SOTA Open Source TTS
remove unused docs
Lengyue8d997fc00434
diff --git a/README.zh.md b/README.zh.mddeleted file mode 100644index b88d24f..0000000--- a/README.zh.md+++ /dev/null@@ -1,85 +0,0 @@-# Fish Speech--此代码库根据 BSD-3-Clause 许可证发布, 所有模型根据 CC-BY-NC-SA-4.0 许可证发布。请参阅 [LICENSE](LICENSE) 了解更多细节.--<p align="center">-<img src="figs/diagram.png" width="75%">-</p>--## 免责声明-我们不对代码库的任何非法使用承担任何责任。请参阅您当地关于 DMCA (数字千年法案) 和其他相关法律的法律。--## 要求-- GPU内存: 2GB (用于推理), 16GB (用于微调)-- 系统: Linux (全部功能), Windows (仅推理, 不支持 `flash-attn`, 不支持 `torch.compile`)--因此, 我们强烈建议 Windows 用户使用 WSL2 或 docker 来运行代码库.--## 设置-```bash-# 基本环境设置-conda create -n fish-speech python=3.10-conda activate fish-speech-conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia--# 安装 flash-attn (适用于linux)-pip3 install ninja && MAX_JOBS=4 pip3 install flash-attn --no-build-isolation--# 安装 fish-speech-pip3 install -e .-```--## 推理 (命令行)--从我们的 huggingface 仓库下载所需的 `vqgan` 和 `text2semantic` 模型。--```bash-wget https://huggingface.co/fishaudio/speech-lm-v1/raw/main/vqgan-v1.pth -O checkpoints/vqgan-v1.pth-wget https://huggingface.co/fishaudio/speech-lm-v1/blob/main/text2semantic-400m-v0.2-4k.pth -O checkpoints/text2semantic-400m-v0.2-4k.pth-```--### 1. [可选] 从语音生成 prompt:-```bash-python tools/vqgan/inference.py -i paimon.wav --checkpoint-path checkpoints/vqgan-v1.pth-```--你应该能得到一个 `fake.npy` 文件.--### 2. 从文本生成语义 token:-```bash-python tools/llama/generate.py \- --text "要转换的文本" \- --prompt-text "你的参考文本" \- --prompt-tokens "fake.npy" \- --checkpoint-path "checkpoints/text2semantic-400m-v0.1-4k.pth" \- --num-samples 2 \- --compile-```--该命令会在工作目录下创建 `codes_N` 文件, 其中 N 是从 0 开始的整数.-您可能希望使用 `--compile` 来融合 cuda 内核以实现更快的推理 (~30 个 token/秒 -> ~500 个 token/秒).--### 3. 从语义 token 生成人声:-```bash-python tools/vqgan/inference.py -i codes_0.npy --checkpoint-path checkpoints/vqgan-v1.pth-```--## Rust 数据服务器-由于加载和打乱数据集非常缓慢且占用内存, 因此我们使用 rust 服务器来加载和打乱数据. 该服务器基于 GRPC, 可以通过以下方式安装:--```bash-cd data_server-cargo build --release-```--## 更新日志--- 2023/12/17: 更新了 `text2semantic` 模型, 支持无音素模式.-- 2023/12/13: 测试版发布, 包含 VQGAN 模型和一个基于 LLAMA 的语言模型 (只支持音素).--## 致谢-- [VITS2 (daniilrobnikov)](https://github.com/daniilrobnikov/vits2)-- [Bert-VITS2](https://github.com/fishaudio/Bert-VITS2)-- [GPT VITS](https://github.com/innnky/gpt-vits)-- [MQTTS](https://github.com/b04901014/MQTTS)-- [GPT Fast](https://github.com/pytorch-labs/gpt-fast)