stem for stem in valid_instruments}
|
||||
selected = []
|
||||
seen = set()
|
||||
for raw in raw_stems:
|
||||
stem = str(raw).strip()
|
||||
if not stem:
|
||||
continue
|
||||
canonical = lower_map.get(stem.lower())
|
||||
if canonical is None:
|
||||
raise APIError(400, "invalid_stem", f"Invalid stem {stem!r}. Valid stems: {list(valid_instruments)}", param="stems")
|
||||
if canonical.lower() in seen:
|
||||
continue
|
||||
seen.add(canonical.lower())
|
||||
selected.append(canonical)
|
||||
return selected or None
|
||||
|
||||
|
||||
def validate_common_options(response_format, output_audio_format):
|
||||
"""Validate response and output audio format options.
|
||||
|
||||
Args:
|
||||
response_format (str): Response format value.
|
||||
output_audio_format (str): Output audio format value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
if response_format not in RESPONSE_FORMATS:
|
||||
raise APIError(
|
||||
400,
|
||||
"invalid_response_format",
|
||||
f"Unsupported response_format {response_format!r}.",
|
||||
param="response_format",
|
||||
)
|
||||
if output_audio_format not in OUTPUT_FORMATS:
|
||||
raise APIError(
|
||||
400,
|
||||
"invalid_output_audio_format",
|
||||
f"Unsupported output_audio_format {output_audio_format!r}.",
|
||||
param="output_audio_format",
|
||||
)
|
||||
if response_format == "json" and output_audio_format != "pcm_f32le":
|
||||
raise APIError(
|
||||
400,
|
||||
"invalid_output_audio_format",
|
||||
"response_format='json' only supports output_audio_format='pcm_f32le'.",
|
||||
param="output_audio_format",
|
||||
)
|
||||
|
||||
|
||||
def decode_pcm(raw, audio_format, sample_rate, channels, expected_sample_rate, max_audio_seconds):
|
||||
"""Decode raw PCM request bytes into a channel-first float32 array.
|
||||
|
||||
Args:
|
||||
raw (bytes): Raw value.
|
||||
audio_format (Any): Audio format value.
|
||||
sample_rate (int): Audio sample rate in Hz.
|
||||
channels (int): Channels value.
|
||||
expected_sample_rate (Any): Expected sample rate value.
|
||||
max_audio_seconds (Any): Max audio seconds value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if audio_format not in PCM_FORMATS:
|
||||
raise APIError(400, "invalid_audio_format", f"Unsupported audio format {audio_format!r}.", param="format")
|
||||
if channels not in (1, 2):
|
||||
raise APIError(400, "invalid_channel_count", "channels must be 1 or 2.", param="channels")
|
||||
if sample_rate != expected_sample_rate:
|
||||
raise APIError(
|
||||
400,
|
||||
"invalid_sample_rate",
|
||||
f"sample_rate must be {expected_sample_rate}.",
|
||||
param="sample_rate",
|
||||
)
|
||||
if not raw:
|
||||
raise APIError(400, "empty_audio", "Decoded PCM audio is empty.", param="input.data")
|
||||
|
||||
dtype, sample_width = PCM_FORMATS[audio_format]
|
||||
frame_width = channels * sample_width
|
||||
if len(raw) % frame_width:
|
||||
raise APIError(
|
||||
400,
|
||||
"invalid_audio_length",
|
||||
"PCM bytes length is not aligned to format and channels.",
|
||||
param="input.data",
|
||||
)
|
||||
|
||||
frames = len(raw) // frame_width
|
||||
seconds = frames / float(sample_rate)
|
||||
if max_audio_seconds and seconds > max_audio_seconds:
|
||||
raise APIError(413, "request_too_large", f"Audio duration exceeds {max_audio_seconds} seconds.")
|
||||
|
||||
data = np.frombuffer(raw, dtype=dtype)
|
||||
if audio_format == "pcm_f32le":
|
||||
if not np.isfinite(data).all():
|
||||
raise APIError(400, "invalid_audio_data", "pcm_f32le audio contains NaN or Inf.", param="input.data")
|
||||
float_data = data.astype(np.float32, copy=False)
|
||||
else:
|
||||
float_data = data.astype(np.float32) / 32768.0
|
||||
|
||||
frame_data = float_data.reshape(-1, channels)
|
||||
mix = frame_data[:, 0] if channels == 1 else frame_data.T
|
||||
return np.ascontiguousarray(mix), seconds
|
||||
|
||||
|
||||
def audio_to_interleaved_f32(audio):
|
||||
"""Convert channel-first audio to interleaved float32 samples.
|
||||
|
||||
Args:
|
||||
audio (np.ndarray): Audio samples.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
array = np.asarray(audio, dtype=np.float32)
|
||||
if array.ndim == 1:
|
||||
normalized = np.ascontiguousarray(array)
|
||||
return normalized, 1
|
||||
if array.ndim != 2:
|
||||
raise ValueError(f"Expected mono or stereo audio, got shape {array.shape}")
|
||||
if array.shape[1] in (1, 2):
|
||||
normalized = np.ascontiguousarray(array)
|
||||
return normalized, int(array.shape[1])
|
||||
if array.shape[0] in (1, 2):
|
||||
normalized = np.ascontiguousarray(array.T)
|
||||
return normalized, int(array.shape[0])
|
||||
raise ValueError(f"Expected mono or stereo audio, got shape {array.shape}")
|
||||
|
||||
|
||||
def f32le_bytes(audio):
|
||||
"""Serialize audio as little-endian float32 PCM bytes.
|
||||
|
||||
Args:
|
||||
audio (np.ndarray): Audio samples.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
array, channels = audio_to_interleaved_f32(audio)
|
||||
return np.asarray(array, dtype="<f4").tobytes(), channels
|
||||
|
||||
|
||||
def _safe_slug(value):
|
||||
"""Implement the safe slug helper.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
slug = re.sub(r"[^a-z0-9_-]+", "-", str(value).lower()).strip("-._")
|
||||
return slug or "stem"
|
||||
|
||||
|
||||
def _filename(index, stem, output_audio_format):
|
||||
"""Implement the filename helper.
|
||||
|
||||
Args:
|
||||
index (Any): Index value.
|
||||
stem (str): Stem value.
|
||||
output_audio_format (str): Output audio format value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
extension = "f32le" if output_audio_format == "pcm_f32le" else output_audio_format
|
||||
return f"{index:04d}-{_safe_slug(stem)}.{extension}"
|
||||
|
||||
|
||||
def _encode_container(audio, sample_rate, output_format, audio_params):
|
||||
"""Encode container.
|
||||
|
||||
Args:
|
||||
audio (np.ndarray): Audio samples.
|
||||
sample_rate (int): Audio sample rate in Hz.
|
||||
output_format (str | None): Output format such as wav, flac, mp3, or m4a.
|
||||
audio_params (dict | None): Encoding options for the output audio format.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
with tempfile.TemporaryDirectory() as tmpdir:
|
||||
path = os.path.join(tmpdir, f"audio.{output_format}")
|
||||
save_audio(path, audio, sample_rate, output_format, audio_params)
|
||||
with open(path, "rb") as f:
|
||||
return f.read()
|
||||
|
||||
|
||||
def ordered_results(results, stems, instruments):
|
||||
"""Return separation results in requested stem order.
|
||||
|
||||
Args:
|
||||
results (dict): Results value.
|
||||
stems (Sequence[str] | None): Requested output stem names.
|
||||
instruments (Sequence[str] | None): Instruments value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
order = stems or list(instruments)
|
||||
missing = [stem for stem in order if stem not in results]
|
||||
if missing:
|
||||
raise APIError(
|
||||
500,
|
||||
"separation_failed",
|
||||
f"Separation did not return stem(s): {missing}",
|
||||
error_type="server_error",
|
||||
)
|
||||
return [(stem, results[stem]) for stem in order]
|
||||
|
||||
|
||||
def json_response(loaded, model, results, stems, input_seconds):
|
||||
"""Build a JSON separation response with base64 audio payloads.
|
||||
|
||||
Args:
|
||||
loaded (LoadedModel): Loaded value.
|
||||
model (str): Model value.
|
||||
results (dict): Results value.
|
||||
stems (Sequence[str] | None): Requested output stem names.
|
||||
input_seconds (Any): Input seconds value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
outputs = []
|
||||
for stem, audio in ordered_results(results, stems, loaded.instruments):
|
||||
raw, channels = f32le_bytes(audio)
|
||||
outputs.append(
|
||||
{
|
||||
"stem": stem,
|
||||
"audio": {
|
||||
"format": "pcm_f32le",
|
||||
"sample_rate": loaded.sample_rate,
|
||||
"channels": channels,
|
||||
"data": base64.b64encode(raw).decode("ascii"),
|
||||
},
|
||||
}
|
||||
)
|
||||
created = int(time.time())
|
||||
return {
|
||||
"id": "sep_" + uuid.uuid4().hex,
|
||||
"object": "audio.separation",
|
||||
"created": created,
|
||||
"model": model,
|
||||
"outputs": outputs,
|
||||
"metadata": {
|
||||
"input_seconds": input_seconds,
|
||||
"output_stems": [item["stem"] for item in outputs],
|
||||
"device": loaded.device,
|
||||
},
|
||||
"usage": {
|
||||
"type": "duration",
|
||||
"seconds": input_seconds,
|
||||
},
|
||||
}
|
||||
|
||||
|
||||
def zip_response(loaded, model, results, stems, input_seconds, output_audio_format):
|
||||
"""Build a ZIP separation response with encoded audio files.
|
||||
|
||||
Args:
|
||||
loaded (LoadedModel): Loaded value.
|
||||
model (str): Model value.
|
||||
results (dict): Results value.
|
||||
stems (Sequence[str] | None): Requested output stem names.
|
||||
input_seconds (Any): Input seconds value.
|
||||
output_audio_format (str): Output audio format value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
output_items = []
|
||||
archive = io.BytesIO()
|
||||
with zipfile.ZipFile(archive, mode="w", compression=zipfile.ZIP_DEFLATED) as zf:
|
||||
for index, (stem, audio) in enumerate(ordered_results(results, stems, loaded.instruments), start=1):
|
||||
filename = _filename(index, stem, output_audio_format)
|
||||
if output_audio_format == "pcm_f32le":
|
||||
content, channels = f32le_bytes(audio)
|
||||
format_name = "pcm_f32le"
|
||||
else:
|
||||
content = _encode_container(
|
||||
audio,
|
||||
loaded.sample_rate,
|
||||
output_audio_format,
|
||||
loaded.audio_params,
|
||||
)
|
||||
_, channels = audio_to_interleaved_f32(audio)
|
||||
format_name = output_audio_format
|
||||
zf.writestr(filename, content)
|
||||
output_items.append(
|
||||
{
|
||||
"stem": stem,
|
||||
"filename": filename,
|
||||
"format": format_name,
|
||||
"sample_rate": loaded.sample_rate,
|
||||
"channels": channels,
|
||||
}
|
||||
)
|
||||
|
||||
manifest = {
|
||||
"id": "sep_" + uuid.uuid4().hex,
|
||||
"object": "audio.separation",
|
||||
"model": model,
|
||||
"outputs": output_items,
|
||||
"usage": {
|
||||
"type": "duration",
|
||||
"seconds": input_seconds,
|
||||
},
|
||||
}
|
||||
zf.writestr("manifest.json", json.dumps(manifest, ensure_ascii=False, indent=2))
|
||||
return archive.getvalue()
|
||||
23
tools/pymss/server/config.py
Normal file
23
tools/pymss/server/config.py
Normal file
@@ -0,0 +1,23 @@
|
||||
from dataclasses import dataclass, field
|
||||
|
||||
|
||||
@dataclass
|
||||
class ServerConfig:
|
||||
"""Runtime configuration for the pymss HTTP server."""
|
||||
|
||||
model: str | None = None
|
||||
model_dir: str | None = None
|
||||
source: str = "modelscope"
|
||||
endpoint: str | None = None
|
||||
device: str = "auto"
|
||||
device_ids: list[int] = field(default_factory=lambda: [0])
|
||||
api_key: str | None = None
|
||||
host: str = "127.0.0.1"
|
||||
port: int = 8000
|
||||
debug: bool = False
|
||||
inference_params: dict = field(default_factory=dict)
|
||||
max_audio_seconds: float = 600.0
|
||||
max_request_bytes: int = 536870912
|
||||
max_queue_size: int = 8
|
||||
request_timeout_seconds: float = 0.0
|
||||
webui: bool = False
|
||||
29
tools/pymss/server/errors.py
Normal file
29
tools/pymss/server/errors.py
Normal file
@@ -0,0 +1,29 @@
|
||||
class APIError(Exception):
|
||||
"""Structured HTTP API error used by the pymss server.
|
||||
|
||||
Args:
|
||||
status_code (int): Status code value.
|
||||
code (str): Code value.
|
||||
message (str): Message value.
|
||||
param (str | None, optional): Param value. Defaults to None.
|
||||
error_type (str, optional): Error type value. Defaults to 'invalid_request_error'.
|
||||
"""
|
||||
|
||||
def __init__(self, status_code, code, message, param=None, error_type="invalid_request_error"):
|
||||
"""Initialize the instance.
|
||||
|
||||
Args:
|
||||
status_code (int): Status code value.
|
||||
code (str): Code value.
|
||||
message (str): Message value.
|
||||
param (str | None, optional): Param value. Defaults to None.
|
||||
error_type (str, optional): Error type value. Defaults to 'invalid_request_error'.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
super().__init__(message)
|
||||
self.status_code = status_code
|
||||
self.code = code
|
||||
self.message = message
|
||||
self.param = param
|
||||
self.error_type = error_type
|
||||
230
tools/pymss/server/models.py
Normal file
230
tools/pymss/server/models.py
Normal file
@@ -0,0 +1,230 @@
|
||||
from __future__ import annotations
|
||||
|
||||
from ..model_download import remote_url
|
||||
from ..model_registry import (
|
||||
auxiliary_paths_for,
|
||||
config_path_for,
|
||||
get_model_entry,
|
||||
list_models,
|
||||
model_path_for,
|
||||
model_root,
|
||||
)
|
||||
|
||||
|
||||
def _bool_query(value, *, default=False):
|
||||
"""Implement the bool query helper.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
default (Any, optional): Default value. Defaults to False.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if value is None:
|
||||
return default
|
||||
value = str(value).strip().lower()
|
||||
if value in {"1", "true", "yes", "on"}:
|
||||
return True
|
||||
if value in {"0", "false", "no", "off"}:
|
||||
return False
|
||||
raise ValueError("Expected boolean value")
|
||||
|
||||
|
||||
def parse_supported_filter(value):
|
||||
"""Parse the model catalog supported filter.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Parsed value."""
|
||||
if value is None:
|
||||
return True
|
||||
value = str(value).strip().lower()
|
||||
if value == "all":
|
||||
return None
|
||||
if value in {"1", "true", "yes", "on"}:
|
||||
return True
|
||||
if value in {"0", "false", "no", "off"}:
|
||||
return False
|
||||
raise ValueError("supported must be true, false, or all")
|
||||
|
||||
|
||||
def parse_local_filter(value):
|
||||
"""Parse the model catalog local-file filter.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Parsed value."""
|
||||
if value is None:
|
||||
return "all"
|
||||
value = str(value).strip().lower()
|
||||
if value not in {"all", "complete", "missing"}:
|
||||
raise ValueError("local must be all, complete, or missing")
|
||||
return value
|
||||
|
||||
|
||||
def parse_include_files(value):
|
||||
"""Parse whether model file metadata should be included.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Parsed value."""
|
||||
return _bool_query(value, default=False)
|
||||
|
||||
|
||||
def _entry_file_specs(entry, model_dir=None):
|
||||
"""Implement the entry file specs helper.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
specs = [("model", entry.relpath, model_path_for(entry, model_dir))]
|
||||
config_path = config_path_for(entry, model_dir)
|
||||
if entry.config_relpath and config_path is not None:
|
||||
specs.append(("config", entry.config_relpath, config_path))
|
||||
specs.extend(
|
||||
("auxiliary", relpath, path) for relpath, path in zip(entry.auxiliary_relpaths, auxiliary_paths_for(entry, model_dir))
|
||||
)
|
||||
return specs
|
||||
|
||||
|
||||
def local_file_status(entry, model_dir=None):
|
||||
"""Report whether a catalog model exists in the local model directory.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
specs = _entry_file_specs(entry, model_dir)
|
||||
missing = [relpath for _role, relpath, path in specs if not path.is_file()]
|
||||
return {
|
||||
"complete": not missing,
|
||||
"missing_count": len(missing),
|
||||
}
|
||||
|
||||
|
||||
def catalog_model_files(entry, model_dir=None, source="modelscope", endpoint=None):
|
||||
"""Build file metadata for a catalog model.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
source (str, optional): Download source name. Defaults to "modelscope".
|
||||
endpoint (str | None, optional): Optional custom download endpoint. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
files = []
|
||||
for role, relpath, path in _entry_file_specs(entry, model_dir):
|
||||
exists = path.is_file()
|
||||
try:
|
||||
size_bytes = path.stat().st_size if exists else 0
|
||||
except OSError:
|
||||
exists = False
|
||||
size_bytes = 0
|
||||
files.append(
|
||||
{
|
||||
"role": role,
|
||||
"relpath": relpath,
|
||||
"exists": exists,
|
||||
"size_bytes": size_bytes,
|
||||
"remote_url": remote_url(relpath, source=source, endpoint=endpoint),
|
||||
}
|
||||
)
|
||||
return files
|
||||
|
||||
|
||||
def catalog_model_card(entry, model_dir=None, source="modelscope", endpoint=None, include_files=False):
|
||||
"""Build a summary card for a catalog model.
|
||||
|
||||
Args:
|
||||
entry (ModelEntry): Entry value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
source (str, optional): Download source name. Defaults to "modelscope".
|
||||
endpoint (str | None, optional): Optional custom download endpoint. Defaults to None.
|
||||
include_files (Any, optional): Include files value. Defaults to False.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
category = entry.category_path or entry.primary_category
|
||||
pymss = {
|
||||
"name": entry.name,
|
||||
"aliases": list(entry.aliases),
|
||||
"model_type": entry.model_type,
|
||||
"architecture": entry.architecture,
|
||||
"category": category,
|
||||
"primary_category": entry.primary_category,
|
||||
"secondary_category": entry.secondary_category,
|
||||
"target_stem": entry.target_stem,
|
||||
"supported": entry.supported,
|
||||
"unsupported_reason": entry.unsupported_reason,
|
||||
"size_bytes": entry.size_bytes,
|
||||
"local": local_file_status(entry, model_dir),
|
||||
"remote": {
|
||||
"available": True,
|
||||
"source": source,
|
||||
"endpoint": endpoint,
|
||||
},
|
||||
}
|
||||
if include_files:
|
||||
pymss["files"] = catalog_model_files(entry, model_dir, source=source, endpoint=endpoint)
|
||||
return {
|
||||
"id": entry.name,
|
||||
"object": "pymss.model_catalog_entry",
|
||||
"owned_by": "pymss",
|
||||
"pymss": pymss,
|
||||
}
|
||||
|
||||
|
||||
def catalog_model_detail(model, model_dir=None, source="modelscope", endpoint=None):
|
||||
"""Build the detailed response for one catalog model.
|
||||
|
||||
Args:
|
||||
model (str): Model value.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
source (str, optional): Download source name. Defaults to "modelscope".
|
||||
endpoint (str | None, optional): Optional custom download endpoint. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
entry = get_model_entry(model)
|
||||
return catalog_model_card(entry, model_dir=model_dir, source=source, endpoint=endpoint, include_files=True)
|
||||
|
||||
|
||||
def filter_catalog_models(category=None, supported=True, local="all", q=None, model_dir=None):
|
||||
"""Filter catalog models by category, support, local files, and text query.
|
||||
|
||||
Args:
|
||||
category (Any, optional): Category value. Defaults to None.
|
||||
supported (bool | None, optional): Optional support-status filter. Defaults to None.
|
||||
local (Any, optional): Local value. Defaults to 'all'.
|
||||
q (Any, optional): Q value. Defaults to None.
|
||||
model_dir (str | os.PathLike | None, optional): Local model cache directory. Uses the package default when None. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
rows = list_models(category=category, supported=supported)
|
||||
query = str(q or "").strip().lower()
|
||||
if query:
|
||||
rows = [
|
||||
entry
|
||||
for entry in rows
|
||||
if query in entry.name.lower()
|
||||
or any(query in alias.lower() for alias in entry.aliases)
|
||||
or query in (entry.architecture or "").lower()
|
||||
or query in (entry.target_stem or "").lower()
|
||||
]
|
||||
if local != "all":
|
||||
want_complete = local == "complete"
|
||||
rows = [entry for entry in rows if local_file_status(entry, model_dir)["complete"] is want_complete]
|
||||
return rows
|
||||
385
tools/pymss/server/state.py
Normal file
385
tools/pymss/server/state.py
Normal file
@@ -0,0 +1,385 @@
|
||||
from __future__ import annotations
|
||||
|
||||
import asyncio
|
||||
from dataclasses import dataclass, field
|
||||
|
||||
from ..config import load_config
|
||||
from ..logger import get_separation_logger
|
||||
from ..model_download import download_model
|
||||
from ..model_registry import create_separator, resolve_model
|
||||
from ..separator import INFERENCE_PARAM_TARGETS, PASSTHROUGH_INFERENCE_PARAMS
|
||||
from .config import ServerConfig
|
||||
|
||||
|
||||
DEFAULT_ENDPOINT = object()
|
||||
FLOAT_INFERENCE_PARAMS = frozenset({"post_process_threshold", "overlap"})
|
||||
|
||||
|
||||
VR_SUPPORTED_PARAMETERS = {
|
||||
"aggression",
|
||||
"batch_size",
|
||||
"enable_post_process",
|
||||
"enable_tta",
|
||||
"fuse_conv_bn",
|
||||
"high_end_process",
|
||||
"mps_model_backend",
|
||||
"mps_model_compute_dtype",
|
||||
"normalize",
|
||||
"post_process_threshold",
|
||||
"use_amp",
|
||||
"use_channels_last",
|
||||
"window_size",
|
||||
}
|
||||
|
||||
|
||||
class InferenceParameterError(ValueError):
|
||||
"""Exception raised for unsupported inference parameters."""
|
||||
|
||||
pass
|
||||
|
||||
|
||||
class RequestLimiter:
|
||||
"""Async request limiter backed by a semaphore.
|
||||
|
||||
Args:
|
||||
limit (int): Limit value.
|
||||
"""
|
||||
|
||||
def __init__(self, limit):
|
||||
"""Initialize the instance.
|
||||
|
||||
Args:
|
||||
limit (int): Limit value.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
self.limit = max(1, int(limit))
|
||||
self.active = 0
|
||||
self.lock = asyncio.Lock()
|
||||
|
||||
async def acquire(self):
|
||||
"""Acquire value.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
async with self.lock:
|
||||
if self.active >= self.limit:
|
||||
return False
|
||||
self.active += 1
|
||||
return True
|
||||
|
||||
async def release(self):
|
||||
"""Release value.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
async with self.lock:
|
||||
self.active = max(0, self.active - 1)
|
||||
|
||||
|
||||
@dataclass
|
||||
class LoadedModel:
|
||||
"""Container for one loaded separator and its metadata."""
|
||||
|
||||
separator: object
|
||||
entry: object
|
||||
resolved: dict
|
||||
requested_model: str
|
||||
model_id: str
|
||||
sample_rate: int
|
||||
instruments: tuple[str, ...]
|
||||
device: str
|
||||
inference_params: dict
|
||||
supported_parameters: dict[str, list[str]]
|
||||
audio_params: dict = field(default_factory=dict)
|
||||
|
||||
def is_model_id(self, model):
|
||||
"""Return whether model ID.
|
||||
|
||||
Args:
|
||||
model (str): Model value.
|
||||
|
||||
Returns:
|
||||
bool: True when the condition is satisfied."""
|
||||
return str(model or "") == self.model_id
|
||||
|
||||
|
||||
@dataclass
|
||||
class ServerState:
|
||||
"""Mutable server state for the currently loaded model."""
|
||||
|
||||
config: ServerConfig
|
||||
logger: object
|
||||
operation_lock: asyncio.Lock
|
||||
limiter: RequestLimiter
|
||||
model_lock: asyncio.Lock
|
||||
inference_lock: asyncio.Lock
|
||||
download_lock: asyncio.Lock
|
||||
loaded: LoadedModel | None = None
|
||||
model_loading: bool = False
|
||||
model_loading_target: str | None = None
|
||||
model_downloading: bool = False
|
||||
model_downloading_target: str | None = None
|
||||
|
||||
def is_loaded_model(self, model):
|
||||
"""Return whether loaded model.
|
||||
|
||||
Args:
|
||||
model (str): Model value.
|
||||
|
||||
Returns:
|
||||
bool: True when the condition is satisfied."""
|
||||
return self.loaded is not None and self.loaded.is_model_id(model)
|
||||
|
||||
|
||||
def _section(config, section):
|
||||
"""Implement the section helper.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
section (Mapping | None): Section value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if config is None:
|
||||
return None
|
||||
if isinstance(config, dict):
|
||||
return config.get(section)
|
||||
return getattr(config, section, None)
|
||||
|
||||
|
||||
def _contains(section, key):
|
||||
"""Implement the contains helper.
|
||||
|
||||
Args:
|
||||
section (Mapping | None): Section value.
|
||||
key (str): Key value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
if section is None:
|
||||
return False
|
||||
if isinstance(section, dict):
|
||||
return key in section
|
||||
return hasattr(section, key)
|
||||
|
||||
|
||||
def _is_parameter_supported(config, model_type, key, section_name):
|
||||
"""Return whether parameter supported.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
model_type (Any): Model type value.
|
||||
key (str): Key value.
|
||||
section_name (str): Section name value.
|
||||
|
||||
Returns:
|
||||
bool: True when the condition is satisfied."""
|
||||
if model_type == "vr" and key in VR_SUPPORTED_PARAMETERS:
|
||||
return True
|
||||
if key == "mps_mlx_clear_cache" and model_type != "vr":
|
||||
return True
|
||||
# standardize is legacy input standardization backed by MSS YAML inference.normalize.
|
||||
# normalize is output peak normalization owned by runtime inference params.
|
||||
config_key = "normalize" if key == "standardize" else key
|
||||
return _contains(_section(config, section_name), config_key)
|
||||
|
||||
|
||||
def supported_parameters(config, model_type):
|
||||
"""Return inference parameters supported by a loaded model config.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
model_type (Any): Model type value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
grouped: dict[str, list[str]] = {}
|
||||
for key, section_name in INFERENCE_PARAM_TARGETS.items():
|
||||
if not _is_parameter_supported(config, model_type, key, section_name):
|
||||
continue
|
||||
grouped.setdefault(section_name, []).append(key)
|
||||
return grouped
|
||||
|
||||
|
||||
def validate_inference_params(params, config, model_type):
|
||||
"""Validate user-provided inference parameters for a model.
|
||||
|
||||
Args:
|
||||
params (dict | None): Inference parameter overrides.
