配置: conf/tuning/finetune_vits.yaml
打印配置: false
日志级别: INFO
空运行: false
迭代器类型: sequence
输出目录: exp/tts_amadeus_vits_finetune_from_jsut_32_sentence
GPU数量: 1
随机种子: 777
工作线程数: 4
注意力绘图数: 3
分布式后端: nccl
分布式初始化方法: env://
分布式世界大小: null
分布式排名: null
本地排名: 0
分布式主地址: null
分布式主端口: null
分布式启动器: null
多进程分布式: false
未使用参数: true
分片DDP: false
启用CuDNN: true
CuDNN基准测试: false
CuDNN确定性: false
收集统计信息: false
写入收集的特征: false
最大训练轮数: 2000
耐心值: null
验证调度标准:
- valid
- loss
早停标准:
- valid
- loss
- min
最佳模型标准:
-   - train
    - total_count
    - max
保留最佳模型数: 3
最佳模型平均间隔: 0
梯度裁剪: -1
梯度裁剪类型: 2.0
梯度噪声: false
梯度累积: 1
不进行前向运行: false
恢复训练: true
训练数据类型: float32
使用混合精度: false
日志间隔: 50
使用Matplotlib: true
使用TensorBoard: true
在TensorBoard中创建图: false
使用WandB: true
WandB项目: amadeus
WandB ID: null
WandB实体: null
WandB名称: null
WandB模型日志间隔: -1
检测异常: false
预训练路径: null
初始化参数:
- downloads/f3698edf589206588f58f5ec837fa516/exp/tts_train_vits_raw_phn_jaconv_pyopenjtalk_accent_with_pause/train.total_count.ave_10best.pth:tts:tts
忽略初始化不匹配: false
冻结参数: []
每轮迭代次数: null
批量大小: 20
验证批量大小: null
批量单元数: 5000000
验证批量单元数: null
训练形状文件:
- exp/tts_stats_raw_linear_spectrogram_phn_jaconv_pyopenjtalk_accent_with_pause/train/text_shape.phn
- exp/tts_stats_raw_linear_spectrogram_phn_jaconv_pyopenjtalk_accent_with_pause/train/speech_shape
验证形状文件:
- exp/tts_stats_raw_linear_spectrogram_phn_jaconv_pyopenjtalk_accent_with_pause/valid/text_shape.phn
- exp/tts_stats_raw_linear_spectrogram_phn_jaconv_pyopenjtalk_accent_with_pause/valid/speech_shape
批量类型: numel
验证批量类型: null
折叠长度:
- 150
- 204800
批量内排序: descending
批量排序: descending
多迭代器: false
分块长度: 500
分块移动比例: 0.5
缓存分块数: 1024
训练数据路径、名称和类型:
-   - dump/22k/raw/train/text
    - text
    - text
-   - dump/22k/raw/train/wav.scp
    - speech
    - sound
验证数据路径、名称和类型:
-   - dump/22k/raw/dev/text
    - text
    - text
-   - dump/22k/raw/dev/wav.scp
    - speech
    - sound
允许可变数据键: false
最大缓存大小: 0.0
最大缓存文件描述符: 32
验证最大缓存大小: null
优化器: adamw
优化器配置:
    lr: 0.0001
    betas:
    - 0.8
    - 0.99
    eps: 1.0e-09
    weight_decay: 0.0
调度器: exponentiallr
调度器配置:
    gamma: 0.999875
优化器2: adamw
优化器2配置:
    lr: 0.0001
    betas:
    - 0.8
    - 0.99
    eps: 1.0e-09
    weight_decay: 0.0
调度器2: exponentiallr
调度器2配置:
    gamma: 0.999875
生成器优先: false
标记列表:
- <blank>
- <unk>
- '1'
- '2'
- '0'
- '3'
- '4'
- '-1'
- '5'
- a
- o
- '-2'
- i
- '-3'
- u
- e
- k
- n
- t
- '6'
- r
- '-4'
- s
- N
- m
- pau
- '7'
- sh
- d
- g
- w
- '8'
- U
- '-5'
- I
- cl
- h
- y
- b
- '9'
- j
- ts
- ch
- '-6'
- z
- p
- '-7'
- f
- ky
- ry
- '-8'
- gy
- '-9'
- hy
- ny
- '-10'
- by
- my
- '-11'
- '-12'
- '-13'
- py
- '-14'
- '-15'
- v
- '10'
- '-16'
- '-17'
- '11'
- '-21'
- '-20'
- '12'
- '-19'
- '13'
- '-18'
- '14'
- dy
- '15'
- ty
- '-22'
- '16'
- '18'
- '19'
- '17'
- <sos/eos>
输出维度: null
模型配置: {}
使用预处理器: true
标记类型: phn
BPE模型: null
非语言符号: null
清理器: jaconv
G2P: pyopenjtalk_accent_with_pause
特征提取: linear_spectrogram
特征提取配置:
    n_fft: 1024
    hop_length: 256
    win_length: null
标准化: null
标准化配置: {}
TTS: vits
TTS配置:
    生成器类型: vits_generator
    生成器参数:
        隐藏通道数: 192
