Mark888

и поздрительно быстро тренировка прошла, меньше минуты, сам дататест на 3 мин

Думал это раздельные статьи, поэтому сразу не понял. Но тем не менее не получается, после того как модель натренировал во вкладке Обработка модели во всплывающем списке Обработка голоса пусто.
C:\Users\User\Downloads\RVC_New\RVC_new>runtime\python.exe infer-web.py --pycmd runtime\python.exe --port 7897
2024-07-27 18:15:16 | WARNING | xformers | A matching Triton is not available, some optimizations will not be enabled.
Error caught was: No module named 'triton'
2024-07-27 18:15:16 | WARNING | xformers | Triton is not available, some optimizations will not be enabled.
This is just a warning: No module named 'triton'
Found GPU NVIDIA GeForce GTX 960M
Use Language: en_US
Running on local URL: http://0.0.0.0:7897
runtime\python.exe trainset_preprocess_pipeline_print.py «D:\Dataset» 40000 4 «C:\Users\User\Downloads\RVC_New\RVC_new/logs/mark_test» False
['trainset_preprocess_pipeline_print.py', 'D:\\Dataset', '40000', '4', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'False']
start preprocess
['trainset_preprocess_pipeline_print.py', 'D:\\Dataset', '40000', '4', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'False']
Fail. Traceback (most recent call last):
File «C:\Users\User\Downloads\RVC_New\RVC_new\trainset_preprocess_pipeline_print.py», line 111, in pipeline_mp_inp_dir
for idx, name in enumerate(sorted(list(os.listdir(inp_root))))
PermissionError: [WinError 21] Устройство не готово: 'D:\\Dataset'
end preprocess
start preprocess
['trainset_preprocess_pipeline_print.py', 'D:\\Dataset', '40000', '4', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'False']
Fail. Traceback (most recent call last):
File «C:\Users\User\Downloads\RVC_New\RVC_new\trainset_preprocess_pipeline_print.py», line 111, in pipeline_mp_inp_dir
for idx, name in enumerate(sorted(list(os.listdir(inp_root))))
PermissionError: [WinError 21] Устройство не готово: 'D:\\Dataset'
end preprocess
runtime\python.exe trainset_preprocess_pipeline_print.py «D:\Dataset» 40000 4 «C:\Users\User\Downloads\RVC_New\RVC_new/logs/mark_test» False
['trainset_preprocess_pipeline_print.py', 'D:\\Dataset', '40000', '4', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'False']
start preprocess
['trainset_preprocess_pipeline_print.py', 'D:\\Dataset', '40000', '4', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'False']
Fail. Traceback (most recent call last):
File «C:\Users\User\Downloads\RVC_New\RVC_new\trainset_preprocess_pipeline_print.py», line 111, in pipeline_mp_inp_dir
for idx, name in enumerate(sorted(list(os.listdir(inp_root))))
PermissionError: [WinError 21] Устройство не готово: 'D:\\Dataset'
end preprocess
start preprocess
['trainset_preprocess_pipeline_print.py', 'D:\\Dataset', '40000', '4', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'False']
Fail. Traceback (most recent call last):
File «C:\Users\User\Downloads\RVC_New\RVC_new\trainset_preprocess_pipeline_print.py», line 111, in pipeline_mp_inp_dir
for idx, name in enumerate(sorted(list(os.listdir(inp_root))))
PermissionError: [WinError 21] Устройство не готово: 'D:\\Dataset'
end preprocess
runtime\python.exe extract_f0_rmvpe_dml.py «C:\Users\User\Downloads\RVC_New\RVC_new/logs/mark_test»
['extract_f0_rmvpe_dml.py', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test']
no-f0-todo
['extract_f0_rmvpe_dml.py', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test']
no-f0-todo
runtime\python.exe extract_feature_print.py cuda:0 1 0 «C:\Users\User\Downloads\RVC_New\RVC_new/logs/mark_test» v2
2024-07-27 18:34:42 | WARNING | xformers | A matching Triton is not available, some optimizations will not be enabled.
Error caught was: No module named 'triton'
2024-07-27 18:34:42 | WARNING | xformers | Triton is not available, some optimizations will not be enabled.
This is just a warning: No module named 'triton'
['extract_feature_print.py', 'cuda:0', '1', '0', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'v2']
C:\Users\User\Downloads\RVC_New\RVC_new/logs/mark_test
load model(s) from hubert_base.pt
move model to cuda
no-feature-todo
['extract_f0_rmvpe_dml.py', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test']
no-f0-todo
['extract_feature_print.py', 'cuda:0', '1', '0', 'C:\\Users\\User\\Downloads\\RVC_New\\RVC_new/logs/mark_test', 'v2']
C:\Users\User\Downloads\RVC_New\RVC_new/logs/mark_test
load model(s) from hubert_base.pt
move model to cuda
no-feature-todo
write filelist done
use gpus:
runtime\python.exe train_nsf_sim_cache_sid_load_pretrain.py -e «mark_test» -sr 40k -f0 1 -bs 12 -te 300 -se 100 -pg pretrained_v2/f0G40k.pth -pd pretrained_v2/f0D40k.pth -l 1 -c 0 -sw 1 -v v2
INFO:mark_test:{'train': {'log_interval': 200, 'seed': 1234, 'epochs': 20000, 'learning_rate': 0.0001, 'betas': [0.8, 0.99], 'eps': 1e-09, 'batch_size': 12, 'fp16_run': False, 'lr_decay': 0.999875, 'segment_size': 12800, 'init_lr_ratio': 1, 'warmup_epochs': 0, 'c_mel': 45, 'c_kl': 1.0}, 'data': {'max_wav_value': 32768.0, 'sampling_rate': 40000, 'filter_length': 2048, 'hop_length': 400, 'win_length': 2048, 'n_mel_channels': 125, 'mel_fmin': 0.0, 'mel_fmax': None, 'training_files': './logs\\mark_test/filelist.txt'}, 'model': {'inter_channels': 192, 'hidden_channels': 192, 'filter_channels': 768, 'n_heads': 2, 'n_layers': 6, 'kernel_size': 3, 'p_dropout': 0, 'resblock': '1', 'resblock_kernel_sizes': [3, 7, 11], 'resblock_dilation_sizes': [[1, 3, 5], [1, 3, 5], [1, 3, 5]], 'upsample_rates': [10, 10, 2, 2], 'upsample_initial_channel': 512, 'upsample_kernel_sizes': [16, 16, 4, 4], 'use_spectral_norm': False, 'gin_channels': 256, 'spk_embed_dim': 109}, 'model_dir': './logs\\mark_test', 'experiment_dir': './logs\\mark_test', 'save_every_epoch': 100, 'name': 'mark_test', 'total_epoch': 300, 'pretrainG': 'pretrained_v2/f0G40k.pth', 'pretrainD': 'pretrained_v2/f0D40k.pth', 'version': 'v2', 'gpus': '0', 'sample_rate': '40k', 'if_f0': 1, 'if_latest': 1, 'save_every_weights': '1', 'if_cache_data_in_gpu': 0}
INFO:torch.distributed.distributed_c10d:Added key: store_based_barrier_key:1 to store for rank: 0
INFO:torch.distributed.distributed_c10d:Rank 0: Completed store-based barrier for key:store_based_barrier_key:1 with 1 nodes.
gin_channels: 256 self.spk_embed_dim: 109
INFO:mark_test:loaded pretrained pretrained_v2/f0G40k.pth