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
model_type (Any): Model type value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
for key, value in params.items():
|
||||
section_name = INFERENCE_PARAM_TARGETS.get(key)
|
||||
if section_name is None:
|
||||
raise InferenceParameterError(f"Unknown inference parameter: {key}")
|
||||
if not _is_parameter_supported(config, model_type, key, section_name):
|
||||
raise InferenceParameterError(f"Inference parameter {key!r} is not supported by this model")
|
||||
if key in PASSTHROUGH_INFERENCE_PARAMS:
|
||||
continue
|
||||
try:
|
||||
float(value) if key in FLOAT_INFERENCE_PARAMS else int(value)
|
||||
except (TypeError, ValueError):
|
||||
raise InferenceParameterError(f"Inference parameter {key!r} must be numeric")
|
||||
|
||||
|
||||
def _preload_config(resolved):
|
||||
"""Implement the preload config helper.
|
||||
|
||||
Args:
|
||||
resolved (Any): Resolved value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
model_type = resolved["model_type"]
|
||||
if model_type == "vr":
|
||||
return None
|
||||
config_path = resolved.get("config_path")
|
||||
return load_config(config_path) if config_path else None
|
||||
|
||||
|
||||
def _resolve_existing_or_download(model, model_dir, source, endpoint):
|
||||
"""Resolve existing or download.
|
||||
|
||||
Args:
|
||||
model (str): Model value.
|
||||
model_dir (str | os.PathLike | None): Local model cache directory. Uses the package default when None.
|
||||
source (str): Download source name.
|
||||
endpoint (str | None): Optional custom download endpoint.
|
||||
|
||||
Returns:
|
||||
Any: Resolved value."""
|
||||
try:
|
||||
return resolve_model(model, model_dir=model_dir, require_supported=True, require_exists=True)
|
||||
except FileNotFoundError:
|
||||
download_model(model, model_dir=model_dir, source=source, endpoint=endpoint)
|
||||
return resolve_model(model, model_dir=model_dir, require_supported=True, require_exists=True)
|
||||
|
||||
|
||||
def load_model(config, model, source=None, endpoint=DEFAULT_ENDPOINT, inference_params=None):
|
||||
"""Resolve and load a model into server state.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
model (str): Model value.
|
||||
source (str, optional): Download source name. Defaults to "modelscope".
|
||||
endpoint (str | None, optional): Optional custom download endpoint. Defaults to None.
|
||||
inference_params (dict | None, optional): Inference params value. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
source = source or config.source
|
||||
endpoint = config.endpoint if endpoint is DEFAULT_ENDPOINT else endpoint
|
||||
params = dict(config.inference_params or {})
|
||||
if inference_params is not None:
|
||||
params.update(inference_params)
|
||||
|
||||
resolved = _resolve_existing_or_download(model, config.model_dir, source, endpoint)
|
||||
pre_config = _preload_config(resolved)
|
||||
validate_inference_params(params, pre_config, resolved["model_type"])
|
||||
|
||||
separator = create_separator(
|
||||
model,
|
||||
model_dir=config.model_dir,
|
||||
device=config.device,
|
||||
device_ids=config.device_ids or [0],
|
||||
output_format="wav",
|
||||
store_dirs="results",
|
||||
logger=get_separation_logger(),
|
||||
debug=config.debug,
|
||||
inference_params=params,
|
||||
)
|
||||
instruments = tuple(str(item) for item in separator.config.training.instruments)
|
||||
sample_rate = int(separator.config.audio.get("sample_rate", 44100))
|
||||
entry = resolved["entry"]
|
||||
model_type = getattr(separator, "model_type", resolved["model_type"])
|
||||
return LoadedModel(
|
||||
separator=separator,
|
||||
entry=entry,
|
||||
resolved=resolved,
|
||||
requested_model=model,
|
||||
model_id=entry.name,
|
||||
sample_rate=sample_rate,
|
||||
instruments=instruments,
|
||||
device=separator.device,
|
||||
inference_params=params,
|
||||
supported_parameters=supported_parameters(separator.config, model_type),
|
||||
audio_params=dict(getattr(separator, "audio_params", {}) or {}),
|
||||
)
|
||||
|
||||
|
||||
def close_loaded_model(loaded):
|
||||
"""Close and release resources held by a loaded model.
|
||||
|
||||
Args:
|
||||
loaded (LoadedModel): Loaded value.
|
||||
|
||||
Returns:
|
||||
None: This callable completes for its side effects."""
|
||||
if loaded is None:
|
||||
return
|
||||
separator = loaded.separator
|
||||
close = getattr(separator, "close", None)
|
||||
if close is not None:
|
||||
close()
|
||||
|
||||
|
||||
def load_state(config):
|
||||
"""Create the initial server state.
|
||||
|
||||
Args:
|
||||
config (AttrDict | dict): Loaded pymss configuration.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
logger = get_separation_logger()
|
||||
state = ServerState(
|
||||
config=config,
|
||||
logger=logger,
|
||||
operation_lock=asyncio.Lock(),
|
||||
limiter=RequestLimiter(config.max_queue_size),
|
||||
model_lock=asyncio.Lock(),
|
||||
inference_lock=asyncio.Lock(),
|
||||
download_lock=asyncio.Lock(),
|
||||
)
|
||||
if config.model:
|
||||
state.loaded = load_model(config, config.model)
|
||||
return state
|
||||
|
||||
|
||||
def model_card(loaded):
|
||||
"""Build metadata for the currently loaded model.
|
||||
|
||||
Args:
|
||||
loaded (LoadedModel): Loaded value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
entry = loaded.entry
|
||||
return {
|
||||
"id": loaded.model_id,
|
||||
"object": "model",
|
||||
"created": 0,
|
||||
"owned_by": "pymss",
|
||||
"pymss": {
|
||||
"catalog_name": entry.name,
|
||||
"model_type": entry.model_type,
|
||||
"architecture": entry.architecture,
|
||||
"category": entry.category_path or entry.primary_category,
|
||||
"catalog_target_stem": entry.target_stem,
|
||||
"supported": entry.supported,
|
||||
"sample_rate": loaded.sample_rate,
|
||||
"instruments": list(loaded.instruments),
|
||||
"instruments_source": "separator.config.training.instruments",
|
||||
"supported_parameters": loaded.supported_parameters,
|
||||
},
|
||||
}
|
||||
132
tools/pymss/server/webui.py
Normal file
132
tools/pymss/server/webui.py
Normal file
@@ -0,0 +1,132 @@
|
||||
from __future__ import annotations
|
||||
|
||||
from pathlib import Path
|
||||
|
||||
from fastapi import HTTPException
|
||||
from fastapi.responses import FileResponse, JSONResponse, RedirectResponse
|
||||
|
||||
|
||||
WEBUI_STATIC_DIR = Path(__file__).with_name("webui_static")
|
||||
|
||||
|
||||
def _missing_assets_response():
|
||||
"""Implement the missing assets response helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return JSONResponse(
|
||||
status_code=500,
|
||||
content={
|
||||
"error": {
|
||||
"message": "WebUI static assets are not built. Build the WebUI according to https://github.com/pymss-project/pymss/blob/main/README.md, then start the server again.",
|
||||
"type": "server_error",
|
||||
"param": None,
|
||||
"code": "webui_assets_missing",
|
||||
}
|
||||
},
|
||||
)
|
||||
|
||||
|
||||
def _index_path(static_dir):
|
||||
"""Implement the index path helper.
|
||||
|
||||
Args:
|
||||
static_dir (str | os.PathLike): Static dir value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return Path(static_dir) / "index.html"
|
||||
|
||||
|
||||
def _asset_path(static_dir, asset_path):
|
||||
"""Implement the asset path helper.
|
||||
|
||||
Args:
|
||||
static_dir (str | os.PathLike): Static dir value.
|
||||
asset_path (str): Asset path value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
assets_root = (Path(static_dir) / "assets").resolve()
|
||||
candidate = (assets_root / asset_path).resolve()
|
||||
try:
|
||||
candidate.relative_to(assets_root)
|
||||
except ValueError:
|
||||
raise HTTPException(status_code=404)
|
||||
return candidate
|
||||
|
||||
|
||||
def _index_response(static_dir):
|
||||
"""Implement the index response helper.
|
||||
|
||||
Args:
|
||||
static_dir (str | os.PathLike): Static dir value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
index = _index_path(static_dir)
|
||||
if not index.is_file():
|
||||
return _missing_assets_response()
|
||||
return FileResponse(index, media_type="text/html; charset=utf-8")
|
||||
|
||||
|
||||
def register_webui_routes(app, static_dir=None):
|
||||
"""Register WebUI static-file and SPA fallback routes.
|
||||
|
||||
Args:
|
||||
app (FastAPI): App value.
|
||||
static_dir (str | os.PathLike, optional): Static dir value. Defaults to None.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
static_dir = Path(static_dir) if static_dir is not None else WEBUI_STATIC_DIR
|
||||
|
||||
@app.get("/ui")
|
||||
async def redirect_webui_root():
|
||||
"""Implement the redirect webui root helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return RedirectResponse(url="/ui/", status_code=307)
|
||||
|
||||
@app.get("/ui/")
|
||||
async def webui_index():
|
||||
"""Implement the webui index helper.
|
||||
|
||||
Args:
|
||||
None: This callable does not accept user-provided arguments.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return _index_response(static_dir)
|
||||
|
||||
@app.get("/ui/assets/{asset_path:path}")
|
||||
async def webui_asset(asset_path: str):
|
||||
"""Implement the webui asset helper.
|
||||
|
||||
Args:
|
||||
asset_path (str): Asset path value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
path = _asset_path(static_dir, asset_path)
|
||||
if not path.is_file():
|
||||
raise HTTPException(status_code=404)
|
||||
return FileResponse(path)
|
||||
|
||||
@app.get("/ui/{_spa_path:path}")
|
||||
async def webui_spa_fallback(_spa_path: str):
|
||||
"""Implement the webui spa fallback helper.
|
||||
|
||||
Args:
|
||||
_spa_path (Any): spa path value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
return _index_response(static_dir)
|
||||
13
tools/pymss/server/webui_static/index.html
Normal file
13
tools/pymss/server/webui_static/index.html
Normal file
@@ -0,0 +1,13 @@
|
||||
<!doctype html>
|
||||
<html lang="en">
|
||||
<head>
|
||||
<meta charset="UTF-8" />
|
||||
<meta name="viewport" content="width=device-width, initial-scale=1.0" />
|
||||
<title>pymss WebUI</title>
|
||||
<script type="module" crossorigin src="/ui/assets/index-C2f3RgYK.js"></script>
|
||||
<link rel="stylesheet" crossorigin href="/ui/assets/index-Dd_kG96D.css">
|
||||
</head>
|
||||
<body>
|
||||
<div id="app"></div>
|
||||
</body>
|
||||
</html>
|
||||
1109
tools/pymss/utils.py
Normal file
1109
tools/pymss/utils.py
Normal file
File diff suppressed because it is too large
Load Diff
715
tools/pymss/workflow.py
Normal file
715
tools/pymss/workflow.py
Normal file
@@ -0,0 +1,715 @@
|
||||
from __future__ import annotations
|
||||
|
||||
import os
|
||||
import re
|
||||
from dataclasses import dataclass, field
|
||||
from pathlib import Path
|
||||
from typing import Any, Callable
|
||||
|
||||
import numpy as np
|
||||
import yaml
|
||||
|
||||
|
||||
WORKFLOW_TEMPLATE = """version: 1
|
||||
|
||||
defaults:
|
||||
device: auto
|
||||
output_format: wav
|
||||
model_dir: null
|
||||
inference_params:
|
||||
normalize: false
|
||||
|
||||
steps:
|
||||
- id: split
|
||||
model: bs_roformer_voc_hyperacev2
|
||||
input: input
|
||||
stems: [vocals, other]
|
||||
inference_params:
|
||||
overlap_size: 48000
|
||||
save:
|
||||
vocals: vocal
|
||||
other: other
|
||||
|
||||
- id: dereverb
|
||||
model: UVR-DeReverb-aufr33-jarredou_4band_v4_ms_fullband
|
||||
input: split.other
|
||||
stems: [Dry]
|
||||
inference_params:
|
||||
overlap_size: 22050
|
||||
save:
|
||||
Dry: dry
|
||||
|
||||
- id: harmony
|
||||
model: your_harmony_model
|
||||
input: dereverb.Dry
|
||||
stems: [other]
|
||||
inference_params:
|
||||
overlap_size: 22050
|
||||
save:
|
||||
other: harmony_other
|
||||
"""
|
||||
|
||||
|
||||
_STEP_ID_RE = re.compile(r"^[A-Za-z_][A-Za-z0-9_-]*$")
|
||||
_OUTPUT_FORMATS = {"wav", "flac", "mp3", "m4a"}
|
||||
_OUTPUT_LAYOUTS = {"folders", "flat"}
|
||||
_DEFAULT_AUDIO_PARAMS = {
|
||||
"wav_bit_depth": "FLOAT",
|
||||
"flac_bit_depth": "PCM_24",
|
||||
"mp3_bit_rate": "320k",
|
||||
"m4a_bit_rate": "512k",
|
||||
"m4a_codec": "aac",
|
||||
"m4a_aac_at_quality": 2,
|
||||
}
|
||||
|
||||
|
||||
class WorkflowError(ValueError):
|
||||
"""Raised when a workflow definition or run is invalid."""
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class WorkflowStep:
|
||||
id: str
|
||||
model: str | None = None
|
||||
input: str = "input"
|
||||
stems: list[str] | None = None
|
||||
save: dict[str, Any] = field(default_factory=dict)
|
||||
model_type: str | None = None
|
||||
model_path: str | None = None
|
||||
config_path: str | None = None
|
||||
device: str | None = None
|
||||
model_dir: str | None = None
|
||||
output_format: str | None = None
|
||||
inference_params: dict[str, Any] = field(default_factory=dict)
|
||||
use_tta: bool | None = None
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class Workflow:
|
||||
version: int
|
||||
defaults: dict[str, Any]
|
||||
steps: list[WorkflowStep]
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class AudioArtifact:
|
||||
audio: np.ndarray
|
||||
sample_rate: int
|
||||
|
||||
|
||||
@dataclass
|
||||
class WorkflowTrackState:
|
||||
path: str
|
||||
track_name: str
|
||||
artifacts: dict[str, AudioArtifact] = field(default_factory=dict)
|
||||
active: bool = True
|
||||
|
||||
|
||||
def load_workflow_file(path: str | os.PathLike) -> Workflow:
|
||||
"""Load a workflow YAML/JSON file."""
|
||||
workflow_path = Path(path)
|
||||
try:
|
||||
data = yaml.safe_load(workflow_path.read_text(encoding="utf-8"))
|
||||
except yaml.YAMLError as exc:
|
||||
raise WorkflowError(f"Invalid workflow YAML: {exc}") from exc
|
||||
except OSError as exc:
|
||||
raise WorkflowError(f"Cannot read workflow file: {workflow_path}") from exc
|
||||
return load_workflow_data(data)
|
||||
|
||||
|
||||
def load_workflow_data(data: Any) -> Workflow:
|
||||
"""Parse workflow data from a Python mapping."""
|
||||
if not isinstance(data, dict):
|
||||
raise WorkflowError("Workflow file must contain a mapping.")
|
||||
version = data.get("version")
|
||||
if version != 1:
|
||||
raise WorkflowError("workflow version must be 1.")
|
||||
defaults = data.get("defaults") or {}
|
||||
if not isinstance(defaults, dict):
|
||||
raise WorkflowError("defaults must be a mapping.")
|
||||
raw_steps = data.get("steps")
|
||||
if not isinstance(raw_steps, list) or not raw_steps:
|
||||
raise WorkflowError("steps must be a non-empty list.")
|
||||
steps = [_parse_step(index, item) for index, item in enumerate(raw_steps, start=1)]
|
||||
workflow = Workflow(version=int(version), defaults=dict(defaults), steps=steps)
|
||||
validate_workflow_structure(workflow)
|
||||
return workflow
|
||||
|
||||
|
||||
def write_workflow_template(path: str | os.PathLike, *, overwrite: bool = False) -> Path:
|
||||
"""Write a starter workflow YAML file."""
|
||||
output_path = Path(path)
|
||||
if output_path.exists() and not overwrite:
|
||||
raise WorkflowError(f"Workflow file already exists: {output_path}")
|
||||
output_path.parent.mkdir(parents=True, exist_ok=True)
|
||||
output_path.write_text(WORKFLOW_TEMPLATE, encoding="utf-8")
|
||||
return output_path
|
||||
|
||||
|
||||
def validate_workflow(
|
||||
workflow: Workflow,
|
||||
*,
|
||||
model_dir: str | os.PathLike | None = None,
|
||||
require_model_files: bool = False,
|
||||
model_resolver: Callable[..., Any] | None = None,
|
||||
) -> Workflow:
|
||||
"""Validate workflow references and optionally model catalog entries."""
|
||||
validate_workflow_structure(workflow)
|
||||
_validate_step_references(workflow)
|
||||
if model_resolver is not None or require_model_files:
|
||||
resolver = model_resolver or _default_model_resolver
|
||||
for step in workflow.steps:
|
||||
if step.model_path:
|
||||
_validate_explicit_model_files(step, require_model_files=require_model_files)
|
||||
continue
|
||||
step_model_dir = _step_option(workflow, step, "model_dir", model_dir)
|
||||
resolver(
|
||||
step.model,
|
||||
model_dir=step_model_dir,
|
||||
require_supported=True,
|
||||
require_exists=require_model_files,
|
||||
)
|
||||
return workflow
|
||||
|
||||
|
||||
def validate_workflow_structure(workflow: Workflow) -> Workflow:
|
||||
"""Validate syntax that does not require cross-step analysis."""
|
||||
seen = set()
|
||||
for step in workflow.steps:
|
||||
if not _STEP_ID_RE.match(step.id):
|
||||
raise WorkflowError(f"Invalid step id {step.id!r}.")
|
||||
if step.id in seen:
|
||||
raise WorkflowError(f"Duplicate step id: {step.id}")
|
||||
seen.add(step.id)
|
||||
if bool(step.model) == bool(step.model_path):
|
||||
raise WorkflowError(f"step {step.id!r} requires exactly one of model or model_path.")
|
||||
if step.model_path and not step.model_type:
|
||||
raise WorkflowError(f"step {step.id!r} requires model_type when model_path is used.")
|
||||
if step.stems is not None and not step.stems:
|
||||
raise WorkflowError(f"step {step.id!r} stems must not be empty.")
|
||||
if step.output_format is not None and str(step.output_format).lower() not in _OUTPUT_FORMATS:
|
||||
raise WorkflowError(f"step {step.id!r} has unsupported output_format {step.output_format!r}.")
|
||||
default_format = workflow.defaults.get("output_format")
|
||||
if default_format is not None and str(default_format).lower() not in _OUTPUT_FORMATS:
|
||||
raise WorkflowError(f"defaults.output_format must be one of: {sorted(_OUTPUT_FORMATS)}.")
|
||||
default_inference_params = workflow.defaults.get("inference_params")
|
||||
if default_inference_params is not None and not isinstance(default_inference_params, dict):
|
||||
raise WorkflowError("defaults.inference_params must be a mapping.")
|
||||
return workflow
|
||||
|
||||
|
||||
class WorkflowRunner:
|
||||
"""Run a parsed pymss workflow over one file or a direct folder."""
