text-to-speech - 如何在 Windows 系统上使用 CUDA 运行 Mozilla TTS/Coqui TTS 培训？

Question

我有一台配备 Quadro P5000 显卡的机器，运行 Windows 10。我想在这个系统上训练 TTS 语音。我需要安装什么才能使它正常工作？

Answer 1

这是要安装/执行的操作:

1. Download并为 Windows 安装 Python 3.8(不是 3.9+)。在安装过程中，确保您:

• 选择为所有用户安装它。
• 选择将 Python 添加到 PATH。

1. Download并安装 CUDA Toolkit 10.1(不是 11.0+)。
2. Download “cuDNN v7.6.5(2019 年 11 月 5 日)，适用于 CUDA 10.1”(不是 cuDNN v8+)，解压它，然后将 cuda 文件夹中的内容复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1.
3. Download eSpeak NG 的最新 64 位版本(无版本限制:-))。
4. Download适用于 Windows 的最新 64 位 Git 版本(无版本限制:-))。
5. 打开 PowerShell 提示符到您要安装 Coqui TTS 的文件夹。
6. 运行 git clone https://github.com/coqui-ai/TTS.git。
7. 运行 cd TTS。
8. 运行 python -m venv .。
9. 运行 .\Scripts\pip install -e ..
10. 运行以下命令(这与您从 the PyTorch website 获得的命令不同，因为 a known issue ):

.\Scripts\pip install torch==1.8.0+cu101 torchvision==0.9.0+cu101 torchaudio===0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

1. 将以下内容放入 TTS 文件夹中名为“test_cuda.py”的脚本中:

import torch
x = torch.rand(5, 3)
print(x)
print(torch.cuda.is_available())

1. 通过 .\Scripts\python ./test_cuda.py 运行脚本并确认输出如下所示(第一部分应该只是随机数，但最后一行必须是 True；如果不是，则 CUDA 未正确安装):

tensor([[0.2141, 0.7808, 0.9298],
        [0.3107, 0.8569, 0.9562],
        [0.2878, 0.7515, 0.5547],
        [0.5007, 0.6904, 0.4136],
        [0.2443, 0.4158, 0.4245]])
True

1. 将以下内容放入 TTS 文件夹中名为“train.bat”的脚本中，然后根据您的配置文件对其进行自定义:

set PYTHONIOENCODING=UTF-8
set PYTHONLEGACYWINDOWSSTDIO=UTF-8
set PHONEMIZER_ESPEAK_PATH=C:/Program Files/eSpeak NG/espeak-ng.exe

.\Scripts\python.exe ./TTS/bin/train_tacotron.py --config_path "C:/path/to/your/config.json"

1. 通过 .\train.bat 运行脚本。

如果您使用的模型与 Tacotron 不同，或者需要将其他参数传递到训练脚本中，请随时进一步自定义 train.bat。

如果您刚刚开始一般的 TTS 培训，请查看 How do I get started training a custom voice model with Mozilla TTS on Ubuntu 20.04? .