voiceclonev1

1. Bilibili 音频下载
2. 去背景音乐/人声提取
3. 训练数据构建（wav.scp/text/utt2spk/spk2utt/instruct + parquet）
4. 单数据集微调 + 双数据集合并续训
5. 参数化推理（情绪/语速）
6. Replicate 部署

目录结构

• docs/
  • TRAINING_RUNBOOK_ZH.md: 全流程操作手册（详细）
  • PITFALLS_AND_FIXES_ZH.md: 踩坑与修复
• cpu_demo/
  • README_CPU.md: CPU 推理完整说明
  • cpu_infer.py: CPU 版推理脚本
  • download_base_model.py: 下载基础模型
  • build_finetuned_model.py: 组装最终模型目录
  • fetch_finetuned_ckpt.sh: 从 URL 下载微调 checkpoint
• scripts/
  • 00_check_gpu.sh: GPU 可用性检查
  • 01_setup_env.sh: 环境初始化
  • 02_download_audio.sh: 下载视频音频
  • 03_denoise_vocals.sh: Demucs 去伴奏
  • 04_prepare_prompt.sh: 切参考提示音
  • 05_prepare_kaldi_data.py: 生成训练数据清单并切分 train/dev
  • 06_make_parquet.sh: 生成 parquet 数据列表
  • 07_train_single.sh: 第一阶段微调
  • 08_continue_train_dual.sh: 第二阶段续训
  • 09_link_finetuned_model.sh: 组装推理模型目录
  • 10_generate_30s.sh: 30 秒试听
  • 11_push_replicate.sh: Replicate 推送
  • tts_param_runner.py: 参数化推理脚本（本地）
• configs/
  • cosyvoice3.onefile.yaml: 单数据训练配置（历史有效版本）
  • cosyvoice3.continue.yaml: 续训配置（历史有效版本）
  • manifest_single.json / manifest_new.json / manifest_dual.json: 历史数据统计
  • pip-freeze.from-working-env.txt: 工作环境包快照
• deploy/
  • predict.py: Replicate Predictor
  • cog.yaml: Cog 构建配置
  • .dockerignore: 部署时构建上下文过滤
  • REPLICATE_DEPLOY.md: 部署说明

快速开始

说明

• 本仓库不直接提交大体积训练产物（模型权重、原始音频、训练中间文件）。
• 建议把数据和实验输出放在仓库外部（例如 /data/voiceclonev1），通过环境变量传入。