INFO:mark_test:loaded pretrained pretrained_v2/f0D40k.pth

Process Process-1:
Traceback (most recent call last):
File «multiprocessing\process.py», line 315, in _bootstrap
File «multiprocessing\process.py», line 108, in run
File «C:\Users\User\Downloads\RVC_New\RVC_new\train_nsf_sim_cache_sid_load_pretrain.py», line 228, in run
train_and_evaluate(
File «C:\Users\User\Downloads\RVC_New\RVC_new\train_nsf_sim_cache_sid_load_pretrain.py», line 397, in train_and_evaluate
) = net_g(phone, phone_lengths, pitch, pitchf, spec, spec_lengths, sid)
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\modules\module.py», line 1501, in _call_impl
return forward_call(*args, **kwargs)
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\parallel\distributed.py», line 1156, in forward
output = self._run_ddp_forward(*inputs, **kwargs)
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\parallel\distributed.py», line 1110, in _run_ddp_forward
return module_to_run(*inputs[0], **kwargs[0]) # type: ignore[index]
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\modules\module.py», line 1501, in _call_impl
return forward_call(*args, **kwargs)
File «C:\Users\User\Downloads\RVC_New\RVC_new\lib\infer_pack\models.py», line 756, in forward
o = self.dec(z_slice, pitchf, g=g)
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\modules\module.py», line 1501, in _call_impl
return forward_call(*args, **kwargs)
File «C:\Users\User\Downloads\RVC_New\RVC_new\lib\infer_pack\models.py», line 520, in forward
xs += self.resblocks[i * self.num_kernels + j](x)
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\modules\module.py», line 1501, in _call_impl
return forward_call(*args, **kwargs)
File «C:\Users\User\Downloads\RVC_New\RVC_new\lib\infer_pack\modules.py», line 305, in forward
xt = F.leaky_relu(xt, LRELU_SLOPE)
File «C:\Users\User\Downloads\RVC_New\RVC_new\runtime\lib\site-packages\torch\nn\functional.py», line 1632, in leaky_relu
result = torch._C._nn.leaky_relu(input, negative_slope)
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 20.00 MiB (GPU 0; 4.00 GiB total capacity; 2.80 GiB already allocated; 0 bytes free; 2.93 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

Скрин некуда скинуть

Сейчас обратил внимание, что шаг 3 это указать папку с вокалом, но у меня другой интерфейс совершенно и нету такой опции.
Также в информации о видеокартах сообщение: «К сожалению, у вас нет видеокарты, которая поддерживает тренировку модели». У меня Nvidia GeForce GTX 960M.
Проблема из-за видеокарты?

Записал говорилку. Её нужно закинуть также в папку датасет? Но я так понял там файл только для обучения. Значит в какую-то другую папку закинуть? Статья не полная явно.

можно чуть подробнее или это тайна какая-то? или вопрос слишком тупой?

В папке Dataset у меня файл с нужным мне голосом. Куда мне разместить «готовую запись с нужным текстом»? И где потом услышать результат?

Так, ничего не понял. У меня есть текст, и мне его нужно озвучить определённым голосом. Я обучил модель на голосе, который расположен в папке Dataset. А что дальше?

Не настолько продвинутый юзер, поэтому банальный по всей видимости вопрос: всё сделал по мануалу, всё прошло хорошо, но что дальше? куда загрузить текст, который должен быть озвучен голосом? В мануале об этом ни слова.