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
workflow: Workflow,
|
||||
*,
|
||||
model_dir: str | os.PathLike | None = None,
|
||||
device: str | None = None,
|
||||
output_format: str | None = None,
|
||||
download: bool = False,
|
||||
source: str = "modelscope",
|
||||
endpoint: str | None = None,
|
||||
audio_params: dict[str, Any] | None = None,
|
||||
logger: Any = None,
|
||||
debug: bool = False,
|
||||
separator_factory: Callable[..., Any] | None = None,
|
||||
audio_loader: Callable[..., Any] | None = None,
|
||||
audio_saver: Callable[..., Any] | None = None,
|
||||
continue_on_error: bool = False,
|
||||
output_layout: str = "folders",
|
||||
):
|
||||
self.workflow = validate_workflow(workflow)
|
||||
self.model_dir = model_dir
|
||||
self.device = device
|
||||
self.output_format = output_format
|
||||
self.download = bool(download)
|
||||
self.source = source
|
||||
self.endpoint = endpoint
|
||||
self.audio_params = {**_DEFAULT_AUDIO_PARAMS, **(audio_params or {})}
|
||||
self.logger = logger
|
||||
self.debug = bool(debug)
|
||||
self.separator_factory = separator_factory or _default_separator_factory
|
||||
self.audio_loader = audio_loader or _default_audio_loader
|
||||
self.audio_saver = audio_saver or _default_audio_saver
|
||||
self.continue_on_error = bool(continue_on_error)
|
||||
self.output_layout = _validate_output_layout(output_layout)
|
||||
|
||||
def run(self, input_path: str | os.PathLike, output_dir: str | os.PathLike) -> list[str]:
|
||||
"""Run the workflow and return successfully processed basenames."""
|
||||
paths = _input_files(input_path)
|
||||
output_root = Path(output_dir)
|
||||
tracks = [
|
||||
track
|
||||
for path, track_name in zip(paths, _unique_track_names(paths))
|
||||
for track in [self._load_track(path, track_name)]
|
||||
if track is not None
|
||||
]
|
||||
for step in self.workflow.steps:
|
||||
active_tracks = [track for track in tracks if track.active]
|
||||
if not active_tracks:
|
||||
break
|
||||
try:
|
||||
with self._open_separator(step) as separator:
|
||||
for track in active_tracks:
|
||||
self._run_step_for_track(step, separator, track, output_root)
|
||||
except Exception as exc:
|
||||
if not self.continue_on_error:
|
||||
raise
|
||||
for track in active_tracks:
|
||||
self._mark_track_failed(track, exc)
|
||||
return [os.path.basename(track.path) for track in tracks if track.active]
|
||||
|
||||
def _load_track(self, path: str, track_name: str) -> WorkflowTrackState | None:
|
||||
try:
|
||||
mix, sr = self.audio_loader(path, sr=None, mono=False)
|
||||
return WorkflowTrackState(
|
||||
path=path,
|
||||
track_name=track_name,
|
||||
artifacts={"input": AudioArtifact(_to_model_audio(mix), int(sr))},
|
||||
)
|
||||
except Exception as exc:
|
||||
if self.continue_on_error and self.logger is not None:
|
||||
self.logger.warning("Cannot process workflow track %s: %s", path, exc)
|
||||
return None
|
||||
raise
|
||||
|
||||
def _run_step_for_track(
|
||||
self,
|
||||
step: WorkflowStep,
|
||||
separator: Any,
|
||||
track: WorkflowTrackState,
|
||||
output_root: Path,
|
||||
) -> None:
|
||||
try:
|
||||
artifact = _resolve_input_artifact(track.artifacts, step.input)
|
||||
sample_rate = int(separator.config.audio.get("sample_rate", artifact.sample_rate))
|
||||
model_audio = _ensure_sample_rate(_to_model_audio(artifact.audio), artifact.sample_rate, sample_rate)
|
||||
stems = _requested_stems(step)
|
||||
if getattr(separator, "model_type", None) == "vr":
|
||||
results = separator.separate(model_audio, pbar=False)
|
||||
else:
|
||||
results = separator.separate(model_audio, pbar=False, stems=stems)
|
||||
selected = _select_results(step, results)
|
||||
for stem, audio in selected.items():
|
||||
track.artifacts[f"{step.id}.{stem}"] = AudioArtifact(_to_model_audio(audio), sample_rate)
|
||||
self._save_results(step, selected, sample_rate, output_root, track.track_name)
|
||||
del selected, results
|
||||
except Exception as exc:
|
||||
if not self.continue_on_error:
|
||||
raise
|
||||
self._mark_track_failed(track, exc)
|
||||
|
||||
def _mark_track_failed(self, track: WorkflowTrackState, exc: Exception) -> None:
|
||||
track.active = False
|
||||
if self.logger is not None:
|
||||
self.logger.warning("Cannot process workflow track %s: %s", track.path, exc)
|
||||
|
||||
def _open_separator(self, step: WorkflowStep):
|
||||
if self.download and step.model:
|
||||
from .model_download import download_model
|
||||
|
||||
download_model(
|
||||
step.model,
|
||||
model_dir=_step_option(self.workflow, step, "model_dir", self.model_dir),
|
||||
source=self.source,
|
||||
endpoint=self.endpoint,
|
||||
)
|
||||
separator_kwargs = {
|
||||
"model_dir": _step_option(self.workflow, step, "model_dir", self.model_dir),
|
||||
"device": _step_option(self.workflow, step, "device", self.device),
|
||||
"output_format": _step_option(self.workflow, step, "output_format", self.output_format) or "wav",
|
||||
"audio_params": self.audio_params,
|
||||
"use_tta": bool(_step_option(self.workflow, step, "use_tta", None) or False),
|
||||
"logger": self.logger,
|
||||
"debug": self.debug,
|
||||
"inference_params": _merged_inference_params(self.workflow, step),
|
||||
}
|
||||
model_name = step.model
|
||||
if step.model_path:
|
||||
model_name = Path(step.model_path).stem
|
||||
separator_kwargs.update(
|
||||
{
|
||||
"model_type": step.model_type,
|
||||
"model_path": step.model_path,
|
||||
"config_path": step.config_path,
|
||||
}
|
||||
)
|
||||
separator = self.separator_factory(
|
||||
model_name,
|
||||
**separator_kwargs,
|
||||
)
|
||||
return _SeparatorContext(separator)
|
||||
|
||||
def _save_results(
|
||||
self,
|
||||
step: WorkflowStep,
|
||||
results: dict[str, np.ndarray],
|
||||
sample_rate: int,
|
||||
output_root: Path,
|
||||
track_name: str,
|
||||
) -> None:
|
||||
output_format = str(_step_option(self.workflow, step, "output_format", self.output_format) or "wav").lower()
|
||||
for stem, audio in results.items():
|
||||
save_dirs = _save_dirs(step, stem)
|
||||
for save_dir in save_dirs:
|
||||
target_dir = output_root / save_dir
|
||||
if self.output_layout == "folders":
|
||||
target_dir = output_root / track_name / save_dir
|
||||
target_dir.mkdir(parents=True, exist_ok=True)
|
||||
safe_stem = _safe_filename_part(stem)
|
||||
target = target_dir / f"{track_name}_{safe_stem}.{output_format}"
|
||||
self.audio_saver(str(target), _to_save_audio(audio), sample_rate, output_format, self.audio_params)
|
||||
|
||||
|
||||
class _SeparatorContext:
|
||||
def __init__(self, separator):
|
||||
self.separator = separator
|
||||
|
||||
def __enter__(self):
|
||||
enter = getattr(self.separator, "__enter__", None)
|
||||
return enter() if enter is not None else self.separator
|
||||
|
||||
def __exit__(self, exc_type, exc_value, traceback):
|
||||
exit_method = getattr(self.separator, "__exit__", None)
|
||||
if exit_method is not None:
|
||||
return exit_method(exc_type, exc_value, traceback)
|
||||
close = getattr(self.separator, "close", None)
|
||||
if close is not None:
|
||||
close()
|
||||
return False
|
||||
|
||||
|
||||
def run_workflow_file(
|
||||
config_path: str | os.PathLike,
|
||||
input_path: str | os.PathLike,
|
||||
output_dir: str | os.PathLike,
|
||||
**runner_kwargs,
|
||||
) -> list[str]:
|
||||
"""Load and run a workflow file."""
|
||||
workflow = load_workflow_file(config_path)
|
||||
return WorkflowRunner(workflow, **runner_kwargs).run(input_path, output_dir)
|
||||
|
||||
|
||||
def _validate_output_layout(value: str) -> str:
|
||||
layout = str(value).strip().lower()
|
||||
if layout not in _OUTPUT_LAYOUTS:
|
||||
raise WorkflowError(f"output_layout must be one of: {sorted(_OUTPUT_LAYOUTS)}.")
|
||||
return layout
|
||||
|
||||
|
||||
def _parse_step(index: int, data: Any) -> WorkflowStep:
|
||||
if not isinstance(data, dict):
|
||||
raise WorkflowError(f"step #{index} must be a mapping.")
|
||||
step_id = data.get("id")
|
||||
if not isinstance(step_id, str) or not step_id.strip():
|
||||
raise WorkflowError(f"step #{index} requires a non-empty id.")
|
||||
model = _parse_optional_string(data.get("model"))
|
||||
model_path = _parse_optional_string(data.get("model_path"))
|
||||
return WorkflowStep(
|
||||
id=step_id.strip(),
|
||||
model=model,
|
||||
input=_parse_input_value(data.get("input", "input"), step_id),
|
||||
stems=_parse_stems(data.get("stems"), step_id),
|
||||
save=_parse_save(data.get("save"), step_id),
|
||||
model_type=_parse_optional_string(data.get("model_type")),
|
||||
model_path=model_path,
|
||||
config_path=_parse_optional_string(data.get("config_path")),
|
||||
device=_parse_optional_string(data.get("device")),
|
||||
model_dir=_parse_optional_string(data.get("model_dir")),
|
||||
output_format=_parse_optional_string(data.get("output_format")),
|
||||
inference_params=_parse_mapping(data.get("inference_params"), step_id, "inference_params"),
|
||||
use_tta=_parse_optional_bool(data.get("use_tta"), step_id, "use_tta"),
|
||||
)
|
||||
|
||||
|
||||
def _parse_input_value(value: Any, step_id: str) -> str:
|
||||
if not isinstance(value, str) or not value.strip():
|
||||
raise WorkflowError(f"step {step_id!r} input must be a non-empty string.")
|
||||
return value.strip()
|
||||
|
||||
|
||||
def _parse_stems(value: Any, step_id: str) -> list[str] | None:
|
||||
if value is None:
|
||||
return None
|
||||
if isinstance(value, str):
|
||||
stems = [value]
|
||||
elif isinstance(value, list):
|
||||
stems = value
|
||||
else:
|
||||
raise WorkflowError(f"step {step_id!r} stems must be a string or list.")
|
||||
result = [str(item).strip() for item in stems if str(item).strip()]
|
||||
if not result:
|
||||
raise WorkflowError(f"step {step_id!r} stems must not be empty.")
|
||||
return result
|
||||
|
||||
|
||||
def _parse_save(value: Any, step_id: str) -> dict[str, Any]:
|
||||
if value is None:
|
||||
return {}
|
||||
if not isinstance(value, dict):
|
||||
raise WorkflowError(f"step {step_id!r} save must be a mapping.")
|
||||
result = {}
|
||||
for stem, target in value.items():
|
||||
stem_name = str(stem).strip()
|
||||
if not stem_name:
|
||||
raise WorkflowError(f"step {step_id!r} save contains an empty stem name.")
|
||||
result[stem_name] = target
|
||||
return result
|
||||
|
||||
|
||||
def _parse_mapping(value: Any, step_id: str, field_name: str) -> dict[str, Any]:
|
||||
if value is None:
|
||||
return {}
|
||||
if not isinstance(value, dict):
|
||||
raise WorkflowError(f"step {step_id!r} {field_name} must be a mapping.")
|
||||
return dict(value)
|
||||
|
||||
|
||||
def _parse_optional_string(value: Any) -> str | None:
|
||||
if value is None:
|
||||
return None
|
||||
value = str(value).strip()
|
||||
return value or None
|
||||
|
||||
|
||||
def _parse_optional_bool(value: Any, step_id: str, field_name: str) -> bool | None:
|
||||
if value is None:
|
||||
return None
|
||||
if isinstance(value, bool):
|
||||
return value
|
||||
raise WorkflowError(f"step {step_id!r} {field_name} must be a boolean.")
|
||||
|
||||
|
||||
def _validate_step_references(workflow: Workflow) -> None:
|
||||
seen = {"input"}
|
||||
required_outputs: dict[str, set[str]] = {step.id: set() for step in workflow.steps}
|
||||
for step in workflow.steps:
|
||||
if step.input != "input":
|
||||
ref_step, ref_stem = _split_artifact_ref(step.input, step.id)
|
||||
if ref_step not in seen:
|
||||
raise WorkflowError(f"step {step.id!r} input references unknown step: {ref_step}")
|
||||
required_outputs.setdefault(ref_step, set()).add(ref_stem)
|
||||
for stem in step.save:
|
||||
required_outputs[step.id].add(stem)
|
||||
seen.add(step.id)
|
||||
|
||||
for step in workflow.steps:
|
||||
if step.stems is None:
|
||||
continue
|
||||
requested = {stem.lower() for stem in step.stems}
|
||||
for stem in required_outputs.get(step.id, set()):
|
||||
if stem.lower() not in requested:
|
||||
raise WorkflowError(
|
||||
f"step {step.id!r} must request {step.id}.{stem}; add {stem!r} to stems or omit stems."
|
||||
)
|
||||
|
||||
|
||||
def _split_artifact_ref(value: str, current_step_id: str) -> tuple[str, str]:
|
||||
if "." not in value:
|
||||
raise WorkflowError(f"step {current_step_id!r} input must be 'input' or '<step>.<stem>'.")
|
||||
step_id, stem = value.split(".", 1)
|
||||
step_id = step_id.strip()
|
||||
stem = stem.strip()
|
||||
if not step_id or not stem:
|
||||
raise WorkflowError(f"step {current_step_id!r} input must be 'input' or '<step>.<stem>'.")
|
||||
return step_id, stem
|
||||
|
||||
|
||||
def _validate_explicit_model_files(step: WorkflowStep, *, require_model_files: bool) -> None:
|
||||
if not require_model_files:
|
||||
return
|
||||
missing = []
|
||||
if step.model_path and not Path(step.model_path).is_file():
|
||||
missing.append(step.model_path)
|
||||
if step.config_path and not Path(step.config_path).is_file():
|
||||
missing.append(step.config_path)
|
||||
if missing:
|
||||
raise FileNotFoundError("Missing model file(s): " + ", ".join(missing))
|
||||
|
||||
|
||||
def _resolve_input_artifact(artifacts: dict[str, AudioArtifact], ref: str) -> AudioArtifact:
|
||||
if ref == "input":
|
||||
return artifacts["input"]
|
||||
if ref in artifacts:
|
||||
return artifacts[ref]
|
||||
ref_step, ref_stem = ref.split(".", 1)
|
||||
for key, artifact in artifacts.items():
|
||||
if not key.startswith(f"{ref_step}."):
|
||||
continue
|
||||
_, stem = key.split(".", 1)
|
||||
if stem.lower() == ref_stem.lower():
|
||||
return artifact
|
||||
raise WorkflowError(f"Missing workflow input artifact: {ref}")
|
||||
|
||||
|
||||
def _requested_stems(step: WorkflowStep) -> list[str] | None:
|
||||
if step.stems is not None:
|
||||
return list(step.stems)
|
||||
if step.save:
|
||||
return list(step.save)
|
||||
return None
|
||||
|
||||
|
||||
def _select_results(step: WorkflowStep, results: dict[str, Any]) -> dict[str, np.ndarray]:
|
||||
requested = _requested_stems(step)
|
||||
if requested is None:
|
||||
requested = list(results)
|
||||
selected = {}
|
||||
for stem in requested:
|
||||
actual = _find_stem(results, stem)
|
||||
selected[actual] = np.asarray(results[actual], dtype=np.float32)
|
||||
return selected
|
||||
|
||||
|
||||
def _find_stem(results: dict[str, Any], stem: str) -> str:
|
||||
if stem in results:
|
||||
return stem
|
||||
lower = str(stem).lower()
|
||||
for key in results:
|
||||
if str(key).lower() == lower:
|
||||
return key
|
||||
raise WorkflowError(f"Model did not return requested stem {stem!r}. Available stems: {list(results)}")
|
||||
|
||||
|
||||
def _save_dirs(step: WorkflowStep, stem: str) -> list[str]:
|
||||
if not step.save:
|
||||
return []
|
||||
target = _case_insensitive_get(step.save, stem)
|
||||
if target in (None, False, ""):
|
||||
return []
|
||||
if target is True:
|
||||
return [step.id]
|
||||
if isinstance(target, list):
|
||||
return [str(item).strip() for item in target if str(item).strip()]
|
||||
target = str(target).strip()
|
||||
return [target] if target else []
|
||||
|
||||
|
||||
def _case_insensitive_get(mapping: dict[str, Any], key: str) -> Any:
|
||||
if key in mapping:
|
||||
return mapping[key]
|
||||
lower = str(key).lower()
|
||||
for item_key, value in mapping.items():
|
||||
if str(item_key).lower() == lower:
|
||||
return value
|
||||
return None
|
||||
|
||||
|
||||
def _to_model_audio(audio: Any) -> np.ndarray:
|
||||
array = np.asarray(audio, dtype=np.float32)
|
||||
if array.ndim == 1:
|
||||
return np.ascontiguousarray(array)
|
||||
if array.ndim != 2:
|
||||
raise WorkflowError(f"Expected mono or stereo audio, got shape {array.shape}.")
|
||||
if array.shape[0] in (1, 2):
|
||||
return np.ascontiguousarray(array)
|
||||
if array.shape[1] in (1, 2):
|
||||
return np.ascontiguousarray(array.T)
|
||||
raise WorkflowError(f"Expected mono or stereo audio, got shape {array.shape}.")
|
||||
|
||||
|
||||
def _to_save_audio(audio: Any) -> np.ndarray:
|
||||
array = np.asarray(audio, dtype=np.float32)
|
||||
if array.ndim == 1:
|
||||
return np.ascontiguousarray(array)
|
||||
if array.ndim != 2:
|
||||
raise WorkflowError(f"Expected mono or stereo audio, got shape {array.shape}.")
|
||||
if array.shape[1] in (1, 2):
|
||||
return np.ascontiguousarray(array)
|
||||
if array.shape[0] in (1, 2):
|
||||
return np.ascontiguousarray(array.T)
|
||||
raise WorkflowError(f"Expected mono or stereo audio, got shape {array.shape}.")
|
||||
|
||||
|
||||
def _ensure_sample_rate(audio: np.ndarray, current_sr: int, target_sr: int) -> np.ndarray:
|
||||
if int(current_sr) == int(target_sr):
|
||||
return audio
|
||||
import librosa
|
||||
|
||||
return np.ascontiguousarray(
|
||||
librosa.resample(np.asarray(audio, dtype=np.float32), orig_sr=int(current_sr), target_sr=int(target_sr), axis=-1)
|
||||
)
|
||||
|
||||
|
||||
def _input_files(input_path: str | os.PathLike) -> list[str]:
|
||||
path = Path(input_path)
|
||||
if path.is_file():
|
||||
return [str(path)]
|
||||
if path.is_dir():
|
||||
return [str(item) for item in sorted(path.iterdir()) if item.is_file()]
|
||||
raise WorkflowError(f"Input path does not exist: {path}")
|
||||
|
||||
|
||||
def _unique_track_names(paths: list[str]) -> list[str]:
|
||||
original_stems = {Path(path).stem for path in paths}
|
||||
next_suffix: dict[str, int] = {}
|
||||
used: set[str] = set()
|
||||
names = []
|
||||
for path in paths:
|
||||
stem = Path(path).stem
|
||||
if stem not in used:
|
||||
used.add(stem)
|
||||
names.append(stem)
|
||||
continue
|
||||
suffix = next_suffix.get(stem, 2)
|
||||
candidate = f"{stem}_{suffix}"
|
||||
while candidate in used or candidate in original_stems:
|
||||
suffix += 1
|
||||
candidate = f"{stem}_{suffix}"
|
||||
next_suffix[stem] = suffix + 1
|
||||
used.add(candidate)
|
||||
names.append(candidate)
|
||||
return names
|
||||
|
||||
|
||||
def _step_option(workflow: Workflow, step: WorkflowStep, key: str, override: Any = None) -> Any:
|
||||
value = getattr(step, key, None)
|
||||
if value is not None:
|
||||
return value
|
||||
if override is not None:
|
||||
return override
|
||||
return workflow.defaults.get(key)
|
||||
|
||||
|
||||
def _merged_inference_params(workflow: Workflow, step: WorkflowStep) -> dict[str, Any]:
|
||||
defaults = workflow.defaults.get("inference_params") or {}
|
||||
return {**defaults, **(step.inference_params or {})}
|
||||
|
||||
|
||||
def _safe_filename_part(value: str) -> str:
|
||||
safe = re.sub(r"[\\/:\0]+", "_", str(value)).strip()
|
||||
return safe or "stem"
|
||||
|
||||
|
||||
def _default_separator_factory(model_name: str, **kwargs):
|
||||
model_type = kwargs.pop("model_type", None)
|
||||
model_path = kwargs.pop("model_path", None)
|
||||
config_path = kwargs.pop("config_path", None)
|
||||
if model_path:
|
||||
kwargs.pop("model_dir", None)
|
||||
from .separator import MSSeparator
|
||||
|
||||
return MSSeparator(model_type=model_type, model_path=model_path, config_path=config_path, **kwargs)
|
||||
|
||||
from .model_registry import create_separator
|
||||
return create_separator(model_name, **kwargs)
|
||||
|
||||
|
||||
def _default_model_resolver(*args, **kwargs):
|
||||
from .model_registry import resolve_model
|
||||
|
||||
return resolve_model(*args, **kwargs)
|
||||
|
||||
|
||||
def _default_audio_loader(*args, **kwargs):
|
||||
from .audio_io import load_audio
|
||||
|
||||
return load_audio(*args, **kwargs)
|
||||
|
||||
|
||||
def _default_audio_saver(*args, **kwargs):
|
||||
from .audio_io import save_audio
|
||||
|
||||
return save_audio(*args, **kwargs)
|
||||
21
tools/pymss_core/LICENSE
Normal file
21
tools/pymss_core/LICENSE
Normal file
@@ -0,0 +1,21 @@
|
||||
MIT License
|
||||
|
||||
Copyright (c) 2025 KitsuneX07
|
||||
|
||||
Permission is hereby granted, free of charge, to any person obtaining a copy
|
||||
of this software and associated documentation files (the "Software"), to deal
|
||||
in the Software without restriction, including without limitation the rights
|
||||
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
|
||||
copies of the Software, and to permit persons to whom the Software is
|
||||
furnished to do so, subject to the following conditions:
|
||||
|
||||
The above copyright notice and this permission notice shall be included in all
|
||||
copies or substantial portions of the Software.
|
||||
|
||||
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
|
||||
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
|
||||
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
|
||||
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
|
||||
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
|
||||
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
|
||||
SOFTWARE.
|
||||
25
tools/pymss_core/__init__.py
Normal file
25
tools/pymss_core/__init__.py
Normal file
@@ -0,0 +1,25 @@
|
||||
"""Core model, configuration, and checkpoint API for music source separation.
|
||||
|
||||
`pymss_core` contains the shared pieces used by higher-level packages:
|
||||
configuration loading, model construction, model definitions, and
|
||||
checkpoint/state-dict helpers. It intentionally does not provide file audio
|
||||
I/O, inference DSP pipelines, chunked demixing, model catalog downloads, CLI,
|
||||
HTTP server, or WebUI functionality.
|
||||
"""
|
||||
|
||||
from .checkpoint import load_checkpoint, load_model_weights, load_state_dict, unwrap_state_dict
|
||||
from .config import AttrDict, ConfigLoader, load_config, to_attrdict, to_plain
|
||||
from .utils import get_model_from_config
|
||||
|
||||
__all__ = (
|
||||
"AttrDict",
|
||||
"ConfigLoader",
|
||||
"get_model_from_config",
|
||||
"load_checkpoint",
|
||||
"load_config",
|
||||
"load_model_weights",
|
||||
"load_state_dict",
|
||||
"to_attrdict",
|
||||
"to_plain",
|
||||
"unwrap_state_dict",
|
||||
)
|
||||
127
tools/pymss_core/checkpoint.py
Normal file
127
tools/pymss_core/checkpoint.py
Normal file
@@ -0,0 +1,127 @@
|
||||
"""Checkpoint helpers shared by inference and training frontends."""
|
||||
|
||||
from __future__ import annotations
|
||||
|
||||
from pathlib import Path
|
||||
from types import ModuleType
|
||||
from typing import Any
|
||||
|
||||
import torch
|
||||
|
||||
|
||||
STATE_DICT_KEYS = ("state", "state_dict", "model_state_dict")
|
||||
|
||||
|
||||
def unwrap_state_dict(checkpoint: Any) -> Any:
|
||||
"""Return the model state dict from common MSS checkpoint containers."""
|
||||
if isinstance(checkpoint, dict):
|
||||
for key in STATE_DICT_KEYS:
|
||||
if key in checkpoint:
|
||||
return checkpoint[key]
|
||||
return checkpoint
|
||||
|
||||
|
||||
def _install_demucs_pickle_stubs() -> dict[str, ModuleType | None]:
|
||||
import sys
|
||||
import types
|
||||
|
||||
module_names = ("demucs", "demucs.demucs", "demucs.hdemucs", "demucs.htdemucs")
|
||||
previous = {name: sys.modules.get(name) for name in module_names}
|
||||
package = sys.modules.setdefault("demucs", types.ModuleType("demucs"))
|
||||
package.__path__ = []
|
||||
for module_name, class_names in {
|
||||
"demucs": ("Demucs",),
|
||||
"hdemucs": ("HDemucs", "HTDemucs"),
|
||||
"htdemucs": ("HTDemucs",),
|
||||
}.items():
|
||||
full_name = f"demucs.{module_name}"
|
||||
module = sys.modules.setdefault(full_name, types.ModuleType(full_name))
|
||||
setattr(package, module_name, module)
|
||||
for class_name in class_names:
|
||||
if not hasattr(module, class_name):
|
||||
setattr(module, class_name, type(class_name, (), {"__module__": full_name}))
|
||||
return previous
|
||||
|
||||
|
||||
def _restore_modules(previous: dict[str, ModuleType | None]) -> None:
|
||||
import sys
|
||||
|
||||
for name, module in previous.items():
|
||||
if module is None:
|
||||
sys.modules.pop(name, None)
|
||||
else:
|
||||
sys.modules[name] = module
|
||||
|
||||
|
||||
def _torch_load(path: str | Path, *, map_location="cpu", weights_only: bool | None = None, mmap: bool = True) -> Any:
|
||||
kwargs: dict[str, Any] = {"map_location": map_location}
|
||||
if weights_only is not None:
|
||||
kwargs["weights_only"] = weights_only
|
||||
if mmap:
|
||||
kwargs["mmap"] = True
|
||||
try:
|
||||
return torch.load(path, **kwargs)
|
||||
except TypeError:
|
||||
kwargs.pop("mmap", None)
|
||||
try:
|
||||
return torch.load(path, **kwargs)
|
||||
except TypeError:
|
||||
kwargs.pop("weights_only", None)
|
||||
return torch.load(path, **kwargs)
|
||||
|
||||
|
||||
def load_checkpoint(
|
||||
path: str | Path,
|
||||
*,
|
||||
model_type: str | None = None,
|
||||
map_location: str | torch.device = "cpu",
|
||||
weights_only: bool | None = None,
|
||||
mmap: bool = True,
|
||||
) -> Any:
|
||||
"""Load a checkpoint package with compatibility for common MSS formats."""