        说话人数量: -1
        全局通道数: -1
        分段大小: 32
        文本编码器注意力头数: 2
        文本编码器FFN扩展: 4
        文本编码器块数: 6
        文本编码器位置感知层类型: conv1d
        文本编码器位置感知卷积核大小: 3
        文本编码器位置编码层类型: rel_pos
        文本编码器自注意力层类型: rel_selfattn
        文本编码器激活类型: swish
        文本编码器归一化前: true
        文本编码器丢弃率: 0.1
        文本编码器位置丢弃率: 0.0
        文本编码器注意力丢弃率: 0.1
        在文本编码器中使用macaron风格: true
        在文本编码器中使用conformer卷积: false
        文本编码器conformer核大小: -1
        解码器核大小: 7
        解码器通道数: 512
        解码器上采样比例:
        - 8
        - 8
        - 2
        - 2
        解码器上采样核大小:
        - 16
        - 16
        - 4
        - 4
        解码器残差块核大小:
        - 3
        - 7
        - 11
        解码器残差块膨胀率:
        -   - 1
            - 3
            - 5
        -   - 1
            - 3
            - 5
        -   - 1
            - 3
            - 5
        在解码器中使用权重归一化: true
        后验编码器核大小: 5
        后验编码器层数: 16
        后验编码器堆叠数: 1
        后验编码器基础膨胀率: 1
        后验编码器丢弃率: 0.0
        在后验编码器中使用权重归一化: true
        流数量: 4
        流核大小: 5
        流基础膨胀率: 1
        流层数: 4
        流丢弃率: 0.0
        在流中使用权重归一化: true
        在流中仅使用均值: true
        随机时长预测器核大小: 3
        随机时长预测器丢弃率: 0.5
        随机时长预测器流数: 4
        随机时长预测器DDS卷积层数: 3
        词汇量: 85
        辅助通道数: 513
    判别器类型: hifigan_multi_scale_multi_period_discriminator
    判别器参数:
        尺度数: 1
        尺度下采样池化: AvgPool1d
        尺度下采样池化参数:
            核大小: 4
            步长: 2
            填充: 2
        尺度判别器参数:
            输入通道数: 1
            输出通道数: 1
            核大小:
            - 15
            - 41
            - 5
            - 3
            通道数: 128
            最大下采样通道数: 1024
            最大组数: 16
            偏置: true
            下采样比例:
            - 2
            - 2
            - 4
            - 4
            - 1
            非线性激活: LeakyReLU
            非线性激活参数:
                负斜率: 0.1
            使用权重归一化: true
            使用谱归一化: false
        遵循官方归一化: false
        周期数:
        - 2
        - 3
        - 5
        - 7
        - 11
        周期判别器参数:
            输入通道数: 1
            输出通道数: 1
            核大小:
            - 5
            - 3
            通道数: 32
            下采样比例:
            - 3
            - 3
            - 3
            - 3
            - 1
            最大下采样通道数: 1024
            偏置: true
            非线性激活: LeakyReLU
            非线性激活参数:
                负斜率: 0.1
            使用权重归一化: true
            使用谱归一化: false
    生成器对抗损失参数:
        按判别器平均: false
        损失类型: mse
    判别器对抗损失参数:
        按判别器平均: false
        损失类型: mse
    特征匹配损失参数:
        按判别器平均: false
        按层平均: false
        包含最终输出: true
    Mel损失参数:
        采样率: 22050
        FFT点数: 1024
        帧移: 256
        帧长: null
        窗函数: hann
        Mel频带数: 80
        最小频率: 0
        最大频率: null
        对数底数: null
    对抗损失权重: 1.0
    Mel损失权重: 45.0
    特征匹配损失权重: 2.0
    时长损失权重: 1.0
    KL散度权重: 1.0
    采样率: 22050
    缓存生成器输出: true
音高提取: null
音高提取配置: {}
音高标准化: null
音高标准化配置: {}
能量提取: null
能量提取配置: {}
能量标准化: null
能量标准化配置: {}
必需项:
- output_dir
- token_list
版本: '202207'
分布式: false