环境：bert-vits2.3win和wsl问题描述：bert-vits2本地部署报错疑难问题汇总解决方案：问题1:Conda安装requirements里面依赖出现ERROR:Nomatchingdistributionfoundforopencc

本次分享如何快速部署本地训练的Bert-VITS2语音模型到HuggingFace

目录一.引言二.前期准备1.Conda环境搭建2.Bert模型下载3.预训练模型下载三.数据准备1.音频文件批量处理2.训练文件地址生成3.模型训练配置生成4.训练文件重采样5.Tensorpt文件生成四.模型训练1.预训练模型2.模型训练3.模型收菜五.总结一.引言前面我们通过视频OCR技术识别老剧台词、通过Wave2Lip技术实现人声同步、通过GFP_GAN实现图像人脸增强，还通过Real-E

不是什么很详细很正经的教程，自己写来自己以后看的脚本，方便后面加东西，主要是数据集的处理这一块。没啥加啥异常处理，就是简单的脚本，如果炸了就删掉重新来。有不懂的可以去GitHub加作者的群或者加我的讨论群869029039有偿接代训练，加群找管理私聊拉取最新分支gitclonehttps://github.com/fishaudio/Bert-VITS2.git环境pipinstall-rrequ

目录一.引言二.服务搭建1.服务配置2.服务代码3.服务踩坑三.服务使用1.服务启动2.服务调用3.服务结果四.总结一.引言上一篇文章我们介绍了如果使用conda搭建Bert-VITS2最新版本的环境并训练自定义语音

Bert-vits2项目又更新了，更新了一个新的分支：中文特化，所谓中文特化，即针对中文音色的特殊优化版本，纯中文底模效果百尺竿头更进一步，同时首次引入了大模型，使用国产IDEA-CCNL/Erlangshen-MegatronBert

本次我们利用Bert-vits2的最终版Bert-vits2-v2.3和Jupyter

近日，Bert-vits2发布了最新的版本2.3-final，意为最终版，修复了一些已知的bug，添加基于WavLM的Discriminator（来源于StyleTTS2），令人意外的是，因情感控制效果不佳

更多情报请参见Bert-vits2官网：https://github.com/fishaudio/Bert-VITS2

基于librosa和soundfile对音频进行重采样一、前言在玩bert-vits2的时候有对音频进行重采样的需求，故写了一下批量对音频进行重采样的脚本。

关于Bert-VITS2本地部署遇到的错误1、在下载python中相关依赖时报错building‘hdbscan.

按照固有思维方式，深度学习的训练环节应该在云端，毕竟本地硬件条件有限。但事实上，在语音识别和自然语言处理层面，即使相对较少的数据量也可以训练出高性能的模型，对于预算有限的同学们来说，也没必要花冤枉钱上“云端”了，本次我们来演示如何在本地训练Bert-VITS2V2.0.2模型。Bert-VITS2V2.0.2基于现有数据集目前Bert-VITS2V2.0.2大体上有两种训练方式，第一种是基于现有数

1问题描述在训练Bert-VITS2模型时，系统报错，错误信息如下：terminatecalledafterthrowinganinstanceof'c10::Error'what():CUDAerror

bert-vits2训练流程对应的B站搭建流程视频教程：https://www.bilibili.com/video/BV1b34y1g7Ah/?

没错，是Bert-vits2，没有之一。它是在本来已经极其强大的Vits项目中融入了Bert大模型，基本上解决了VITS的语气韵律问题，在效果非常出色的情况下训练的成本开销普通人也完全可以接受。

说明本次训练服务器使用GoogleColabT4GPUBert-VITS2库为：https://github.com/fishaudio/Bert-VITS2，其更新较为频繁，使用其2023.10.12