|
||||
model_type = (model_type or "").lower()
|
||||
if model_type in {"htdemucs", "demucs", "legacy_demucs", "legacy_tasnet"}:
|
||||
previous = _install_demucs_pickle_stubs()
|
||||
try:
|
||||
return _torch_load(path, map_location=map_location, weights_only=False, mmap=mmap)
|
||||
finally:
|
||||
_restore_modules(previous)
|
||||
if model_type == "apollo":
|
||||
weights_only = False if weights_only is None else weights_only
|
||||
return _torch_load(path, map_location=map_location, weights_only=weights_only, mmap=mmap)
|
||||
|
||||
|
||||
def load_state_dict(
|
||||
path: str | Path,
|
||||
*,
|
||||
model_type: str | None = None,
|
||||
map_location: str | torch.device = "cpu",
|
||||
weights_only: bool | None = None,
|
||||
mmap: bool = True,
|
||||
) -> Any:
|
||||
"""Load and unwrap the model state dict from a checkpoint file."""
|
||||
return unwrap_state_dict(
|
||||
load_checkpoint(
|
||||
path,
|
||||
model_type=model_type,
|
||||
map_location=map_location,
|
||||
weights_only=weights_only,
|
||||
mmap=mmap,
|
||||
)
|
||||
)
|
||||
|
||||
|
||||
def load_model_weights(
|
||||
model: torch.nn.Module,
|
||||
checkpoint_or_path: Any,
|
||||
*,
|
||||
model_type: str | None = None,
|
||||
strict: bool = True,
|
||||
map_location: str | torch.device = "cpu",
|
||||
) -> Any:
|
||||
"""Load weights from a checkpoint package or file into a model."""
|
||||
if isinstance(checkpoint_or_path, (str, Path)):
|
||||
state_dict = load_state_dict(checkpoint_or_path, model_type=model_type, map_location=map_location)
|
||||
else:
|
||||
state_dict = unwrap_state_dict(checkpoint_or_path)
|
||||
return model.load_state_dict(state_dict, strict=strict)
|
||||
135
tools/pymss_core/config.py
Normal file
135
tools/pymss_core/config.py
Normal file
@@ -0,0 +1,135 @@
|
||||
import re
|
||||
|
||||
import yaml
|
||||
|
||||
|
||||
class ConfigLoader(yaml.FullLoader):
|
||||
"""YAML loader used by pymss-core model configuration files."""
|
||||
|
||||
pass
|
||||
|
||||
|
||||
ConfigLoader.add_implicit_resolver(
|
||||
"tag:yaml.org,2002:float",
|
||||
re.compile(
|
||||
r"""^[-+]?(
|
||||
([0-9][0-9_]*)?\.[0-9_]+([eE][-+]?[0-9]+)?
|
||||
|[0-9][0-9_]*[eE][-+]?[0-9]+
|
||||
|\.(inf|Inf|INF)
|
||||
|\.(nan|NaN|NAN)
|
||||
)$""",
|
||||
re.X,
|
||||
),
|
||||
list("-+0123456789."),
|
||||
)
|
||||
|
||||
|
||||
class AttrDict(dict):
|
||||
"""Dictionary that recursively exposes keys as attributes.
|
||||
|
||||
Args:
|
||||
data (Mapping | None, optional): Data value. Defaults to None.
|
||||
**kwargs: Additional keyword arguments.
|
||||
|
||||
Example:
|
||||
>>> cfg = AttrDict({"audio": {"chunk_size": 485100}})
|
||||
>>> cfg.audio.chunk_size
|
||||
485100"""
|
||||
|
||||
def __init__(self, data=None, **kwargs):
|
||||
"""Initialize the instance.
|
||||
|
||||
Args:
|
||||
data (Mapping | None, optional): Data value. Defaults to None.
|
||||
**kwargs: Additional keyword arguments.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
super().__init__()
|
||||
for key, value in dict(data or {}, **kwargs).items():
|
||||
self[key] = value
|
||||
|
||||
def __getattr__(self, key):
|
||||
"""Return a missing attribute from the underlying mapping.
|
||||
|
||||
Args:
|
||||
key (str): Key value.
|
||||
|
||||
Returns:
|
||||
Any: Computed result."""
|
||||
try:
|
||||
return self[key]
|
||||
except KeyError as exc:
|
||||
raise AttributeError(key) from exc
|
||||
|
||||
def __setattr__(self, key, value):
|
||||
"""Store an attribute assignment in the underlying mapping.
|
||||
|
||||
Args:
|
||||
key (str): Key value.
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
self[key] = value
|
||||
|
||||
def __setitem__(self, key, value):
|
||||
"""Store an item after recursively converting nested dictionaries.
|
||||
|
||||
Args:
|
||||
key (str): Key value.
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
None: This method completes for its side effects."""
|
||||
super().__setitem__(key, to_attrdict(value))
|
||||
|
||||
|
||||
def to_attrdict(value):
|
||||
"""Recursively convert dictionaries to AttrDict objects.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Converted value with nested dictionaries wrapped as AttrDict."""
|
||||
if isinstance(value, dict):
|
||||
return value if isinstance(value, AttrDict) else AttrDict(value)
|
||||
if isinstance(value, list):
|
||||
return [to_attrdict(item) for item in value]
|
||||
if isinstance(value, tuple):
|
||||
return tuple(to_attrdict(item) for item in value)
|
||||
return value
|
||||
|
||||
|
||||
def to_plain(value):
|
||||
"""Recursively convert AttrDict objects back to plain Python containers.
|
||||
|
||||
Args:
|
||||
value (Any): Value value.
|
||||
|
||||
Returns:
|
||||
Any: Converted value using plain dictionaries, lists, and tuples."""
|
||||
if isinstance(value, AttrDict):
|
||||
return {key: to_plain(item) for key, item in value.items()}
|
||||
if isinstance(value, list):
|
||||
return [to_plain(item) for item in value]
|
||||
if isinstance(value, tuple):
|
||||
return tuple(to_plain(item) for item in value)
|
||||
return value
|
||||
|
||||
|
||||
def load_config(path):
|
||||
"""Load a YAML model configuration file.
|
||||
|
||||
Args:
|
||||
path (str | os.PathLike): File system path.
|
||||
|
||||
Returns:
|
||||
AttrDict: Parsed configuration with attribute access.
|
||||
|
||||
Example:
|
||||
>>> config = load_config("config.yaml")
|
||||
>>> config.inference.batch_size"""
|
||||
with open(path, encoding="utf-8") as f:
|
||||
return to_attrdict(yaml.load(f, Loader=ConfigLoader))
|
||||
0
tools/pymss_core/modules/__init__.py
Normal file
0
tools/pymss_core/modules/__init__.py
Normal file
84
tools/pymss_core/modules/_dsp.py
Normal file
84
tools/pymss_core/modules/_dsp.py
Normal file
@@ -0,0 +1,84 @@
|
||||
"""Small DSP helpers needed by model definitions."""
|
||||
|
||||
from __future__ import annotations
|
||||
|
||||
import numpy as np
|
||||
|
||||
|
||||
def hz_to_midi(hz):
|
||||
"""Convert frequencies in Hz to MIDI note numbers."""
|
||||
hz = np.asarray(hz)
|
||||
return 69.0 + 12.0 * np.log2(hz / 440.0)
|
||||
|
||||
|
||||
def midi_to_hz(midi):
|
||||
"""Convert MIDI note numbers to frequencies in Hz."""
|
||||
midi = np.asarray(midi)
|
||||
return 440.0 * np.power(2.0, (midi - 69.0) / 12.0)
|
||||
|
||||
|
||||
def _hz_to_mel(frequencies, *, htk=False):
|
||||
frequencies = np.asarray(frequencies, dtype=np.float64)
|
||||
if htk:
|
||||
return 2595.0 * np.log10(1.0 + frequencies / 700.0)
|
||||
|
||||
f_sp = 200.0 / 3
|
||||
mels = frequencies / f_sp
|
||||
min_log_hz = 1000.0
|
||||
min_log_mel = min_log_hz / f_sp
|
||||
logstep = np.log(6.4) / 27.0
|
||||
log_t = frequencies >= min_log_hz
|
||||
mels = np.array(mels, copy=True)
|
||||
mels[log_t] = min_log_mel + np.log(frequencies[log_t] / min_log_hz) / logstep
|
||||
return mels
|
||||
|
||||
|
||||
def _mel_to_hz(mels, *, htk=False):
|
||||
mels = np.asarray(mels, dtype=np.float64)
|
||||
if htk:
|
||||
return 700.0 * (np.power(10.0, mels / 2595.0) - 1.0)
|
||||
|
||||
f_sp = 200.0 / 3
|
||||
freqs = f_sp * mels
|
||||
min_log_hz = 1000.0
|
||||
min_log_mel = min_log_hz / f_sp
|
||||
logstep = np.log(6.4) / 27.0
|
||||
log_t = mels >= min_log_mel
|
||||
freqs = np.array(freqs, copy=True)
|
||||
freqs[log_t] = min_log_hz * np.exp(logstep * (mels[log_t] - min_log_mel))
|
||||
return freqs
|
||||
|
||||
|
||||
def mel_frequencies(n_mels, *, fmin=0.0, fmax=11025.0, htk=False):
|
||||
"""Return center frequencies on the mel scale, including endpoints."""
|
||||
min_mel = _hz_to_mel(fmin, htk=htk)
|
||||
max_mel = _hz_to_mel(fmax, htk=htk)
|
||||
return _mel_to_hz(np.linspace(min_mel, max_mel, int(n_mels)), htk=htk)
|
||||
|
||||
|
||||
def fft_frequencies(*, sr, n_fft):
|
||||
"""Return FFT bin center frequencies."""
|
||||
return np.linspace(0.0, float(sr) / 2.0, int(1 + n_fft // 2), endpoint=True)
|
||||
|
||||
|
||||
def mel_filterbank(sr, n_fft, n_mels=128, fmin=0.0, fmax=None, htk=False, norm="slaney", dtype=np.float32):
|
||||
"""Create a triangular mel filterbank for model initialization."""
|
||||
if fmax is None:
|
||||
fmax = float(sr) / 2.0
|
||||
|
||||
mel_f = mel_frequencies(int(n_mels) + 2, fmin=fmin, fmax=fmax, htk=htk)
|
||||
fft_f = fft_frequencies(sr=sr, n_fft=n_fft)
|
||||
|
||||
fdiff = np.diff(mel_f)
|
||||
ramps = np.subtract.outer(mel_f, fft_f)
|
||||
lower = -ramps[:-2] / fdiff[:-1, np.newaxis]
|
||||
upper = ramps[2:] / fdiff[1:, np.newaxis]
|
||||
weights = np.maximum(0.0, np.minimum(lower, upper))
|
||||
|
||||
if norm == "slaney":
|
||||
enorm = 2.0 / (mel_f[2 : int(n_mels) + 2] - mel_f[: int(n_mels)])
|
||||
weights *= enorm[:, np.newaxis]
|
||||
elif norm is not None:
|
||||
raise ValueError(f"Unsupported mel filterbank norm: {norm!r}")
|
||||
|
||||
return weights.astype(dtype, copy=False)
|
||||
242
tools/pymss_core/modules/apollo_mlx.py
Normal file
242
tools/pymss_core/modules/apollo_mlx.py
Normal file
@@ -0,0 +1,242 @@
|
||||
import torch
|
||||
|
||||
from .bs_roformer.mlx_attention import _mlx_dtype, _torch_to_mlx_array, mlx_to_torch_mps
|
||||
from .look2hear.apollo import BSNet, ConvActNorm1d, ICB, RMSNorm
|
||||
|
||||
|
||||
def torch_to_mlx_input(tensor, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
return mx.array(tensor.detach().to(dtype=dtype).cpu().numpy())
|
||||
|
||||
|
||||
def _mlx_param(module, name, tensor, dtype):
|
||||
cache = getattr(module, "_pymss_mlx_full_param_cache", None)
|
||||
if cache is None:
|
||||
cache = {}
|
||||
module._pymss_mlx_full_param_cache = cache
|
||||
key = (name, tensor.data_ptr(), tensor._version, tuple(tensor.shape), dtype)
|
||||
cached = cache.get(name)
|
||||
if cached is not None and cached[0] == key:
|
||||
return cached[1]
|
||||
value = _torch_to_mlx_array(tensor, dtype)
|
||||
cache[name] = (key, value)
|
||||
return value
|
||||
|
||||
|
||||
def _reflect_pad_last(x, pad):
|
||||
import mlx.core as mx
|
||||
|
||||
if pad <= 0:
|
||||
return x
|
||||
if x.shape[-1] <= pad:
|
||||
raise ValueError("reflect padding requires input length greater than padding")
|
||||
return mx.concatenate((x[..., 1 : pad + 1][..., ::-1], x, x[..., -pad - 1 : -1][..., ::-1]), axis=-1)
|
||||
|
||||
|
||||
def _stft(module, raw_audio, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
batch_channels, length = raw_audio.shape
|
||||
n_fft = module.win
|
||||
hop = module.stride
|
||||
x = _reflect_pad_last(raw_audio.astype(dtype), n_fft // 2)
|
||||
frames = 1 + (x.shape[-1] - n_fft) // hop
|
||||
framed = mx.as_strided(x, shape=(batch_channels, frames, n_fft), strides=(x.shape[-1], hop, 1))
|
||||
window = _torch_to_mlx_array(module.window, torch.float32).astype(dtype)
|
||||
spec = mx.fft.rfft(framed * window, n=n_fft, axis=-1)
|
||||
return mx.moveaxis(spec, -1, -2), {"length": length, "n_fft": n_fft, "hop": hop, "window": window, "dtype": dtype}
|
||||
|
||||
|
||||
def _istft(spec, context):
|
||||
import mlx.core as mx
|
||||
|
||||
n_fft = context["n_fft"]
|
||||
hop = context["hop"]
|
||||
frames = mx.fft.irfft(mx.moveaxis(spec, -2, -1), n=n_fft, axis=-1).astype(context["dtype"]) * context["window"]
|
||||
frame_count = frames.shape[1]
|
||||
full_length = n_fft + hop * (frame_count - 1)
|
||||
positions = mx.arange(n_fft)[None, :] + hop * mx.arange(frame_count)[:, None]
|
||||
audio = mx.zeros((frames.shape[0], full_length), dtype=context["dtype"]).at[:, positions].add(frames)
|
||||
denom_frames = mx.broadcast_to(mx.square(context["window"])[None, :], (frame_count, n_fft))
|
||||
denom = mx.zeros((full_length,), dtype=context["dtype"]).at[positions].add(denom_frames)
|
||||
audio = audio / mx.maximum(denom[None, :], mx.array(1e-11, dtype=context["dtype"]))
|
||||
pad = n_fft // 2
|
||||
return audio[..., pad : pad + context["length"]]
|
||||
|
||||
|
||||
def _conv1d_ncl(conv, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
weight = _mlx_param(conv, "weight", conv.weight, dtype).transpose(0, 2, 1)
|
||||
y = mx.conv1d(
|
||||
x.transpose(0, 2, 1),
|
||||
weight,
|
||||
stride=conv.stride[0],
|
||||
padding=conv.padding[0],
|
||||
dilation=conv.dilation[0],
|
||||
groups=conv.groups,
|
||||
)
|
||||
if conv.bias is not None:
|
||||
y = y + _mlx_param(conv, "bias", conv.bias, dtype)
|
||||
return y.transpose(0, 2, 1)
|
||||
|
||||
|
||||
def _rms_norm(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
batch, channels, frames = x.shape
|
||||
groups = int(module.groups)
|
||||
y = x.astype(mx.float32).reshape(batch, groups, channels // groups, frames)
|
||||
y = y * mx.rsqrt(mx.mean(mx.square(y), axis=2, keepdims=True) + module.eps)
|
||||
y = y.reshape(batch, channels, frames).astype(x.dtype)
|
||||
return y * _mlx_param(module, "weight", module.weight, dtype).reshape(1, -1, 1)
|
||||
|
||||
|
||||
def _silu(x):
|
||||
import mlx.core as mx
|
||||
|
||||
return x * mx.sigmoid(x)
|
||||
|
||||
|
||||
def _glu_channel(x):
|
||||
import mlx.core as mx
|
||||
|
||||
a, b = mx.split(x, 2, axis=1)
|
||||
return a * mx.sigmoid(b)
|
||||
|
||||
|
||||
def _module_forward(module, x, dtype):
|
||||
if isinstance(module, torch.nn.Sequential):
|
||||
for child in module:
|
||||
x = _module_forward(child, x, dtype)
|
||||
return x
|
||||
if isinstance(module, torch.nn.Conv1d):
|
||||
return _conv1d_ncl(module, x, dtype)
|
||||
if isinstance(module, RMSNorm):
|
||||
return _rms_norm(module, x, dtype)
|
||||
if isinstance(module, torch.nn.SiLU):
|
||||
return _silu(x)
|
||||
if isinstance(module, torch.nn.GLU):
|
||||
return _glu_channel(x)
|
||||
if isinstance(module, ConvActNorm1d):
|
||||
return _conv_act_norm(module, x, dtype)
|
||||
if isinstance(module, ICB):
|
||||
return _module_forward(module.blocks, x, dtype)
|
||||
if isinstance(module, BSNet):
|
||||
return _bsnet(module, x, dtype)
|
||||
raise TypeError(f"unsupported Apollo layer for MLX full backend: {type(module).__name__}")
|
||||
|
||||
|
||||
def _conv_act_norm(module, x, dtype):
|
||||
y = _conv1d_ncl(module.conv[0], x, dtype)
|
||||
y = _rms_norm(module.conv[1], y, dtype)
|
||||
y = _conv1d_ncl(module.conv[2], y, dtype)
|
||||
y = _silu(y)
|
||||
y = _conv1d_ncl(module.conv[4], y, dtype)
|
||||
if module.causal:
|
||||
y = y[..., : -module.kernel + 1]
|
||||
return x + y
|
||||
|
||||
|
||||
def _apply_rope(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
seq_len = x.shape[-2]
|
||||
cos = _torch_to_mlx_array(module.cos_freq[:seq_len], dtype).reshape(1, 1, seq_len, -1)
|
||||
sin = _torch_to_mlx_array(module.sin_freq[:seq_len], dtype).reshape(1, 1, seq_len, -1)
|
||||
even, odd = x[..., 0::2], x[..., 1::2]
|
||||
cos_e = cos[..., 0::2]
|
||||
sin_e = sin[..., 0::2]
|
||||
out = mx.zeros_like(x)
|
||||
out = out.at[..., 0::2].add(even * cos_e - odd * sin_e)
|
||||
out = out.at[..., 1::2].add(odd * cos_e + even * sin_e)
|
||||
return out
|
||||
|
||||
|
||||
def _roformer(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
batch, _, frames = x.shape
|
||||
x_norm = _rms_norm(module.input_norm, x, dtype)
|
||||
qkv = _conv1d_ncl(module.weight, x_norm, dtype)
|
||||
qkv = qkv.reshape(batch, module.num_head, module.hidden_size * 3, frames).transpose(0, 1, 3, 2)
|
||||
q, k, v = mx.split(qkv, 3, axis=-1)
|
||||
q = _apply_rope(module, q, dtype)
|
||||
k = _apply_rope(module, k, dtype)
|
||||
attn = mx.fast.scaled_dot_product_attention(q, k, v, scale=module.hidden_size**-0.5, mask=None)
|
||||
out = attn.transpose(0, 1, 3, 2).reshape(batch, -1, frames)
|
||||
out = _conv1d_ncl(module.output, out, dtype) + x
|
||||
|
||||
hidden = _rms_norm(module.MLP[0], out, dtype)
|
||||
hidden = _conv1d_ncl(module.MLP[1], hidden, dtype)
|
||||
hidden = _silu(hidden)
|
||||
gate, z = mx.split(hidden, 2, axis=1)
|
||||
return out + _conv1d_ncl(module.MLP_output, _silu(gate) * z, dtype)
|
||||
|
||||
|
||||
def _bsnet(module, x, dtype):
|
||||
batch, bands, channels, frames = x.shape
|
||||
band = x.transpose(0, 3, 2, 1).reshape(batch * frames, channels, bands)
|
||||
band = _roformer(module.band_net, band, dtype)
|
||||
band = band.reshape(batch, frames, channels, bands).transpose(0, 3, 2, 1)
|
||||
seq = _module_forward(module.seq_net, band.reshape(batch * bands, channels, frames), dtype)
|
||||
return seq.reshape(batch, bands, channels, frames)
|
||||
|
||||
|
||||
def _feature_extractor(module, raw_audio, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
mx_dtype = _mlx_dtype(dtype)
|
||||
batch, channels, samples = raw_audio.shape
|
||||
spec, _ = _stft(module, raw_audio.reshape(batch * channels, samples), mx_dtype)
|
||||
features = []
|
||||
powers = []
|
||||
band_index = 0
|
||||
for width, bn in zip(module.band_width, module.BN):
|
||||
sub = spec[:, band_index : band_index + width]
|
||||
power = mx.sqrt(mx.sum(mx.square(sub.real) + mx.square(sub.imag), axis=1, keepdims=True) + module.eps)
|
||||
norm = sub / power
|
||||
inp = mx.concatenate((norm.real, norm.imag, mx.log(power)), axis=1)
|
||||
features.append(_module_forward(bn, inp.astype(mx_dtype), dtype))
|
||||
powers.append(power)
|
||||
band_index += width
|
||||
return mx.stack(features, axis=1), spec
|
||||
|
||||
|
||||
def _estimate_spec(module, feature, batch_channels, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
specs = []
|
||||
for band_feature, output, width in zip(mx.split(feature, feature.shape[1], axis=1), module.output, module.band_width):
|
||||
band_feature = band_feature[:, 0]
|
||||
ri = _module_forward(output, band_feature, dtype).reshape(batch_channels, 2, width, -1)
|
||||
specs.append(ri[:, 0] + (1j * ri[:, 1]))
|
||||
return mx.concatenate(specs, axis=1)
|
||||
|
||||
|
||||
def mlx_forward_apollo_mx(module, raw_audio, dtype=torch.float16):
|
||||
if dtype not in (torch.float16, torch.float32):
|
||||
raise TypeError("MLX full Apollo supports torch.float16 or torch.float32 compute dtype")
|
||||
mx_dtype = _mlx_dtype(dtype)
|
||||
raw_audio = raw_audio.astype(mx_dtype)
|
||||
batch, channels, samples = raw_audio.shape
|
||||
feature, _ = _feature_extractor(module, raw_audio, dtype)
|
||||
for block in module.net:
|
||||
feature = _bsnet(block, feature, dtype)
|
||||
est_spec = _estimate_spec(module, feature, batch * channels, dtype)
|
||||
return _istft(
|
||||
est_spec,
|
||||
{
|
||||
"length": samples,
|
||||
"n_fft": module.win,
|
||||
"hop": module.stride,
|
||||
"window": _torch_to_mlx_array(module.window, torch.float32).astype(mx_dtype),
|
||||
"dtype": mx_dtype,
|
||||
},
|
||||
).reshape(batch, channels, -1)
|
||||
|
||||
|
||||
def mlx_forward_apollo(module, raw_audio, dtype=torch.float16):
|
||||
x_mx = torch_to_mlx_input(raw_audio, dtype=dtype)
|
||||
return mlx_to_torch_mps(mlx_forward_apollo_mx(module, x_mx, dtype), raw_audio)
|
||||
0
tools/pymss_core/modules/bandit/__init__.py
Normal file
0
tools/pymss_core/modules/bandit/__init__.py
Normal file
166
tools/pymss_core/modules/bandit/bandsplit.py
Normal file
166
tools/pymss_core/modules/bandit/bandsplit.py
Normal file
@@ -0,0 +1,166 @@
|
||||
from typing import List, Tuple
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
from torch.utils.checkpoint import checkpoint_sequential
|
||||
|
||||
from .core.model.bsrnn.utils import (
|
||||
band_widths_from_specs,
|
||||
check_no_gap,
|
||||
check_no_overlap,
|
||||
check_nonzero_bandwidth,
|
||||
)
|
||||
|
||||
|
||||
class NormFC(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
bandwidth: int,
|
||||
in_channels: int,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
self.treat_channel_as_feature = treat_channel_as_feature
|
||||
if normalize_channel_independently:
|
||||
raise NotImplementedError
|
||||
|
||||
reim = 2
|
||||
self.norm = nn.LayerNorm(in_channels * bandwidth * reim)
|
||||
|
||||
fc_in = bandwidth * reim
|
||||
if treat_channel_as_feature:
|
||||
fc_in *= in_channels
|
||||
else:
|
||||
assert emb_dim % in_channels == 0
|
||||
emb_dim = emb_dim // in_channels
|
||||
|
||||
self.fc = nn.Linear(fc_in, emb_dim)
|
||||
|
||||
def forward(self, xb):
|
||||
batch, n_time, in_channels, ribw = xb.shape
|
||||
xb = self.norm(xb.reshape(batch, n_time, in_channels * ribw))
|
||||
if self.treat_channel_as_feature:
|
||||
return self.fc(xb)
|
||||
return self.fc(xb.reshape(batch, n_time, in_channels, ribw)).reshape(batch, n_time, -1)
|
||||
|
||||
|
||||
class SequentialNormFC(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
bandwidth: int,
|
||||
in_channels: int,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
if not treat_channel_as_feature:
|
||||
raise NotImplementedError
|
||||
if normalize_channel_independently:
|
||||
raise NotImplementedError
|
||||
|
||||
self.combined = nn.Sequential(
|
||||
nn.LayerNorm(in_channels * bandwidth * 2),
|
||||
nn.Linear(in_channels * bandwidth * 2, emb_dim),
|
||||
)
|
||||
|
||||
def forward(self, xb):
|
||||
return checkpoint_sequential(self.combined, 1, xb, use_reentrant=False)
|
||||
|
||||
|
||||
class BandSplitModuleBase(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
in_channels: int,
|
||||
norm_fc_cls: type[nn.Module],
|
||||
complex_order: str,
|
||||
flatten_input: bool,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
check_nonzero_bandwidth(band_specs)
|
||||
if require_no_gap:
|
||||
check_no_gap(band_specs)
|
||||
if require_no_overlap:
|
||||
check_no_overlap(band_specs)
|
||||
|
||||
self.band_specs = band_specs
|
||||
self.band_widths = band_widths_from_specs(band_specs)
|
||||
self.n_bands = len(band_specs)
|
||||
self.emb_dim = emb_dim
|
||||
self.complex_order = complex_order
|
||||
self.flatten_input = flatten_input
|
||||
self.norm_fc_modules = nn.ModuleList(
|
||||
[
|
||||
norm_fc_cls(
|
||||
emb_dim=emb_dim,
|
||||
bandwidth=bw,
|
||||
in_channels=in_channels,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
)
|
||||
for bw in self.band_widths
|
||||
]
|
||||
)
|
||||
|
||||
def _band_view(self, x):
|
||||
xr = torch.view_as_real(x)
|
||||
if self.complex_order == "reim_freq":
|
||||
return xr.permute(0, 3, 1, 4, 2)
|
||||
if self.complex_order == "freq_reim":
|
||||
return xr.permute(0, 3, 1, 2, 4).contiguous()
|
||||
raise ValueError(f"unsupported complex_order: {self.complex_order}")
|
||||
|
||||
def forward(self, x: torch.Tensor):
|
||||
batch, in_channels, _, n_time = x.shape
|
||||
z = torch.zeros(
|
||||
size=(batch, self.n_bands, n_time, self.emb_dim),
|
||||
device=x.device,
|
||||
)
|
||||
xr = self._band_view(x)
|
||||
|
||||
for i, nfm in enumerate(self.norm_fc_modules):
|
||||
fstart, fend = self.band_specs[i]
|
||||
if self.complex_order == "reim_freq":
|
||||
xb = xr[..., fstart:fend].reshape(batch, n_time, in_channels, -1)
|
||||
else:
|
||||
xb = xr[:, :, :, fstart:fend].reshape(batch, n_time, -1)
|
||||
z[:, i, :, :] = nfm((xb.reshape(batch, n_time, -1) if self.flatten_input else xb).contiguous())
|
||||
|
||||
return z
|
||||
|
||||
|
||||
class _ConfiguredBandSplitModule(BandSplitModuleBase):
|
||||
norm_fc_cls: type[nn.Module]
|
||||
complex_order: str
|
||||
flatten_input: bool
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
in_channels: int,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
band_specs=band_specs,
|
||||
emb_dim=emb_dim,
|
||||
in_channels=in_channels,
|
||||
norm_fc_cls=self.norm_fc_cls,
|
||||
complex_order=self.complex_order,
|
||||
flatten_input=self.flatten_input,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
)
|
||||
9
tools/pymss_core/modules/bandit/core/__init__.py
Normal file
9
tools/pymss_core/modules/bandit/core/__init__.py
Normal file
@@ -0,0 +1,9 @@
|
||||
__all__ = ("MultiMaskMultiSourceBandSplitRNNSimple",)
|
||||
|
||||
|
||||
def __getattr__(name):
|
||||
if name == "MultiMaskMultiSourceBandSplitRNNSimple":
|
||||
from .model import MultiMaskMultiSourceBandSplitRNNSimple
|
||||
|
||||
return MultiMaskMultiSourceBandSplitRNNSimple
|
||||
raise AttributeError(f"module {__name__!r} has no attribute {name!r}")
|
||||
9
tools/pymss_core/modules/bandit/core/model/__init__.py
Normal file
9
tools/pymss_core/modules/bandit/core/model/__init__.py
Normal file
@@ -0,0 +1,9 @@
|
||||
__all__ = ("MultiMaskMultiSourceBandSplitRNNSimple",)
|
||||
|
||||
|
||||
def __getattr__(name):
|
||||
if name == "MultiMaskMultiSourceBandSplitRNNSimple":
|
||||
from .bsrnn.wrapper import MultiMaskMultiSourceBandSplitRNNSimple
|
||||
|
||||
return MultiMaskMultiSourceBandSplitRNNSimple
|
||||
raise AttributeError(f"module {__name__!r} has no attribute {name!r}")
|
||||
95
tools/pymss_core/modules/bandit/core/model/_spectral.py
Normal file
95
tools/pymss_core/modules/bandit/core/model/_spectral.py
Normal file
@@ -0,0 +1,95 @@
|
||||
from typing import Dict, Optional
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
|
||||
|
||||
class _TorchSpectrogram(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
n_fft,
|
||||
win_length,
|
||||
hop_length,
|
||||
window_fn,
|
||||
wkwargs,
|
||||
normalized,
|
||||
center,
|
||||
pad_mode,
|
||||
onesided,
|
||||
):
|
||||
super().__init__()
|
||||
self.n_fft = n_fft
|
||||
self.win_length = win_length or n_fft
|
||||
self.hop_length = hop_length
|
||||
self.normalized = normalized
|
||||
self.center = center
|
||||
self.pad_mode = pad_mode
|
||||
self.onesided = onesided
|
||||
self.register_buffer("window", window_fn(self.win_length, **(wkwargs or {})))
|
||||
|
||||
def forward(self, x):
|
||||
leading_shape = x.shape[:-1]
|
||||
spec = torch.stft(
|
||||
x.reshape(-1, x.shape[-1]),
|
||||
n_fft=self.n_fft,
|
||||
hop_length=self.hop_length,
|
||||
win_length=self.win_length,
|
||||
window=self.window,
|
||||
center=self.center,
|
||||
pad_mode=self.pad_mode,
|
||||
normalized=self.normalized,
|
||||
onesided=self.onesided,
|
||||
return_complex=True,
|
||||
)
|
||||
return spec.reshape(*leading_shape, *spec.shape[-2:])
|
||||
|
||||
|
||||
class _TorchInverseSpectrogram(_TorchSpectrogram):
|
||||
def forward(self, x, length=None):
|
||||
leading_shape = x.shape[:-2]
|
||||
audio = torch.istft(
|
||||
x.reshape(-1, *x.shape[-2:]),
|
||||
n_fft=self.n_fft,
|
||||
hop_length=self.hop_length,
|
||||
win_length=self.win_length,
|
||||
window=self.window,
|
||||
center=self.center,
|
||||
normalized=self.normalized,
|
||||
onesided=self.onesided,
|
||||
length=length,
|
||||
return_complex=False,
|
||||
)
|
||||
return audio.reshape(*leading_shape, audio.shape[-1])
|
||||
|
||||
|
||||
class _SpectralComponent(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
n_fft: int = 2048,
|
||||
win_length: Optional[int] = 2048,
|
||||
hop_length: int = 512,
|
||||
window_fn: str = "hann_window",
|
||||
wkwargs: Optional[Dict] = None,
|
||||
power: Optional[int] = None,
|
||||
center: bool = True,
|
||||
normalized: bool = True,
|
||||
pad_mode: str = "constant",
|
||||
onesided: bool = True,
|
||||
**kwargs,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
assert power is None
|
||||
window_fn = torch.__dict__[window_fn]
|
||||
kwargs = dict(
|
||||
n_fft=n_fft,
|
||||
win_length=win_length,
|
||||
hop_length=hop_length,
|
||||
window_fn=window_fn,
|
||||
wkwargs=wkwargs,
|
||||
normalized=normalized,
|
||||
center=center,
|
||||
pad_mode=pad_mode,
|
||||
onesided=onesided,
|
||||
)
|
||||
self.stft = _TorchSpectrogram(**kwargs)
|
||||
self.istft = _TorchInverseSpectrogram(**kwargs)
|
||||
17
tools/pymss_core/modules/bandit/core/model/bsrnn/__init__.py
Normal file
17
tools/pymss_core/modules/bandit/core/model/bsrnn/__init__.py
Normal file
@@ -0,0 +1,17 @@
|
||||
from abc import ABC
|
||||
from typing import Iterable, Mapping, Union
|
||||
|
||||
from torch import nn
|
||||
|
||||
|
||||
class BandsplitCoreBase(nn.Module, ABC):
|
||||
band_split: nn.Module
|
||||
tf_model: nn.Module
|
||||
mask_estim: Union[nn.Module, Mapping[str, nn.Module], Iterable[nn.Module]]
|
||||
|
||||
def __init__(self) -> None:
|
||||
super().__init__()
|
||||
|
||||
@staticmethod
|
||||
def mask(x, m):
|
||||
return x * m
|
||||
@@ -0,0 +1,32 @@
|
||||
from typing import List, Tuple
|
||||
|
||||
from ....bandsplit import NormFC, _ConfiguredBandSplitModule
|
||||
|
||||
|
||||
class BandSplitModule(_ConfiguredBandSplitModule):
|
||||
norm_fc_cls = NormFC
|
||||
complex_order = "reim_freq"
|
||||
flatten_input = False
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
in_channel: int,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
band_specs=band_specs,
|
||||
emb_dim=emb_dim,
|
||||
in_channels=in_channel,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
)
|
||||
|
||||
|
||||
__all__ = ("BandSplitModule", "NormFC")
|
||||
171
tools/pymss_core/modules/bandit/core/model/bsrnn/core.py
Normal file
171
tools/pymss_core/modules/bandit/core/model/bsrnn/core.py
Normal file
@@ -0,0 +1,171 @@
|
||||
from typing import Dict, List, Optional, Tuple
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
|
||||
from . import BandsplitCoreBase
|
||||
from .bandsplit import BandSplitModule
|
||||
from .maskestim import MaskEstimationModule, OverlappingMaskEstimationModule
|
||||
from .tfmodel import SeqBandModellingModule
|
||||
|
||||
__all__ = ("MultiSourceMultiMaskBandSplitCoreRNN",)
|
||||
|
||||
|
||||
class MultiMaskBandSplitCoreBase(BandsplitCoreBase):
|
||||
def forward(self, x, cond=None, compute_residual: bool = True):
|
||||
batch, in_chan, n_freq, n_time = x.shape
|
||||
x = x.reshape(-1, 1, n_freq, n_time)
|
||||
|
||||
z = self.band_split(x)
|
||||
q = self.tf_model(z)
|
||||
|
||||
out = {}
|
||||
for stem, mask_estimator in self.mask_estim.items():
|
||||
mask = mask_estimator(q, cond=cond)
|
||||
separated = self.mask(x, mask)
|
||||
out[stem] = separated.reshape(batch, in_chan, n_freq, n_time)
|
||||
|
||||
return {"spectrogram": out}
|
||||
|
||||
def instantiate_mask_estim(
|
||||
self,
|
||||
in_channel: int,
|
||||
stems: List[str],
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
cond_dim: int,
|
||||
hidden_activation: str,
|
||||
hidden_activation_kwargs: Optional[Dict] = None,
|
||||
complex_mask: bool = True,
|
||||
overlapping_band: bool = False,
|
||||
freq_weights: Optional[List[torch.Tensor]] = None,
|
||||
n_freq: Optional[int] = None,
|
||||
use_freq_weights: bool = True,
|
||||
mult_add_mask: bool = False,
|
||||
):
|
||||
if hidden_activation_kwargs is None:
|
||||
hidden_activation_kwargs = {}
|
||||
if mult_add_mask:
|
||||
raise NotImplementedError("Bandit mult_add_mask is not supported by the inference-only wrapper")
|
||||
|
||||
stems = [stem for stem in stems if stem != "mne:+"]
|
||||
if overlapping_band:
|
||||
assert freq_weights is not None
|
||||
assert n_freq is not None
|
||||
self.mask_estim = nn.ModuleDict(
|
||||
{
|
||||
stem: OverlappingMaskEstimationModule(
|
||||
band_specs=band_specs,
|
||||
freq_weights=freq_weights,
|
||||
n_freq=n_freq,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
in_channel=in_channel,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
use_freq_weights=use_freq_weights,
|
||||
)
|
||||
for stem in stems
|
||||
}
|
||||
)
|
||||
else:
|
||||
self.mask_estim = nn.ModuleDict(
|
||||
{
|
||||
stem: MaskEstimationModule(
|
||||
band_specs=band_specs,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
cond_dim=cond_dim,
|
||||
in_channel=in_channel,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
)
|
||||
for stem in stems
|
||||
}
|
||||
)
|
||||
|
||||
def instantiate_bandsplit(
|
||||
self,
|
||||
in_channel: int,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
emb_dim: int = 128,
|
||||
):
|
||||
self.band_split = BandSplitModule(
|
||||
in_channel=in_channel,
|
||||
band_specs=band_specs,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
emb_dim=emb_dim,
|
||||
)
|
||||
|
||||
|
||||
class MultiSourceMultiMaskBandSplitCoreRNN(MultiMaskBandSplitCoreBase):
|
||||
def __init__(
|
||||
self,
|
||||
in_channel: int,
|
||||
stems: List[str],
|
||||
band_specs: List[Tuple[float, float]],
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
n_sqm_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
mlp_dim: int = 512,
|
||||
cond_dim: int = 0,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Optional[Dict] = None,
|
||||
complex_mask: bool = True,
|
||||
overlapping_band: bool = False,
|
||||
freq_weights: Optional[List[torch.Tensor]] = None,
|
||||
n_freq: Optional[int] = None,
|
||||
use_freq_weights: bool = True,
|
||||
mult_add_mask: bool = False,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
self.instantiate_bandsplit(
|
||||
in_channel=in_channel,
|
||||
band_specs=band_specs,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
emb_dim=emb_dim,
|
||||
)
|
||||
|
||||
self.tf_model = SeqBandModellingModule(
|
||||
n_modules=n_sqm_modules,
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
)
|
||||
|
||||
self.instantiate_mask_estim(
|
||||
in_channel=in_channel,
|
||||
stems=stems,
|
||||
band_specs=band_specs,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
cond_dim=cond_dim,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
overlapping_band=overlapping_band,
|
||||
freq_weights=freq_weights,
|
||||
n_freq=n_freq,
|
||||
use_freq_weights=use_freq_weights,
|
||||
mult_add_mask=mult_add_mask,
|
||||
)
|
||||
@@ -0,0 +1,20 @@
|
||||
from ....maskestim import (
|
||||
BaseNormMLP,
|
||||
MaskEstimationModule,
|
||||
MaskEstimationModuleBase,
|
||||
MaskEstimationModuleSuperBase,
|
||||
MultAddNormMLP,
|
||||
NormMLP,
|
||||
OverlappingMaskEstimationModule,
|
||||
)
|
||||
|
||||
|
||||
__all__ = (
|
||||
"BaseNormMLP",
|
||||
"MaskEstimationModule",
|
||||
"MaskEstimationModuleBase",
|
||||
"MaskEstimationModuleSuperBase",
|
||||
"MultAddNormMLP",
|
||||
"NormMLP",
|
||||
"OverlappingMaskEstimationModule",
|
||||
)
|
||||
12
tools/pymss_core/modules/bandit/core/model/bsrnn/tfmodel.py
Normal file
12
tools/pymss_core/modules/bandit/core/model/bsrnn/tfmodel.py
Normal file
@@ -0,0 +1,12 @@
|
||||
from ....tfmodel import (
|
||||
ResidualRNN,
|
||||
TimeFrequencyModellingModule,
|
||||
_SeqBandModellingPreset,
|
||||
)
|
||||
|
||||
|
||||
class SeqBandModellingModule(_SeqBandModellingPreset):
|
||||
pass
|
||||
|
||||
|
||||
__all__ = ("ResidualRNN", "SeqBandModellingModule", "TimeFrequencyModellingModule")
|
||||
355
tools/pymss_core/modules/bandit/core/model/bsrnn/utils.py
Normal file
355
tools/pymss_core/modules/bandit/core/model/bsrnn/utils.py
Normal file
@@ -0,0 +1,355 @@
|
||||
import os
|
||||
from abc import abstractmethod
|
||||
from typing import Callable
|
||||
|
||||
import numpy as np
|
||||
import torch
|
||||
from torch import Tensor
|
||||
|
||||
from ....._dsp import hz_to_midi, mel_filterbank as _mel_filterbank, midi_to_hz
|
||||
|
||||
|
||||
def band_widths_from_specs(band_specs):
|
||||
return [e - i for i, e in band_specs]
|
||||
|
||||
|
||||
def check_nonzero_bandwidth(band_specs):
|
||||
for fstart, fend in band_specs:
|
||||
if fend - fstart <= 0:
|
||||
raise ValueError("Bands cannot be zero-width")
|
||||
|
||||
|
||||
def check_no_overlap(band_specs):
|
||||
fend_prev = -1
|
||||
for fstart_curr, fend_curr in band_specs:
|
||||
if fstart_curr <= fend_prev:
|
||||
raise ValueError("Bands cannot overlap")
|
||||
|
||||
|
||||
def check_no_gap(band_specs):
|
||||
fstart, _ = band_specs[0]
|
||||
assert fstart == 0
|
||||
|
||||
fend_prev = -1
|
||||
for fstart_curr, fend_curr in band_specs:
|
||||
if fstart_curr - fend_prev > 1:
|
||||
raise ValueError("Bands cannot leave gap")
|
||||
fend_prev = fend_curr
|
||||
|
||||
|
||||
def create_triangular_filterbank(all_freqs, f_pts):
|
||||
f_diff = f_pts[1:] - f_pts[:-1]
|
||||
slopes = f_pts.unsqueeze(0) - all_freqs.unsqueeze(1)
|
||||
down_slopes = -slopes[:, :-2] / f_diff[:-1]
|
||||
up_slopes = slopes[:, 2:] / f_diff[1:]
|
||||
return torch.clamp(torch.minimum(down_slopes, up_slopes), min=0.0)
|
||||
|
||||
|
||||
def triangular_filterbank_from_points(all_freqs, f_pts):
|
||||
fb = create_triangular_filterbank(all_freqs, f_pts).T
|
||||
first_active_band = torch.nonzero(torch.sum(fb, dim=-1))[0, 0]
|
||||
fb[first_active_band, : torch.nonzero(fb[first_active_band, :])[0, 0]] = 1.0
|
||||
return fb
|
||||
|
||||
|
||||
def hz_to_bark(hz):
|
||||
return 6 * np.arcsinh(np.asarray(hz) / 600)
|
||||
|
||||
|
||||
def hz_to_erb(hz):
|
||||
a = (1000 * np.log(10)) / (24.7 * 4.37)
|
||||
return a * np.log10(1 + 0.00437 * np.asarray(hz))
|
||||
|
||||
|
||||
class BandsplitSpecification:
|
||||
def __init__(self, nfft: int, fs: int) -> None:
|
||||
self.fs = fs
|
||||
self.nfft = nfft
|
||||
self.nyquist = fs / 2
|
||||
self.max_index = nfft // 2 + 1
|
||||
|
||||
self.split500 = self.hertz_to_index(500)
|
||||
self.split1k = self.hertz_to_index(1000)
|
||||
self.split2k = self.hertz_to_index(2000)
|
||||
self.split4k = self.hertz_to_index(4000)
|
||||
self.split8k = self.hertz_to_index(8000)
|
||||
self.split16k = self.hertz_to_index(16000)
|
||||
self.split20k = self.hertz_to_index(20000)
|
||||
|
||||
self.above20k = [(self.split20k, self.max_index)]
|
||||
self.above16k = [(self.split16k, self.split20k)] + self.above20k
|
||||
|
||||
def index_to_hertz(self, index: int):
|
||||
return index * self.fs / self.nfft
|
||||
|
||||
def hertz_to_index(self, hz: float, round: bool = True):
|
||||
index = hz * self.nfft / self.fs
|
||||
if round:
|
||||
index = int(np.round(index))
|
||||
return index
|
||||
|
||||
def get_band_specs_with_bandwidth(self, start_index, end_index, bandwidth_hz):
|
||||
band_specs = []
|
||||
lower = start_index
|
||||
while lower < end_index:
|
||||
upper = min(int(np.floor(lower + self.hertz_to_index(bandwidth_hz))), end_index)
|
||||
band_specs.append((lower, upper))
|
||||
lower = upper
|
||||
return band_specs
|
||||
|
||||
def bands(self, *segments):
|
||||
return sum((self.get_band_specs_with_bandwidth(start, end, bandwidth) for start, end, bandwidth in segments), [])
|
||||
|
||||
@abstractmethod
|
||||
def get_band_specs(self):
|
||||
raise NotImplementedError
|
||||
|
||||
|
||||
class VocalBandsplitSpecification(BandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, version: str = "7") -> None:
|
||||
super().__init__(nfft=nfft, fs=fs)
|
||||
|
||||
self.version = version
|
||||
|
||||
def get_band_specs(self):
|
||||
return getattr(self, f"version{self.version}")()
|
||||
|
||||
def version1(self):
|
||||
return self.bands((0, self.max_index, 1000))
|
||||
|
||||
def version2(self):
|
||||
return self.bands((0, self.split16k, 1000), (self.split16k, self.split20k, 2000)) + self.above20k
|
||||
|
||||
def version3(self):
|
||||
return self.bands((0, self.split8k, 1000), (self.split8k, self.split16k, 2000)) + self.above16k
|
||||
|
||||
def version4(self):
|
||||
return (
|
||||
self.bands((0, self.split1k, 100), (self.split1k, self.split8k, 1000), (self.split8k, self.split16k, 2000))
|
||||
+ self.above16k
|
||||
)
|
||||
|
||||
def version5(self):
|
||||
return (
|
||||
self.bands((0, self.split1k, 100), (self.split1k, self.split16k, 1000), (self.split16k, self.split20k, 2000))
|
||||
+ self.above20k
|
||||
)
|
||||
|
||||
def version6(self):
|
||||
return (
|
||||
self.bands(
|
||||
(0, self.split1k, 100),
|
||||
(self.split1k, self.split4k, 500),
|
||||
(self.split4k, self.split8k, 1000),
|
||||
(self.split8k, self.split16k, 2000),
|
||||
)
|
||||
+ self.above16k
|
||||
)
|
||||
|
||||
def version7(self):
|
||||
return (
|
||||
self.bands(
|
||||
(0, self.split1k, 100),
|
||||
(self.split1k, self.split4k, 250),
|
||||
(self.split4k, self.split8k, 500),
|
||||
(self.split8k, self.split16k, 1000),
|
||||
(self.split16k, self.split20k, 2000),
|
||||
)
|
||||
+ self.above20k
|
||||
)
|
||||
|
||||
|
||||
class OtherBandsplitSpecification(VocalBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int) -> None:
|
||||
super().__init__(nfft=nfft, fs=fs, version="7")
|
||||
|
||||
|
||||
class BassBandsplitSpecification(BandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, version: str = "7") -> None:
|
||||
super().__init__(nfft=nfft, fs=fs)
|
||||
|
||||
def get_band_specs(self):
|
||||
return self.bands(
|
||||
(0, self.split500, 50),
|
||||
(self.split500, self.split1k, 100),
|
||||
(self.split1k, self.split4k, 500),
|
||||
(self.split4k, self.split8k, 1000),
|
||||
(self.split8k, self.split16k, 2000),
|
||||
) + [(self.split16k, self.max_index)]
|
||||
|
||||
|
||||
class DrumBandsplitSpecification(BandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int) -> None:
|
||||
super().__init__(nfft=nfft, fs=fs)
|
||||
|
||||
def get_band_specs(self):
|
||||
return self.bands(
|
||||
(0, self.split1k, 50),
|
||||
(self.split1k, self.split2k, 100),
|
||||
(self.split2k, self.split4k, 250),
|
||||
(self.split4k, self.split8k, 500),
|
||||
(self.split8k, self.split16k, 1000),
|
||||
) + [(self.split16k, self.max_index)]
|
||||
|
||||
|
||||
class PerceptualBandsplitSpecification(BandsplitSpecification):
|
||||
def __init__(
|
||||
self,
|
||||
nfft: int,
|
||||
fs: int,
|
||||
fbank_fn: Callable[[int, int, float, float, int], torch.Tensor],
|
||||
n_bands: int,
|
||||
f_min: float = 0.0,
|
||||
f_max: float = None,
|
||||
) -> None:
|
||||
super().__init__(nfft=nfft, fs=fs)
|
||||
self.n_bands = n_bands
|
||||
if f_max is None:
|
||||
f_max = fs / 2
|
||||
|
||||
self.filterbank = fbank_fn(n_bands, fs, f_min, f_max, self.max_index)
|
||||
|
||||
weight_per_bin = torch.sum(self.filterbank, dim=0, keepdim=True)
|
||||
normalized_mel_fb = self.filterbank / weight_per_bin # (n_mels, n_freqs)
|
||||
|
||||
freq_weights = []
|
||||
band_specs = []
|
||||
for i in range(self.n_bands):
|
||||
active_bins = torch.nonzero(self.filterbank[i, :]).squeeze().tolist()
|
||||
if isinstance(active_bins, int):
|
||||
active_bins = (active_bins, active_bins)
|
||||
if len(active_bins) == 0:
|
||||
continue
|
||||
band_specs.append((start_index := active_bins[0], end_index := active_bins[-1] + 1))
|
||||
freq_weights.append(normalized_mel_fb[i, start_index:end_index])
|
||||
|
||||
self.freq_weights = freq_weights
|
||||
self.band_specs = band_specs
|
||||
|
||||
def get_band_specs(self):
|
||||
return self.band_specs
|
||||
|
||||
def get_freq_weights(self):
|
||||
return self.freq_weights
|
||||
|
||||
def save_to_file(self, dir_path: str) -> None:
|
||||
os.makedirs(dir_path, exist_ok=True)
|
||||
|
||||
import pickle
|
||||
|
||||
with open(os.path.join(dir_path, "mel_bandsplit_spec.pkl"), "wb") as f:
|
||||
pickle.dump({"band_specs": self.band_specs, "freq_weights": self.freq_weights, "filterbank": self.filterbank}, f)
|
||||
|
||||
|
||||
def mel_filterbank(n_bands, fs, f_min, f_max, n_freqs):
|
||||
nfft = 2 * (n_freqs - 1)
|
||||
fb = torch.as_tensor(
|
||||
_mel_filterbank(
|
||||
sr=fs,
|
||||
n_fft=nfft,
|
||||
n_mels=n_bands,
|
||||
fmin=f_min,
|
||||
fmax=f_max,
|
||||
htk=True,
|
||||
norm=None,
|
||||
)
|
||||
)
|
||||
fb[0, 0] = 1.0
|
||||
return fb
|
||||
|
||||
|
||||
class MelBandsplitSpecification(PerceptualBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, n_bands: int, f_min: float = 0.0, f_max: float = None) -> None:
|
||||
super().__init__(fbank_fn=mel_filterbank, nfft=nfft, fs=fs, n_bands=n_bands, f_min=f_min, f_max=f_max)
|
||||
|
||||
|
||||
def musical_filterbank(n_bands, fs, f_min, f_max, n_freqs, scale="constant"):
|
||||
nfft, f_max, f_min = 2 * (n_freqs - 1), f_max or fs / 2, fs / (2 * (n_freqs - 1))
|
||||
df, bandwidth_mult = fs / nfft, np.power(2.0, np.log2(f_max / f_min) / n_bands)
|
||||
hz_pts = midi_to_hz(np.linspace(max(0, hz_to_midi(f_min)), hz_to_midi(f_max), n_bands))
|
||||
low_bins, high_bins = np.floor(hz_pts / bandwidth_mult / df).astype(int), np.ceil(hz_pts * bandwidth_mult / df).astype(int)
|
||||
|
||||
fb = np.zeros((n_bands, n_freqs))
|
||||
|
||||
for i in range(n_bands):
|
||||
fb[i, low_bins[i] : high_bins[i] + 1] = 1.0
|
||||
|
||||
fb[0, : low_bins[0]] = 1.0
|
||||
fb[-1, high_bins[-1] + 1 :] = 1.0
|
||||
|
||||
return torch.as_tensor(fb)
|
||||
|
||||
|
||||
class MusicalBandsplitSpecification(PerceptualBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, n_bands: int, f_min: float = 0.0, f_max: float = None) -> None:
|
||||
super().__init__(fbank_fn=musical_filterbank, nfft=nfft, fs=fs, n_bands=n_bands, f_min=f_min, f_max=f_max)
|
||||
|
||||
|
||||
def bark_filterbank(n_bands, fs, f_min, f_max, n_freqs):
|
||||
nfft = 2 * (n_freqs - 1)
|
||||
f_max = f_max or fs / 2
|
||||
centers = np.linspace(hz_to_bark(f_min), hz_to_bark(f_max), n_bands)
|
||||
bins = np.floor((nfft + 1) * (600 * np.sinh(centers / 6) / fs)).astype(int)
|
||||
start, end = int(bins[0]), int(bins[-1])
|
||||
bark_bins = hz_to_bark(np.arange(start, end) * fs / (nfft + 1))
|
||||
fb = np.zeros((n_bands, n_freqs))
|
||||
|
||||
for band, center in enumerate(centers):
|
||||
diff = bark_bins - center
|
||||
values = np.zeros_like(diff)
|
||||
lower = (-1.3 <= diff) & (diff <= -0.5)
|
||||
center_mask = (-0.5 < diff) & (diff < 0.5)
|
||||
upper = (0.5 <= diff) & (diff <= 2.5)
|
||||
values[lower] = 10 ** (2.5 * (diff[lower] + 0.5))
|
||||
values[center_mask] = 1
|
||||
values[upper] = 10 ** (-(diff[upper] - 0.5))
|
||||
fb[band, start:end] = values
|
||||
|
||||
return torch.as_tensor(fb)
|
||||
|
||||
|
||||
class BarkBandsplitSpecification(PerceptualBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, n_bands: int, f_min: float = 0.0, f_max: float = None) -> None:
|
||||
super().__init__(fbank_fn=bark_filterbank, nfft=nfft, fs=fs, n_bands=n_bands, f_min=f_min, f_max=f_max)
|
||||
|
||||
|
||||
def triangular_bark_filterbank(n_bands, fs, f_min, f_max, n_freqs):
|
||||
return triangular_filterbank_from_points(
|
||||
torch.linspace(0, fs // 2, n_freqs),
|
||||
600 * torch.sinh(torch.linspace(hz_to_bark(f_min), hz_to_bark(f_max), n_bands + 2) / 6),
|
||||
)
|
||||
|
||||
|
||||
class TriangularBarkBandsplitSpecification(PerceptualBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, n_bands: int, f_min: float = 0.0, f_max: float = None) -> None:
|
||||
super().__init__(fbank_fn=triangular_bark_filterbank, nfft=nfft, fs=fs, n_bands=n_bands, f_min=f_min, f_max=f_max)
|
||||
|
||||
|
||||
def minibark_filterbank(n_bands, fs, f_min, f_max, n_freqs):
|
||||
fb = bark_filterbank(n_bands, fs, f_min, f_max, n_freqs)
|
||||
fb[fb < np.sqrt(0.5)] = 0.0
|
||||
return fb
|
||||
|
||||
|
||||
class MiniBarkBandsplitSpecification(PerceptualBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, n_bands: int, f_min: float = 0.0, f_max: float = None) -> None:
|
||||
super().__init__(fbank_fn=minibark_filterbank, nfft=nfft, fs=fs, n_bands=n_bands, f_min=f_min, f_max=f_max)
|
||||
|
||||
|
||||
def erb_filterbank(
|
||||
n_bands: int,
|
||||
fs: int,
|
||||
f_min: float,
|
||||
f_max: float,
|
||||
n_freqs: int,
|
||||
) -> Tensor:
|
||||
A = (1000 * np.log(10)) / (24.7 * 4.37)
|
||||
return triangular_filterbank_from_points(
|
||||
torch.linspace(0, fs // 2, n_freqs),
|
||||
(torch.pow(10, torch.linspace(hz_to_erb(f_min), hz_to_erb(f_max), n_bands + 2) / A) - 1) / 0.00437,
|
||||
)
|
||||
|
||||
|
||||
class EquivalentRectangularBandsplitSpecification(PerceptualBandsplitSpecification):
|
||||
def __init__(self, nfft: int, fs: int, n_bands: int, f_min: float = 0.0, f_max: float = None) -> None:
|
||||
super().__init__(fbank_fn=erb_filterbank, nfft=nfft, fs=fs, n_bands=n_bands, f_min=f_min, f_max=f_max)
|
||||
235
tools/pymss_core/modules/bandit/core/model/bsrnn/wrapper.py
Normal file
235
tools/pymss_core/modules/bandit/core/model/bsrnn/wrapper.py
Normal file
@@ -0,0 +1,235 @@
|
||||
from typing import Dict, List, Optional, Tuple, Union
|
||||
|
||||
import torch
|
||||
|
||||
from .._spectral import _SpectralComponent
|
||||
from .core import MultiSourceMultiMaskBandSplitCoreRNN
|
||||
from .utils import (
|
||||
BarkBandsplitSpecification,
|
||||
EquivalentRectangularBandsplitSpecification,
|
||||
MelBandsplitSpecification,
|
||||
MusicalBandsplitSpecification,
|
||||
TriangularBarkBandsplitSpecification,
|
||||
VocalBandsplitSpecification,
|
||||
)
|
||||
|
||||
__all__ = ("MultiMaskMultiSourceBandSplitRNNSimple",)
|
||||
|
||||
|
||||
def get_band_specs(band_specs, n_fft, fs, n_bands=None):
|
||||
if not isinstance(band_specs, str):
|
||||
return band_specs, None, False
|
||||
|
||||
if band_specs in ["dnr:speech", "dnr:vox7", "musdb:vocals", "musdb:vox7"]:
|
||||
bsm = VocalBandsplitSpecification(nfft=n_fft, fs=fs).get_band_specs()
|
||||
freq_weights = None
|
||||
overlapping_band = False
|
||||
elif "tribark" in band_specs:
|
||||
assert n_bands is not None
|
||||
specs = TriangularBarkBandsplitSpecification(nfft=n_fft, fs=fs, n_bands=n_bands)
|
||||
bsm = specs.get_band_specs()
|
||||
freq_weights = specs.get_freq_weights()
|
||||
overlapping_band = True
|
||||
elif "bark" in band_specs:
|
||||
assert n_bands is not None
|
||||
specs = BarkBandsplitSpecification(nfft=n_fft, fs=fs, n_bands=n_bands)
|
||||
bsm = specs.get_band_specs()
|
||||
freq_weights = specs.get_freq_weights()
|
||||
overlapping_band = True
|
||||
elif "erb" in band_specs:
|
||||
assert n_bands is not None
|
||||
specs = EquivalentRectangularBandsplitSpecification(nfft=n_fft, fs=fs, n_bands=n_bands)
|
||||
bsm = specs.get_band_specs()
|
||||
freq_weights = specs.get_freq_weights()
|
||||
overlapping_band = True
|
||||
elif "musical" in band_specs:
|
||||
assert n_bands is not None
|
||||
specs = MusicalBandsplitSpecification(nfft=n_fft, fs=fs, n_bands=n_bands)
|
||||
bsm = specs.get_band_specs()
|
||||
freq_weights = specs.get_freq_weights()
|
||||
overlapping_band = True
|
||||
elif band_specs == "dnr:mel" or "mel" in band_specs:
|
||||
assert n_bands is not None
|
||||
specs = MelBandsplitSpecification(nfft=n_fft, fs=fs, n_bands=n_bands)
|
||||
bsm = specs.get_band_specs()
|
||||
freq_weights = specs.get_freq_weights()
|
||||
overlapping_band = True
|
||||
else:
|
||||
raise ValueError(f"Unsupported band_specs: {band_specs}")
|
||||
|
||||
return bsm, freq_weights, overlapping_band
|
||||
|
||||
|
||||
class MultiMaskMultiSourceBandSplitBaseSimple(_SpectralComponent):
|
||||
mps_model_backend = "torch"
|
||||
mps_model_compute_dtype = torch.float16
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
stems: List[str],
|
||||
band_specs: Union[str, List[Tuple[float, float]]],
|
||||
fs: int = 44100,
|
||||
n_fft: int = 2048,
|
||||
win_length: Optional[int] = 2048,
|
||||
hop_length: int = 512,
|
||||
window_fn: str = "hann_window",
|
||||
wkwargs: Optional[Dict] = None,
|
||||
power: Optional[int] = None,
|
||||
center: bool = True,
|
||||
normalized: bool = True,
|
||||
pad_mode: str = "constant",
|
||||
onesided: bool = True,
|
||||
n_bands: int = None,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
n_fft=n_fft,
|
||||
win_length=win_length,
|
||||
hop_length=hop_length,
|
||||
window_fn=window_fn,
|
||||
wkwargs=wkwargs,
|
||||
power=power,
|
||||
center=center,
|
||||
normalized=normalized,
|
||||
pad_mode=pad_mode,
|
||||
onesided=onesided,
|
||||
)
|
||||
self.band_specs, self.freq_weights, self.overlapping_band = get_band_specs(
|
||||
band_specs,
|
||||
n_fft,
|
||||
fs,
|
||||
n_bands,
|
||||
)
|
||||
self.stems = stems
|
||||
|
||||
def set_mps_model_backend(self, backend=None, compute_dtype=None):
|
||||
backend = (backend or "torch").lower()
|
||||
if backend not in ("torch", "mlx_full"):
|
||||
raise ValueError("mps_model_backend must be 'torch' or 'mlx_full'")
|
||||
self.mps_model_backend = backend
|
||||
if compute_dtype is None:
|
||||
return
|
||||
if isinstance(compute_dtype, str):
|
||||
compute_dtype = {
|
||||
"float16": torch.float16,
|
||||
"fp16": torch.float16,
|
||||
"float32": torch.float32,
|
||||
"fp32": torch.float32,
|
||||
}.get(compute_dtype.lower(), compute_dtype)
|
||||
if compute_dtype not in (torch.float16, torch.float32):
|
||||
raise ValueError("mps_model_compute_dtype must be 'float16' or 'float32'")
|
||||
self.mps_model_compute_dtype = compute_dtype
|
||||
|
||||
def _use_mlx_full_forward(self, batch):
|
||||
return not self.training and self.mps_model_backend == "mlx_full" and batch.device.type == "mps"
|
||||
|
||||
def mlx_forward_mx(self, raw_audio):
|
||||
from .....bandit_mlx import mlx_forward_bandit_mx
|
||||
|
||||
return mlx_forward_bandit_mx(self, raw_audio, self.mps_model_compute_dtype)
|
||||
|
||||
def forward(self, batch):
|
||||
if self._use_mlx_full_forward(batch):
|
||||
try:
|
||||
from .....bandit_mlx import mlx_forward_bandit
|
||||
|
||||
return mlx_forward_bandit(self, batch, self.mps_model_compute_dtype)
|
||||
except Exception as exc:
|
||||
self._pymss_mlx_full_backend_error = repr(exc)
|
||||
self.mps_model_backend = "torch"
|
||||
with torch.no_grad():
|
||||
x = self.stft(batch)
|
||||
|
||||
length = batch.shape[-1]
|
||||
output = self.bsrnn(x, cond=None)
|
||||
estimates = [self.istft(spec, length) for spec in output["spectrogram"].values()]
|
||||
return torch.stack(estimates, dim=1)
|
||||
|
||||
|
||||
class MultiMaskMultiSourceBandSplitRNNSimple(MultiMaskMultiSourceBandSplitBaseSimple):
|
||||
def __init__(
|
||||
self,
|
||||
in_channel: int,
|
||||
stems: List[str],
|
||||
band_specs: Union[str, List[Tuple[float, float]]],
|
||||
fs: int = 44100,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
n_sqm_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
cond_dim: int = 0,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
mlp_dim: int = 512,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Optional[Dict] = None,
|
||||
complex_mask: bool = True,
|
||||
n_fft: int = 2048,
|
||||
win_length: Optional[int] = 2048,
|
||||
hop_length: int = 512,
|
||||
window_fn: str = "hann_window",
|
||||
wkwargs: Optional[Dict] = None,
|
||||
power: Optional[int] = None,
|
||||
center: bool = True,
|
||||
normalized: bool = True,
|
||||
pad_mode: str = "constant",
|
||||
onesided: bool = True,
|
||||
n_bands: int = None,
|
||||
use_freq_weights: bool = True,
|
||||
normalize_input: bool = False,
|
||||
mult_add_mask: bool = False,
|
||||
freeze_encoder: bool = False,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
stems=stems,
|
||||
band_specs=band_specs,
|
||||
fs=fs,
|
||||
n_fft=n_fft,
|
||||
win_length=win_length,
|
||||
hop_length=hop_length,
|
||||
window_fn=window_fn,
|
||||
wkwargs=wkwargs,
|
||||
power=power,
|
||||
center=center,
|
||||
normalized=normalized,
|
||||
pad_mode=pad_mode,
|
||||
onesided=onesided,
|
||||
n_bands=n_bands,
|
||||
)
|
||||
|
||||
self.bsrnn = MultiSourceMultiMaskBandSplitCoreRNN(
|
||||
stems=stems,
|
||||
band_specs=self.band_specs,
|
||||
in_channel=in_channel,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
n_sqm_modules=n_sqm_modules,
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
mlp_dim=mlp_dim,
|
||||
cond_dim=cond_dim,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
overlapping_band=self.overlapping_band,
|
||||
freq_weights=self.freq_weights,
|
||||
n_freq=n_fft // 2 + 1,
|
||||
use_freq_weights=use_freq_weights,
|
||||
mult_add_mask=mult_add_mask,
|
||||
)
|
||||
|
||||
self.normalize_input = normalize_input
|
||||
self.cond_dim = cond_dim
|
||||
|
||||
if freeze_encoder:
|
||||
for param in self.bsrnn.band_split.parameters():
|
||||
param.requires_grad = False
|
||||
|
||||
for param in self.bsrnn.tf_model.parameters():
|
||||
param.requires_grad = False
|
||||
312
tools/pymss_core/modules/bandit/maskestim.py
Normal file
312
tools/pymss_core/modules/bandit/maskestim.py
Normal file
@@ -0,0 +1,312 @@
|
||||
from typing import Dict, List, Optional, Tuple, Type
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
from torch.nn.modules import activation
|
||||
from torch.utils.checkpoint import checkpoint_sequential
|
||||
|
||||
from .core.model.bsrnn.utils import (
|
||||
band_widths_from_specs,
|
||||
check_no_gap,
|
||||
check_no_overlap,
|
||||
check_nonzero_bandwidth,
|
||||
)
|
||||
|
||||
|
||||
def _resolve_channels(in_channels=None, in_channel=None):
|
||||
channels = in_channels if in_channels is not None else in_channel
|
||||
if channels is None:
|
||||
raise TypeError("in_channels is required")
|
||||
return channels
|
||||
|
||||
|
||||
class BaseNormMLP(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
bandwidth: int,
|
||||
in_channels: Optional[int] = None,
|
||||
in_channel: Optional[int] = None,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs=None,
|
||||
complex_mask: bool = True,
|
||||
):
|
||||
super().__init__()
|
||||
if hidden_activation_kwargs is None:
|
||||
hidden_activation_kwargs = {}
|
||||
channels = _resolve_channels(in_channels, in_channel)
|
||||
self.hidden_activation_kwargs = hidden_activation_kwargs
|
||||
self.norm = nn.LayerNorm(emb_dim)
|
||||
self.hidden = nn.Sequential(
|
||||
nn.Linear(in_features=emb_dim, out_features=mlp_dim),
|
||||
activation.__dict__[hidden_activation](**hidden_activation_kwargs),
|
||||
)
|
||||
self.bandwidth = bandwidth
|
||||
self.in_channels = channels
|
||||
self.in_channel = channels
|
||||
self.complex_mask = complex_mask
|
||||
self.reim = 2 if complex_mask else 1
|
||||
self.glu_mult = 2
|
||||
|
||||
|
||||
class NormMLP(BaseNormMLP):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
bandwidth: int,
|
||||
in_channels: Optional[int] = None,
|
||||
in_channel: Optional[int] = None,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs=None,
|
||||
complex_mask: bool = True,
|
||||
use_combined: bool = False,
|
||||
use_checkpoint: bool = False,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
bandwidth=bandwidth,
|
||||
in_channels=in_channels,
|
||||
in_channel=in_channel,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
)
|
||||
self.output = nn.Sequential(
|
||||
nn.Linear(
|
||||
in_features=mlp_dim,
|
||||
out_features=self.bandwidth * self.in_channels * self.reim * 2,
|
||||
),
|
||||
nn.GLU(dim=-1),
|
||||
)
|
||||
self.use_checkpoint = use_checkpoint
|
||||
if use_combined:
|
||||
self.combined = nn.Sequential(self.norm, self.hidden, self.output)
|
||||
|
||||
def reshape_output(self, mb):
|
||||
batch, n_time, _ = mb.shape
|
||||
if self.complex_mask:
|
||||
mb = torch.view_as_complex(mb.reshape(batch, n_time, self.in_channels, self.bandwidth, self.reim).contiguous())
|
||||
else:
|
||||
mb = mb.reshape(batch, n_time, self.in_channels, self.bandwidth)
|
||||
|
||||
return mb.permute(0, 2, 3, 1)
|
||||
|
||||
def forward(self, qb):
|
||||
if hasattr(self, "combined"):
|
||||
if self.use_checkpoint:
|
||||
mb = checkpoint_sequential(self.combined, 2, qb, use_reentrant=False)
|
||||
else:
|
||||
mb = self.combined(qb)
|
||||
else:
|
||||
mb = self.output(self.hidden(self.norm(qb)))
|
||||
return self.reshape_output(mb)
|
||||
|
||||
|
||||
class MultAddNormMLP(NormMLP):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
bandwidth: int,
|
||||
in_channels: Optional[int] = None,
|
||||
in_channel: Optional[int] = None,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs=None,
|
||||
complex_mask: bool = True,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
bandwidth=bandwidth,
|
||||
in_channels=in_channels,
|
||||
in_channel=in_channel,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
)
|
||||
self.output2 = nn.Sequential(
|
||||
nn.Linear(
|
||||
in_features=mlp_dim,
|
||||
out_features=self.bandwidth * self.in_channels * self.reim * 2,
|
||||
),
|
||||
nn.GLU(dim=-1),
|
||||
)
|
||||
|
||||
def forward(self, qb):
|
||||
qb = self.hidden(self.norm(qb))
|
||||
return self.reshape_output(self.output(qb)), self.reshape_output(self.output2(qb))
|
||||
|
||||
|
||||
class MaskEstimationModuleSuperBase(nn.Module):
|
||||
pass
|
||||
|
||||
|
||||
class MaskEstimationModuleBase(MaskEstimationModuleSuperBase):
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
in_channels: Optional[int] = None,
|
||||
in_channel: Optional[int] = None,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Dict = None,
|
||||
complex_mask: bool = True,
|
||||
norm_mlp_cls: Type[nn.Module] = NormMLP,
|
||||
norm_mlp_kwargs: Dict = None,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
channels = _resolve_channels(in_channels, in_channel)
|
||||
self.band_widths = band_widths_from_specs(band_specs)
|
||||
self.n_bands = len(band_specs)
|
||||
hidden_activation_kwargs = hidden_activation_kwargs or {}
|
||||
norm_mlp_kwargs = norm_mlp_kwargs or {}
|
||||
self.norm_mlp = nn.ModuleList(
|
||||
[
|
||||
norm_mlp_cls(
|
||||
bandwidth=self.band_widths[b],
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
in_channels=channels,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
**norm_mlp_kwargs,
|
||||
)
|
||||
for b in range(self.n_bands)
|
||||
]
|
||||
)
|
||||
|
||||
def compute_masks(self, q):
|
||||
return [nmlp(q[:, b, :, :]) for b, nmlp in enumerate(self.norm_mlp)]
|
||||
|
||||
def compute_mask(self, q, b):
|
||||
return self.norm_mlp[b](q[:, b, :, :])
|
||||
|
||||
|
||||
class OverlappingMaskEstimationModule(MaskEstimationModuleBase):
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
freq_weights: List[torch.Tensor],
|
||||
n_freq: int,
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
in_channels: Optional[int] = None,
|
||||
in_channel: Optional[int] = None,
|
||||
cond_dim: int = 0,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Dict = None,
|
||||
complex_mask: bool = True,
|
||||
norm_mlp_cls: Type[nn.Module] = NormMLP,
|
||||
norm_mlp_kwargs: Dict = None,
|
||||
use_freq_weights: bool = True,
|
||||
register_all_freq_weights: bool = True,
|
||||
allow_cond: bool = True,
|
||||
output_dtype: str = "mask",
|
||||
compute_all_masks: bool = True,
|
||||
) -> None:
|
||||
check_nonzero_bandwidth(band_specs)
|
||||
check_no_gap(band_specs)
|
||||
if cond_dim > 0 and not allow_cond:
|
||||
raise NotImplementedError
|
||||
|
||||
channels = _resolve_channels(in_channels, in_channel)
|
||||
super().__init__(
|
||||
band_specs=band_specs,
|
||||
emb_dim=emb_dim + cond_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
in_channels=channels,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
norm_mlp_cls=norm_mlp_cls,
|
||||
norm_mlp_kwargs=norm_mlp_kwargs,
|
||||
)
|
||||
self.n_freq = n_freq
|
||||
self.band_specs = band_specs
|
||||
self.in_channels = channels
|
||||
self.in_channel = channels
|
||||
self.cond_dim = cond_dim
|
||||
self.allow_cond = allow_cond
|
||||
self.output_dtype = output_dtype
|
||||
self.compute_all_masks = compute_all_masks
|
||||
|
||||
should_register = freq_weights is not None and (register_all_freq_weights or use_freq_weights)
|
||||
self.use_freq_weights = bool(freq_weights is not None and use_freq_weights)
|
||||
if should_register:
|
||||
for i, fw in enumerate(freq_weights):
|
||||
self.register_buffer(f"freq_weights/{i}", fw)
|
||||
|
||||
def _append_cond(self, q, cond):
|
||||
if cond is not None:
|
||||
batch, n_bands, n_time, _ = q.shape
|
||||
if cond.ndim == 2:
|
||||
cond = cond[:, None, None, :].expand(-1, n_bands, n_time, -1)
|
||||
elif cond.ndim == 3:
|
||||
assert cond.shape[1] == n_time
|
||||
else:
|
||||
raise ValueError(f"Invalid cond shape: {cond.shape}")
|
||||
return torch.cat([q, cond], dim=-1)
|
||||
|
||||
if self.cond_dim <= 0:
|
||||
return q
|
||||
|
||||
batch, n_bands, n_time, _ = q.shape
|
||||
cond = torch.ones(batch, n_bands, n_time, self.cond_dim, device=q.device, dtype=q.dtype)
|
||||
return torch.cat([q, cond], dim=-1)
|
||||
|
||||
def forward(self, q, cond=None):
|
||||
if not self.allow_cond and cond is not None:
|
||||
raise NotImplementedError
|
||||
q = self._append_cond(q, cond)
|
||||
batch, n_bands, n_time, _ = q.shape
|
||||
|
||||
mask_list = self.compute_masks(q) if self.compute_all_masks else None
|
||||
dtype = torch.complex64 if self.output_dtype == "complex64" else mask_list[0].dtype
|
||||
masks = torch.zeros(batch, self.in_channels, self.n_freq, n_time, device=q.device, dtype=dtype)
|
||||
|
||||
for im in range(n_bands):
|
||||
fstart, fend = self.band_specs[im]
|
||||
mask = mask_list[im] if mask_list is not None else self.compute_mask(q, im)
|
||||
if self.use_freq_weights:
|
||||
mask = mask * self.get_buffer(f"freq_weights/{im}")[:, None]
|
||||
masks[:, :, fstart:fend, :] += mask
|
||||
|
||||
return masks
|
||||
|
||||
|
||||
class MaskEstimationModule(OverlappingMaskEstimationModule):
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
in_channels: Optional[int] = None,
|
||||
in_channel: Optional[int] = None,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Dict = None,
|
||||
complex_mask: bool = True,
|
||||
**kwargs,
|
||||
) -> None:
|
||||
check_nonzero_bandwidth(band_specs)
|
||||
check_no_gap(band_specs)
|
||||
check_no_overlap(band_specs)
|
||||
super().__init__(
|
||||
in_channels=in_channels,
|
||||
in_channel=in_channel,
|
||||
band_specs=band_specs,
|
||||
freq_weights=None,
|
||||
n_freq=0,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
)
|
||||
|
||||
def forward(self, q, cond=None):
|
||||
return torch.concat(self.compute_masks(q), dim=2)
|
||||
194
tools/pymss_core/modules/bandit/tfmodel.py
Normal file
194
tools/pymss_core/modules/bandit/tfmodel.py
Normal file
@@ -0,0 +1,194 @@
|
||||
import warnings
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
from torch.nn.modules import rnn
|
||||
from torch.utils.checkpoint import checkpoint_sequential
|
||||
|
||||
|
||||
class TimeFrequencyModellingModule(nn.Module):
|
||||
pass
|
||||
|
||||
|
||||
class ResidualRNN(nn.Module):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
rnn_dim: int,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
use_batch_trick: bool = True,
|
||||
use_layer_norm: bool = True,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
self.use_layer_norm = use_layer_norm
|
||||
self.norm = (
|
||||
nn.LayerNorm(emb_dim)
|
||||
if use_layer_norm
|
||||
else nn.GroupNorm(
|
||||
num_groups=emb_dim,
|
||||
num_channels=emb_dim,
|
||||
)
|
||||
)
|
||||
self.rnn = rnn.__dict__[rnn_type](
|
||||
input_size=emb_dim,
|
||||
hidden_size=rnn_dim,
|
||||
num_layers=1,
|
||||
batch_first=True,
|
||||
bidirectional=bidirectional,
|
||||
)
|
||||
self.fc = nn.Linear(
|
||||
in_features=rnn_dim * (2 if bidirectional else 1),
|
||||
out_features=emb_dim,
|
||||
)
|
||||
self.use_batch_trick = use_batch_trick
|
||||
if not self.use_batch_trick:
|
||||
warnings.warn("NOT USING BATCH TRICK IS EXTREMELY SLOW!!")
|
||||
|
||||
def forward(self, z):
|
||||
z0 = torch.clone(z)
|
||||
|
||||
if self.use_layer_norm:
|
||||
z = self.norm(z)
|
||||
else:
|
||||
z = self.norm(z.permute(0, 3, 1, 2)).permute(0, 2, 3, 1)
|
||||
|
||||
batch, n_uncrossed, n_across, emb_dim = z.shape
|
||||
|
||||
if self.use_batch_trick:
|
||||
z = self.rnn(z.reshape(batch * n_uncrossed, n_across, emb_dim).contiguous())[0].reshape(
|
||||
batch, n_uncrossed, n_across, -1
|
||||
)
|
||||
else:
|
||||
z = torch.stack([self.rnn(z[:, i, :, :])[0] for i in range(n_uncrossed)], dim=1)
|
||||
|
||||
return self.fc(z) + z0
|
||||
|
||||
|
||||
class Transpose(nn.Module):
|
||||
def __init__(self, dim0: int, dim1: int) -> None:
|
||||
super().__init__()
|
||||
self.dim0 = dim0
|
||||
self.dim1 = dim1
|
||||
|
||||
def forward(self, z):
|
||||
return z.transpose(self.dim0, self.dim1)
|
||||
|
||||
|
||||
class SeqBandModellingModule(TimeFrequencyModellingModule):
|
||||
def __init__(
|
||||
self,
|
||||
n_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
parallel_mode: bool = False,
|
||||
sequential_transpose: bool = False,
|
||||
checkpoint_segments: int | None = None,
|
||||
) -> None:
|
||||
super().__init__()
|
||||
self.n_modules = n_modules
|
||||
self.parallel_mode = parallel_mode
|
||||
self.checkpoint_segments = checkpoint_segments
|
||||
|
||||
if parallel_mode:
|
||||
self.seqband = nn.ModuleList(
|
||||
[
|
||||
nn.ModuleList(
|
||||
[
|
||||
ResidualRNN(
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
),
|
||||
ResidualRNN(
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
),
|
||||
]
|
||||
)
|
||||
for _ in range(n_modules)
|
||||
]
|
||||
)
|
||||
elif sequential_transpose:
|
||||
layers = []
|
||||
for _ in range(2 * n_modules):
|
||||
layers.extend(
|
||||
[
|
||||
ResidualRNN(
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
),
|
||||
Transpose(1, 2),
|
||||
]
|
||||
)
|
||||
self.seqband = nn.Sequential(*layers)
|
||||
else:
|
||||
self.seqband = nn.ModuleList(
|
||||
[
|
||||
ResidualRNN(
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
)
|
||||
for _ in range(2 * n_modules)
|
||||
]
|
||||
)
|
||||
|
||||
def forward(self, z):
|
||||
if self.parallel_mode:
|
||||
for sbm_t, sbm_f in self.seqband:
|
||||
zt = sbm_t(z)
|
||||
zf = sbm_f(z.transpose(1, 2))
|
||||
z = zt + zf.transpose(1, 2)
|
||||
return z
|
||||
|
||||
if isinstance(self.seqband, nn.Sequential):
|
||||
if self.checkpoint_segments:
|
||||
return checkpoint_sequential(
|
||||
self.seqband,
|
||||
self.checkpoint_segments,
|
||||
z,
|
||||
use_reentrant=False,
|
||||
)
|
||||
return self.seqband(z)
|
||||
|
||||
for sbm in self.seqband:
|
||||
z = sbm(z)
|
||||
z = z.transpose(1, 2)
|
||||
return z
|
||||
|
||||
|
||||
class _SeqBandModellingPreset(SeqBandModellingModule):
|
||||
def __init__(
|
||||
self,
|
||||
n_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
parallel_mode: bool = False,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
n_modules=n_modules,
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
parallel_mode=parallel_mode,
|
||||
**self._preset_runtime_options(n_modules, parallel_mode),
|
||||
)
|
||||
|
||||
@staticmethod
|
||||
def _preset_runtime_options(n_modules, parallel_mode):
|
||||
return {
|
||||
"sequential_transpose": False,
|
||||
"checkpoint_segments": None,
|
||||
}
|
||||
415
tools/pymss_core/modules/bandit_mlx.py
Normal file
415
tools/pymss_core/modules/bandit_mlx.py
Normal file
@@ -0,0 +1,415 @@
|
||||
import numpy as np
|
||||
import torch
|
||||
|
||||
from .mlx_utils import mlx_periodic_hann_window
|
||||
from .bandit.tfmodel import ResidualRNN, Transpose
|
||||
from .bs_roformer.mlx_attention import _gelu, _linear, _mlx_dtype, _torch_to_mlx_array, mlx_to_torch_mps
|
||||
|
||||
|
||||
def torch_to_mlx_input(tensor, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
return mx.array(tensor.detach().to(dtype=dtype).cpu().numpy())
|
||||
|
||||
|
||||
def _mlx_param(module, name, tensor, dtype):
|
||||
cache = getattr(module, "_pymss_mlx_full_param_cache", None)
|
||||
if cache is None:
|
||||
cache = {}
|
||||
module._pymss_mlx_full_param_cache = cache
|
||||
key = (name, tensor.data_ptr(), tensor._version, tuple(tensor.shape), dtype)
|
||||
cached = cache.get(name)
|
||||
if cached is not None and cached[0] == key:
|
||||
return cached[1]
|
||||
value = _torch_to_mlx_array(tensor, dtype)
|
||||
cache[name] = (key, value)
|
||||
return value
|
||||
|
||||
|
||||
def _hann_window(length, dtype):
|
||||
return mlx_periodic_hann_window(length, dtype)
|
||||
|
||||
|
||||
def _pad_last(x, left, right, mode="constant"):
|
||||
import mlx.core as mx
|
||||
|
||||
if left <= 0 and right <= 0:
|
||||
return x
|
||||
if mode == "constant":
|
||||
return mx.pad(x, [(0, 0)] * (x.ndim - 1) + [(left, right)])
|
||||
if mode != "reflect":
|
||||
raise TypeError(f"MLX Bandit STFT does not support pad_mode={mode!r}")
|
||||
if x.shape[-1] <= max(left, right):
|
||||
raise ValueError("reflect padding requires input length greater than padding")
|
||||
parts = []
|
||||
if left > 0:
|
||||
parts.append(x[..., 1 : left + 1][..., ::-1])
|
||||
parts.append(x)
|
||||
if right > 0:
|
||||
parts.append(x[..., -right - 1 : -1][..., ::-1])
|
||||
return mx.concatenate(parts, axis=-1)
|
||||
|
||||
|
||||
def _spectral_stft(stft_module, raw_audio, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
leading_shape = raw_audio.shape[:-1]
|
||||
length = raw_audio.shape[-1]
|
||||
n_fft = int(stft_module.n_fft)
|
||||
win_length = int(stft_module.win_length)
|
||||
hop = int(stft_module.hop_length)
|
||||
x = raw_audio.reshape(-1, length).astype(dtype)
|
||||
if stft_module.center:
|
||||
x = _pad_last(x, n_fft // 2, n_fft // 2, stft_module.pad_mode)
|
||||
frames = 1 + (x.shape[-1] - n_fft) // hop
|
||||
framed = mx.as_strided(x, shape=(x.shape[0], frames, n_fft), strides=(x.shape[-1], hop, 1))
|
||||
window = _hann_window(win_length, dtype)
|
||||
if win_length < n_fft:
|
||||
left = (n_fft - win_length) // 2
|
||||
window = mx.pad(window, [(left, n_fft - win_length - left)])
|
||||
elif win_length > n_fft:
|
||||
raise ValueError("MLX Bandit STFT does not support win_length > n_fft")
|
||||
spec = mx.fft.rfft(framed * window, n=n_fft, axis=-1)
|
||||
if stft_module.normalized:
|
||||
spec = spec / np.sqrt(n_fft)
|
||||
spec = mx.moveaxis(spec, -1, -2)
|
||||
return spec.reshape(*leading_shape, spec.shape[-2], spec.shape[-1]), {
|
||||
"n_fft": n_fft,
|
||||
"win_length": win_length,
|
||||
"hop": hop,
|
||||
"window": window,
|
||||
"normalized": stft_module.normalized,
|
||||
"center": stft_module.center,
|
||||
"dtype": dtype,
|
||||
}
|
||||
|
||||
|
||||
def _spectral_istft(istft_module, spec, context, length):
|
||||
import mlx.core as mx
|
||||
|
||||
leading_shape = spec.shape[:-2]
|
||||
freqs, frames_n = spec.shape[-2:]
|
||||
n_fft = context["n_fft"]
|
||||
hop = context["hop"]
|
||||
complex_stft = mx.moveaxis(spec.reshape(-1, freqs, frames_n), -2, -1)
|
||||
if context["normalized"]:
|
||||
complex_stft = complex_stft * np.sqrt(n_fft)
|
||||
frames = mx.fft.irfft(complex_stft, n=n_fft, axis=-1).astype(context["dtype"]) * context["window"]
|
||||
full_length = n_fft + hop * (frames.shape[1] - 1)
|
||||
positions = mx.arange(n_fft)[None, :] + hop * mx.arange(frames.shape[1])[:, None]
|
||||
audio = mx.zeros((frames.shape[0], full_length), dtype=context["dtype"]).at[:, positions].add(frames)
|
||||
denom_frames = mx.broadcast_to(mx.square(context["window"])[None, :], (frames.shape[1], n_fft))
|
||||
denom = mx.zeros((full_length,), dtype=context["dtype"]).at[positions].add(denom_frames)
|
||||
audio = audio / mx.maximum(denom[None, :], mx.array(1e-11, dtype=context["dtype"]))
|
||||
if context["center"]:
|
||||
pad = n_fft // 2
|
||||
audio = audio[..., pad : pad + length]
|
||||
elif length is not None:
|
||||
audio = audio[..., :length]
|
||||
return audio.reshape(*leading_shape, audio.shape[-1])
|
||||
|
||||
|
||||
def _layer_norm(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
x32 = x.astype(mx.float32)
|
||||
mean = mx.mean(x32, axis=-1, keepdims=True)
|
||||
var = mx.mean(mx.square(x32 - mean), axis=-1, keepdims=True)
|
||||
y = ((x32 - mean) * mx.rsqrt(var + module.eps)).astype(x.dtype)
|
||||
if module.elementwise_affine:
|
||||
y = y * _mlx_param(module, "weight", module.weight, dtype)
|
||||
if module.bias is not None:
|
||||
y = y + _mlx_param(module, "bias", module.bias, dtype)
|
||||
return y
|
||||
|
||||
|
||||
def _group_norm_nchw(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
b, c = x.shape[:2]
|
||||
rest = x.shape[2:]
|
||||
groups = int(module.num_groups)
|
||||
y = x.astype(mx.float32).reshape(b, groups, c // groups, *rest)
|
||||
axes = tuple(range(2, y.ndim))
|
||||
mean = mx.mean(y, axis=axes, keepdims=True)
|
||||
var = mx.mean(mx.square(y - mean), axis=axes, keepdims=True)
|
||||
y = ((y - mean) * mx.rsqrt(var + module.eps)).reshape(x.shape).astype(x.dtype)
|
||||
if module.affine:
|
||||
shape = (1, -1) + (1,) * len(rest)
|
||||
y = y * _mlx_param(module, "weight", module.weight, dtype).reshape(*shape)
|
||||
y = y + _mlx_param(module, "bias", module.bias, dtype).reshape(*shape)
|
||||
return y
|
||||
|
||||
|
||||
def _activation(module, x):
|
||||
import mlx.core as mx
|
||||
|
||||
if isinstance(module, torch.nn.Tanh):
|
||||
return mx.tanh(x)
|
||||
if isinstance(module, torch.nn.ReLU):
|
||||
return mx.maximum(x, 0)
|
||||
if isinstance(module, torch.nn.GELU):
|
||||
return _gelu(x)
|
||||
if isinstance(module, torch.nn.ELU):
|
||||
return mx.where(x > 0, x, module.alpha * (mx.exp(x) - 1))
|
||||
if isinstance(module, torch.nn.Identity):
|
||||
return x
|
||||
raise TypeError(f"unsupported Bandit activation for MLX full backend: {type(module).__name__}")
|
||||
|
||||
|
||||
def _glu(x, axis=-1):
|
||||
import mlx.core as mx
|
||||
|
||||
a, b = mx.split(x, 2, axis=axis)
|
||||
return a * mx.sigmoid(b)
|
||||
|
||||
|
||||
def _norm_fc(module, xb, dtype):
|
||||
if hasattr(module, "combined"):
|
||||
xb = _layer_norm(module.combined[0], xb, dtype)
|
||||
return _linear(
|
||||
xb,
|
||||
_mlx_param(module.combined[1], "weight", module.combined[1].weight, dtype),
|
||||
_mlx_param(module.combined[1], "bias", module.combined[1].bias, dtype),
|
||||
)
|
||||
|
||||
batch, n_time, in_channels, ribw = xb.shape
|
||||
xb = _layer_norm(module.norm, xb.reshape(batch, n_time, in_channels * ribw), dtype)
|
||||
if module.treat_channel_as_feature:
|
||||
return _linear(
|
||||
xb, _mlx_param(module.fc, "weight", module.fc.weight, dtype), _mlx_param(module.fc, "bias", module.fc.bias, dtype)
|
||||
)
|
||||
out = _linear(
|
||||
xb.reshape(batch, n_time, in_channels, ribw),
|
||||
_mlx_param(module.fc, "weight", module.fc.weight, dtype),
|
||||
_mlx_param(module.fc, "bias", module.fc.bias, dtype),
|
||||
)
|
||||
return out.reshape(batch, n_time, -1)
|
||||
|
||||
|
||||
def _band_split(module, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
batch, in_channels, _, n_time = x.shape
|
||||
xr = mx.stack((x.real, x.imag), axis=-1)
|
||||
if module.complex_order == "reim_freq":
|
||||
xr = xr.transpose(0, 3, 1, 4, 2)
|
||||
elif module.complex_order == "freq_reim":
|
||||
xr = xr.transpose(0, 3, 1, 2, 4)
|
||||
else:
|
||||
raise ValueError(f"unsupported complex_order: {module.complex_order}")
|
||||
|
||||
outs = []
|
||||
for i, nfm in enumerate(module.norm_fc_modules):
|
||||
fstart, fend = module.band_specs[i]
|
||||
if module.complex_order == "reim_freq":
|
||||
xb = xr[..., fstart:fend].reshape(batch, n_time, in_channels, -1)
|
||||
else:
|
||||
xb = xr[:, :, :, fstart:fend].reshape(batch, n_time, -1)
|
||||
outs.append(_norm_fc(nfm, xb.reshape(batch, n_time, -1) if module.flatten_input else xb, dtype))
|
||||
return mx.stack(outs, axis=1)
|
||||
|
||||
|
||||
def _rnn_forward(rnn, x, dtype):
|
||||
import mlx.core as mx
|
||||
|
||||
def params(suffix):
|
||||
return {
|
||||
"w_ih": _mlx_param(rnn, f"weight_ih_l0{suffix}", getattr(rnn, f"weight_ih_l0{suffix}"), dtype),
|
||||
"w_hh": _mlx_param(rnn, f"weight_hh_l0{suffix}", getattr(rnn, f"weight_hh_l0{suffix}"), dtype),
|
||||
"b_ih": _mlx_param(rnn, f"bias_ih_l0{suffix}", getattr(rnn, f"bias_ih_l0{suffix}"), dtype) if rnn.bias else None,
|
||||
"b_hh": _mlx_param(rnn, f"bias_hh_l0{suffix}", getattr(rnn, f"bias_hh_l0{suffix}"), dtype) if rnn.bias else None,
|
||||
}
|
||||
|
||||
def affine(inp, h, p):
|
||||
gates = _linear(inp, p["w_ih"], p["b_ih"]) + _linear(h, p["w_hh"], p["b_hh"])
|
||||
return gates
|
||||
|
||||
def run_gru(inp, p, reverse=False):
|
||||
steps = range(inp.shape[1] - 1, -1, -1) if reverse else range(inp.shape[1])
|
||||
h = mx.zeros((inp.shape[0], rnn.hidden_size), dtype=inp.dtype)
|
||||
outs = []
|
||||
for t in steps:
|
||||
gi = _linear(inp[:, t], p["w_ih"], p["b_ih"])
|
||||
gh = _linear(h, p["w_hh"], p["b_hh"])
|
||||
i_r, i_z, i_n = mx.split(gi, 3, axis=-1)
|
||||
h_r, h_z, h_n = mx.split(gh, 3, axis=-1)
|
||||
reset = mx.sigmoid(i_r + h_r)
|
||||
update = mx.sigmoid(i_z + h_z)
|
||||
new = mx.tanh(i_n + reset * h_n)
|
||||
h = (1 - update) * new + update * h
|
||||
outs.append(h)
|
||||
if reverse:
|
||||
outs.reverse()
|
||||
return mx.stack(outs, axis=1)
|
||||
|
||||
def run_lstm(inp, p, reverse=False):
|
||||
steps = range(inp.shape[1] - 1, -1, -1) if reverse else range(inp.shape[1])
|
||||
h = mx.zeros((inp.shape[0], rnn.hidden_size), dtype=inp.dtype)
|
||||
c = mx.zeros_like(h)
|
||||
outs = []
|
||||
for t in steps:
|
||||
i, f, g, o = mx.split(affine(inp[:, t], h, p), 4, axis=-1)
|
||||
i, f, o = mx.sigmoid(i), mx.sigmoid(f), mx.sigmoid(o)
|
||||
c = f * c + i * mx.tanh(g)
|
||||
h = o * mx.tanh(c)
|
||||
outs.append(h)
|
||||
if reverse:
|
||||
outs.reverse()
|
||||
return mx.stack(outs, axis=1)
|
||||
|
||||
if rnn.num_layers != 1 or not rnn.batch_first:
|
||||
raise TypeError("MLX Bandit RNN supports one-layer batch_first RNNs only")
|
||||
if isinstance(rnn, torch.nn.GRU):
|
||||
forward = run_gru(x, params(""))
|
||||
if not rnn.bidirectional:
|
||||
return forward
|
||||
return mx.concatenate((forward, run_gru(x, params("_reverse"), reverse=True)), axis=-1)
|
||||
if isinstance(rnn, torch.nn.LSTM):
|
||||
forward = run_lstm(x, params(""))
|
||||
if not rnn.bidirectional:
|
||||
return forward
|
||||
return mx.concatenate((forward, run_lstm(x, params("_reverse"), reverse=True)), axis=-1)
|
||||
raise TypeError(f"unsupported Bandit RNN for MLX full backend: {type(rnn).__name__}")
|
||||
|
||||
|
||||
def _residual_rnn(module, z, dtype):
|
||||
z0 = z
|
||||
if module.use_layer_norm:
|
||||
z = _layer_norm(module.norm, z, dtype)
|
||||
else:
|
||||
z = _group_norm_nchw(module.norm, z.transpose(0, 3, 1, 2), dtype).transpose(0, 2, 3, 1)
|
||||
|
||||
batch, n_uncrossed, n_across, emb_dim = z.shape
|
||||
if module.use_batch_trick:
|
||||
z = _rnn_forward(module.rnn, z.reshape(batch * n_uncrossed, n_across, emb_dim), dtype)
|
||||
z = z.reshape(batch, n_uncrossed, n_across, -1)
|
||||
else:
|
||||
import mlx.core as mx
|
||||
|
||||
z = mx.stack([_rnn_forward(module.rnn, z[:, i], dtype) for i in range(n_uncrossed)], axis=1)
|
||||
return (
|
||||
_linear(
|
||||
z, _mlx_param(module.fc, "weight", module.fc.weight, dtype), _mlx_param(module.fc, "bias", module.fc.bias, dtype)
|
||||
)
|
||||
+ z0
|
||||
)
|
||||
|
||||
|
||||
def _tf_model(module, z, dtype):
|
||||
if module.parallel_mode:
|
||||
for sbm_t, sbm_f in module.seqband:
|
||||
zt = _residual_rnn(sbm_t, z, dtype)
|
||||
zf = _residual_rnn(sbm_f, z.transpose(0, 2, 1, 3), dtype)
|
||||
z = zt + zf.transpose(0, 2, 1, 3)
|
||||
return z
|
||||
|
||||
if isinstance(module.seqband, torch.nn.Sequential):
|
||||
for layer in module.seqband:
|
||||
if isinstance(layer, ResidualRNN):
|
||||
z = _residual_rnn(layer, z, dtype)
|
||||
elif isinstance(layer, Transpose):
|
||||
z = z.swapaxes(layer.dim0, layer.dim1)
|
||||
else:
|
||||
raise TypeError(f"unsupported Bandit TF layer for MLX full backend: {type(layer).__name__}")
|
||||
return z
|
||||
|
||||
for sbm in module.seqband:
|
||||
z = _residual_rnn(sbm, z, dtype)
|
||||
z = z.swapaxes(1, 2)
|
||||
return z
|
||||
|
||||
|
||||
def _norm_mlp(module, qb, dtype):
|
||||
x = _layer_norm(module.norm, qb, dtype)
|
||||
x = _linear(
|
||||
x,
|
||||
_mlx_param(module.hidden[0], "weight", module.hidden[0].weight, dtype),
|
||||
_mlx_param(module.hidden[0], "bias", module.hidden[0].bias, dtype),
|
||||
)
|
||||
x = _activation(module.hidden[1], x)
|
||||
output = module.output[0]
|
||||
x = _linear(x, _mlx_param(output, "weight", output.weight, dtype), _mlx_param(output, "bias", output.bias, dtype))
|
||||
x = _glu(x, axis=-1)
|
||||
|
||||
batch, n_time, _ = x.shape
|
||||
if module.complex_mask:
|
||||
x = x.reshape(batch, n_time, module.in_channels, module.bandwidth, 2)
|
||||
x = x[..., 0] + (1j * x[..., 1])
|
||||
else:
|
||||
x = x.reshape(batch, n_time, module.in_channels, module.bandwidth)
|
||||
return x.transpose(0, 2, 3, 1)
|
||||
|
||||
|
||||
def _append_cond(module, q, cond):
|
||||
import mlx.core as mx
|
||||
|
||||
if cond is not None:
|
||||
batch, n_bands, n_time, _ = q.shape
|
||||
if cond.ndim == 2:
|
||||
cond = mx.broadcast_to(cond[:, None, None, :], (batch, n_bands, n_time, cond.shape[-1]))
|
||||
elif cond.ndim != 3:
|
||||
raise ValueError(f"Invalid cond shape: {cond.shape}")
|
||||
return mx.concatenate((q, cond), axis=-1)
|
||||
if module.cond_dim <= 0:
|
||||
return q
|
||||
batch, n_bands, n_time, _ = q.shape
|
||||
return mx.concatenate((q, mx.ones((batch, n_bands, n_time, module.cond_dim), dtype=q.dtype)), axis=-1)
|
||||
|
||||
|
||||
def _mask_estimator(module, q, dtype, cond=None):
|
||||
import mlx.core as mx
|
||||
|
||||
q = _append_cond(module, q, cond)
|
||||
if getattr(module, "n_freq", 0) <= 0:
|
||||
return mx.concatenate([_norm_mlp(nmlp, q[:, b], dtype) for b, nmlp in enumerate(module.norm_mlp)], axis=2)
|
||||
|
||||
batch, _, n_time, _ = q.shape
|
||||
mask_real = mx.zeros((batch, module.in_channels, module.n_freq, n_time), dtype=mx.float32)
|
||||
mask_imag = mx.zeros_like(mask_real)
|
||||
for band_index, nmlp in enumerate(module.norm_mlp):
|
||||
fstart, fend = module.band_specs[band_index]
|
||||
mask = _norm_mlp(nmlp, q[:, band_index], dtype)
|
||||
if module.use_freq_weights:
|
||||
fw = _torch_to_mlx_array(module.get_buffer(f"freq_weights/{band_index}"), dtype)
|
||||
mask = mask * fw.reshape(1, 1, -1, 1)
|
||||
padding = [(0, 0), (0, 0), (fstart, module.n_freq - fend), (0, 0)]
|
||||
mask_real = mask_real + mx.pad(mask.real.astype(mask_real.dtype), padding)
|
||||
mask_imag = mask_imag + mx.pad(mask.imag.astype(mask_imag.dtype), padding)
|
||||
return mask_real + (1j * mask_imag)
|
||||
|
||||
|
||||
def _bsrnn_core(module, x, dtype):
|
||||
batch, in_chan, n_freq, n_time = x.shape
|
||||
x = x.reshape(-1, 1, n_freq, n_time)
|
||||
q = _tf_model(module.tf_model, _band_split(module.band_split, x, dtype), dtype)
|
||||
return [_mask_estimator(mask_estimator, q, dtype) * x for mask_estimator in module.mask_estim.values()]
|
||||
|
||||
|
||||
def mlx_forward_bandit_mx(module, raw_audio, dtype=torch.float16):
|
||||
import mlx.core as mx
|
||||
|
||||
if dtype not in (torch.float16, torch.float32):
|
||||
raise TypeError("MLX full Bandit supports torch.float16 or torch.float32 compute dtype")
|
||||
mx_dtype = _mlx_dtype(dtype)
|
||||
init_shape = raw_audio.shape
|
||||
mono = raw_audio.reshape(-1, 1, raw_audio.shape[-1]).astype(mx_dtype)
|
||||
x, context = _spectral_stft(module.stft, mono, mx_dtype)
|
||||
length = mono.shape[-1]
|
||||
|
||||
if hasattr(module, "bsrnn"):
|
||||
specs = _bsrnn_core(module.bsrnn, x, dtype)
|
||||
stems = module.stems
|
||||
else:
|
||||
q = _tf_model(module.tf_model, _band_split(module.band_split, x, dtype), dtype)
|
||||
specs = [_mask_estimator(mask_estimator, q, dtype) * x for mask_estimator in module.mask_estim.values()]
|
||||
stems = module.stems
|
||||
|
||||
estimates = [_spectral_istft(module.istft, spec, context, length) for spec in specs]
|
||||
estimates = [estimate.reshape(-1, init_shape[1], init_shape[2]) for estimate in estimates]
|
||||
return mx.stack(estimates, axis=1)
|
||||
|
||||
|
||||
def mlx_forward_bandit(module, raw_audio, dtype=torch.float16):
|
||||
x_mx = torch_to_mlx_input(raw_audio, dtype=dtype)
|
||||
return mlx_to_torch_mps(mlx_forward_bandit_mx(module, x_mx, dtype), raw_audio)
|
||||
0
tools/pymss_core/modules/bandit_v2/__init__.py
Normal file
0
tools/pymss_core/modules/bandit_v2/__init__.py
Normal file
326
tools/pymss_core/modules/bandit_v2/bandit.py
Normal file
326
tools/pymss_core/modules/bandit_v2/bandit.py
Normal file
@@ -0,0 +1,326 @@
|
||||
from typing import Dict, List, Optional
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
|
||||
from ..bandit.core.model._spectral import _SpectralComponent
|
||||
|
||||
from .bandsplit import BandSplitModule
|
||||
from .maskestim import OverlappingMaskEstimationModule
|
||||
from .tfmodel import SeqBandModellingModule
|
||||
from .utils import MusicalBandsplitSpecification
|
||||
|
||||
|
||||
class BaseBandit(_SpectralComponent):
|
||||
mps_model_backend = "torch"
|
||||
mps_model_compute_dtype = torch.float16
|
||||
|
||||
def __init__(
|
||||
self,
|
||||
in_channels: int,
|
||||
fs: int,
|
||||
band_type: str = "musical",
|
||||
n_bands: int = 64,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
n_sqm_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
n_fft: int = 2048,
|
||||
win_length: Optional[int] = 2048,
|
||||
hop_length: int = 512,
|
||||
window_fn: str = "hann_window",
|
||||
wkwargs: Optional[Dict] = None,
|
||||
power: Optional[int] = None,
|
||||
center: bool = True,
|
||||
normalized: bool = True,
|
||||
pad_mode: str = "constant",
|
||||
onesided: bool = True,
|
||||
):
|
||||
super().__init__(
|
||||
n_fft=n_fft,
|
||||
win_length=win_length,
|
||||
hop_length=hop_length,
|
||||
window_fn=window_fn,
|
||||
wkwargs=wkwargs,
|
||||
power=power,
|
||||
normalized=normalized,
|
||||
center=center,
|
||||
pad_mode=pad_mode,
|
||||
onesided=onesided,
|
||||
)
|
||||
self.in_channels = in_channels
|
||||
|
||||
self.instantiate_bandsplit(
|
||||
in_channels=in_channels,
|
||||
band_type=band_type,
|
||||
n_bands=n_bands,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
emb_dim=emb_dim,
|
||||
n_fft=n_fft,
|
||||
fs=fs,
|
||||
)
|
||||
|
||||
self.instantiate_tf_modelling(
|
||||
n_sqm_modules=n_sqm_modules,
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
)
|
||||
|
||||
def set_mps_model_backend(self, backend=None, compute_dtype=None):
|
||||
backend = (backend or "torch").lower()
|
||||
if backend not in ("torch", "mlx_full"):
|
||||
raise ValueError("mps_model_backend must be 'torch' or 'mlx_full'")
|
||||
self.mps_model_backend = backend
|
||||
if compute_dtype is None:
|
||||
return
|
||||
if isinstance(compute_dtype, str):
|
||||
compute_dtype = {
|
||||
"float16": torch.float16,
|
||||
"fp16": torch.float16,
|
||||
"float32": torch.float32,
|
||||
"fp32": torch.float32,
|
||||
}.get(compute_dtype.lower(), compute_dtype)
|
||||
if compute_dtype not in (torch.float16, torch.float32):
|
||||
raise ValueError("mps_model_compute_dtype must be 'float16' or 'float32'")
|
||||
self.mps_model_compute_dtype = compute_dtype
|
||||
|
||||
def _use_mlx_full_forward(self, batch):
|
||||
return (
|
||||
not self.training
|
||||
and self.mps_model_backend == "mlx_full"
|
||||
and not isinstance(batch, dict)
|
||||
and batch.device.type == "mps"
|
||||
)
|
||||
|
||||
def mlx_forward_mx(self, raw_audio):
|
||||
from ..bandit_mlx import mlx_forward_bandit_mx
|
||||
|
||||
return mlx_forward_bandit_mx(self, raw_audio, self.mps_model_compute_dtype)
|
||||
|
||||
def instantiate_bandsplit(
|
||||
self,
|
||||
in_channels: int,
|
||||
band_type: str = "musical",
|
||||
n_bands: int = 64,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
emb_dim: int = 128,
|
||||
n_fft: int = 2048,
|
||||
fs: int = 44100,
|
||||
):
|
||||
assert band_type == "musical"
|
||||
|
||||
self.band_specs = MusicalBandsplitSpecification(nfft=n_fft, fs=fs, n_bands=n_bands)
|
||||
|
||||
self.band_split = BandSplitModule(
|
||||
in_channels=in_channels,
|
||||
band_specs=self.band_specs.get_band_specs(),
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
emb_dim=emb_dim,
|
||||
)
|
||||
|
||||
def instantiate_tf_modelling(
|
||||
self,
|
||||
n_sqm_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
):
|
||||
self.tf_model = SeqBandModellingModule(
|
||||
n_modules=n_sqm_modules,
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
)
|
||||
|
||||
def mask(self, x, m):
|
||||
return x * m
|
||||
|
||||
def forward(self, batch, mode="train"):
|
||||
if self._use_mlx_full_forward(batch):
|
||||
try:
|
||||
from ..bandit_mlx import mlx_forward_bandit
|
||||
|
||||
return mlx_forward_bandit(self, batch, self.mps_model_compute_dtype)
|
||||
except Exception as exc:
|
||||
self._pymss_mlx_full_backend_error = repr(exc)
|
||||
self.mps_model_backend = "torch"
|
||||
init_shape = batch.shape
|
||||
if not isinstance(batch, dict):
|
||||
mono = batch.view(-1, 1, batch.shape[-1])
|
||||
batch = {"mixture": {"audio": mono}}
|
||||
|
||||
with torch.no_grad():
|
||||
mixture = batch["mixture"]["audio"]
|
||||
|
||||
x = self.stft(mixture)
|
||||
batch["mixture"]["spectrogram"] = x
|
||||
|
||||
if "sources" in batch.keys():
|
||||
for stem in batch["sources"].keys():
|
||||
s = batch["sources"][stem]["audio"]
|
||||
s = self.stft(s)
|
||||
batch["sources"][stem]["spectrogram"] = s
|
||||
|
||||
batch = self.separate(batch)
|
||||
|
||||
return torch.stack([batch["estimates"][s]["audio"].view(-1, init_shape[1], init_shape[2]) for s in self.stems], dim=1)
|
||||
|
||||
def encode(self, batch):
|
||||
x = batch["mixture"]["spectrogram"]
|
||||
length = batch["mixture"]["audio"].shape[-1]
|
||||
|
||||
z = self.band_split(x) # (batch, emb_dim, n_band, n_time)
|
||||
q = self.tf_model(z) # (batch, emb_dim, n_band, n_time)
|
||||
|
||||
return x, q, length
|
||||
|
||||
def separate(self, batch):
|
||||
raise NotImplementedError
|
||||
|
||||
|
||||
class Bandit(BaseBandit):
|
||||
def __init__(
|
||||
self,
|
||||
in_channels: int,
|
||||
stems: List[str],
|
||||
band_type: str = "musical",
|
||||
n_bands: int = 64,
|
||||
require_no_overlap: bool = False,
|
||||
require_no_gap: bool = True,
|
||||
normalize_channel_independently: bool = False,
|
||||
treat_channel_as_feature: bool = True,
|
||||
n_sqm_modules: int = 12,
|
||||
emb_dim: int = 128,
|
||||
rnn_dim: int = 256,
|
||||
bidirectional: bool = True,
|
||||
rnn_type: str = "LSTM",
|
||||
mlp_dim: int = 512,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Dict | None = None,
|
||||
complex_mask: bool = True,
|
||||
use_freq_weights: bool = True,
|
||||
n_fft: int = 2048,
|
||||
win_length: int | None = 2048,
|
||||
hop_length: int = 512,
|
||||
window_fn: str = "hann_window",
|
||||
wkwargs: Dict | None = None,
|
||||
power: int | None = None,
|
||||
center: bool = True,
|
||||
normalized: bool = True,
|
||||
pad_mode: str = "constant",
|
||||
onesided: bool = True,
|
||||
fs: int = 44100,
|
||||
stft_precisions="32",
|
||||
bandsplit_precisions="bf16",
|
||||
tf_model_precisions="bf16",
|
||||
mask_estim_precisions="bf16",
|
||||
):
|
||||
super().__init__(
|
||||
in_channels=in_channels,
|
||||
band_type=band_type,
|
||||
n_bands=n_bands,
|
||||
require_no_overlap=require_no_overlap,
|
||||
require_no_gap=require_no_gap,
|
||||
normalize_channel_independently=normalize_channel_independently,
|
||||
treat_channel_as_feature=treat_channel_as_feature,
|
||||
n_sqm_modules=n_sqm_modules,
|
||||
emb_dim=emb_dim,
|
||||
rnn_dim=rnn_dim,
|
||||
bidirectional=bidirectional,
|
||||
rnn_type=rnn_type,
|
||||
n_fft=n_fft,
|
||||
win_length=win_length,
|
||||
hop_length=hop_length,
|
||||
window_fn=window_fn,
|
||||
wkwargs=wkwargs,
|
||||
power=power,
|
||||
center=center,
|
||||
normalized=normalized,
|
||||
pad_mode=pad_mode,
|
||||
onesided=onesided,
|
||||
fs=fs,
|
||||
)
|
||||
|
||||
self.stems = stems
|
||||
|
||||
self.instantiate_mask_estim(
|
||||
in_channels=in_channels,
|
||||
stems=stems,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
n_freq=n_fft // 2 + 1,
|
||||
use_freq_weights=use_freq_weights,
|
||||
)
|
||||
|
||||
def instantiate_mask_estim(
|
||||
self,
|
||||
in_channels: int,
|
||||
stems: List[str],
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
hidden_activation: str,
|
||||
hidden_activation_kwargs: Optional[Dict] = None,
|
||||
complex_mask: bool = True,
|
||||
n_freq: Optional[int] = None,
|
||||
use_freq_weights: bool = False,
|
||||
):
|
||||
if hidden_activation_kwargs is None:
|
||||
hidden_activation_kwargs = {}
|
||||
|
||||
assert n_freq is not None
|
||||
|
||||
self.mask_estim = nn.ModuleDict(
|
||||
{
|
||||
stem: OverlappingMaskEstimationModule(
|
||||
band_specs=self.band_specs.get_band_specs(),
|
||||
freq_weights=self.band_specs.get_freq_weights(),
|
||||
n_freq=n_freq,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
in_channels=in_channels,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
use_freq_weights=use_freq_weights,
|
||||
)
|
||||
for stem in stems
|
||||
}
|
||||
)
|
||||
|
||||
def separate(self, batch):
|
||||
batch["estimates"] = {}
|
||||
|
||||
x, q, length = self.encode(batch)
|
||||
|
||||
for stem, mem in self.mask_estim.items():
|
||||
m = mem(q)
|
||||
|
||||
s = self.mask(x, m.to(x.dtype))
|
||||
s = s.reshape(x.shape)
|
||||
batch["estimates"][stem] = {
|
||||
"audio": self.istft(s, length),
|
||||
"spectrogram": s,
|
||||
}
|
||||
|
||||
return batch
|
||||
13
tools/pymss_core/modules/bandit_v2/bandsplit.py
Normal file
13
tools/pymss_core/modules/bandit_v2/bandsplit.py
Normal file
@@ -0,0 +1,13 @@
|
||||
from ..bandit.bandsplit import (
|
||||
SequentialNormFC as NormFC,
|
||||
_ConfiguredBandSplitModule,
|
||||
)
|
||||
|
||||
|
||||
class BandSplitModule(_ConfiguredBandSplitModule):
|
||||
norm_fc_cls = NormFC
|
||||
complex_order = "freq_reim"
|
||||
flatten_input = True
|
||||
|
||||
|
||||
__all__ = ("BandSplitModule", "NormFC")
|
||||
119
tools/pymss_core/modules/bandit_v2/maskestim.py
Normal file
119
tools/pymss_core/modules/bandit_v2/maskestim.py
Normal file
@@ -0,0 +1,119 @@
|
||||
from typing import Dict, List, Optional, Tuple, Type
|
||||
|
||||
import torch
|
||||
from torch import nn
|
||||
|
||||
from ..bandit.maskestim import (
|
||||
BaseNormMLP,
|
||||
MaskEstimationModule as _MaskEstimationModule,
|
||||
MaskEstimationModuleBase,
|
||||
MaskEstimationModuleSuperBase,
|
||||
NormMLP as _NormMLP,
|
||||
OverlappingMaskEstimationModule as _OverlappingMaskEstimationModule,
|
||||
)
|
||||
from ..bandit.core.model.bsrnn.utils import (
|
||||
check_no_gap,
|
||||
check_no_overlap,
|
||||
check_nonzero_bandwidth,
|
||||
)
|
||||
|
||||
|
||||
class NormMLP(_NormMLP):
|
||||
def __init__(
|
||||
self,
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
bandwidth: int,
|
||||
in_channels: Optional[int],
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs=None,
|
||||
complex_mask: bool = True,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
bandwidth=bandwidth,
|
||||
in_channels=in_channels,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
use_combined=True,
|
||||
use_checkpoint=True,
|
||||
)
|
||||
|
||||
|
||||
class OverlappingMaskEstimationModule(_OverlappingMaskEstimationModule):
|
||||
def __init__(
|
||||
self,
|
||||
in_channels: int,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
freq_weights: List[torch.Tensor],
|
||||
n_freq: int,
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
cond_dim: int = 0,
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Dict = None,
|
||||
complex_mask: bool = True,
|
||||
norm_mlp_cls: Type[nn.Module] = NormMLP,
|
||||
norm_mlp_kwargs: Dict = None,
|
||||
use_freq_weights: bool = False,
|
||||
) -> None:
|
||||
super().__init__(
|
||||
in_channels=in_channels,
|
||||
band_specs=band_specs,
|
||||
freq_weights=freq_weights,
|
||||
n_freq=n_freq,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
cond_dim=cond_dim,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
norm_mlp_cls=norm_mlp_cls,
|
||||
norm_mlp_kwargs=norm_mlp_kwargs,
|
||||
use_freq_weights=use_freq_weights,
|
||||
register_all_freq_weights=False,
|
||||
allow_cond=False,
|
||||
output_dtype="complex64",
|
||||
compute_all_masks=False,
|
||||
)
|
||||
|
||||
def forward(self, q):
|
||||
return super().forward(q)
|
||||
|
||||
|
||||
class MaskEstimationModule(_MaskEstimationModule):
|
||||
def __init__(
|
||||
self,
|
||||
band_specs: List[Tuple[float, float]],
|
||||
emb_dim: int,
|
||||
mlp_dim: int,
|
||||
in_channels: Optional[int],
|
||||
hidden_activation: str = "Tanh",
|
||||
hidden_activation_kwargs: Dict = None,
|
||||
complex_mask: bool = True,
|
||||
**kwargs,
|
||||
) -> None:
|
||||
check_nonzero_bandwidth(band_specs)
|
||||
check_no_gap(band_specs)
|
||||
check_no_overlap(band_specs)
|
||||
super().__init__(
|
||||
in_channels=in_channels,
|
||||
band_specs=band_specs,
|
||||
emb_dim=emb_dim,
|
||||
mlp_dim=mlp_dim,
|
||||
hidden_activation=hidden_activation,
|
||||
hidden_activation_kwargs=hidden_activation_kwargs,
|
||||
complex_mask=complex_mask,
|
||||
)
|
||||
|
||||
|
||||
__all__ = (
|
||||
"BaseNormMLP",
|
||||
"MaskEstimationModule",
|
||||
"MaskEstimationModuleBase",
|
||||
"MaskEstimationModuleSuperBase",
|
||||
"NormMLP",
|
||||
"OverlappingMaskEstimationModule",
|
||||
)
|
||||
18
tools/pymss_core/modules/bandit_v2/tfmodel.py
Normal file
18
tools/pymss_core/modules/bandit_v2/tfmodel.py
Normal file
@@ -0,0 +1,18 @@
|
||||
from ..bandit.tfmodel import (
|
||||
ResidualRNN,
|
||||
TimeFrequencyModellingModule,
|
||||
Transpose,
|
||||
_SeqBandModellingPreset,
|
||||
)
|
||||
|
||||
|
||||
class SeqBandModellingModule(_SeqBandModellingPreset):
|
||||
@staticmethod
|
||||
def _preset_runtime_options(n_modules, parallel_mode):
|
||||
return {
|
||||
"sequential_transpose": not parallel_mode,
|
||||
"checkpoint_segments": None if parallel_mode else n_modules,
|
||||
}
|
||||
|
||||
|
||||
__all__ = ("ResidualRNN", "SeqBandModellingModule", "TimeFrequencyModellingModule", "Transpose")
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user