fix file location (#1239)
This commit is contained in:
Ftps
GitHub
parent
644b595287
commit
09fc351828
@ -51,7 +51,7 @@ class VC:
|
|||||||
"__type__": "update",
|
"__type__": "update",
|
||||||
}
|
}
|
||||||
|
|
||||||
if not sid:
|
if sid == "" or sid == []:
|
||||||
if self.hubert_model is not None: # 考虑到轮询, 需要加个判断看是否 sid 是由有模型切换到无模型的
|
if self.hubert_model is not None: # 考虑到轮询, 需要加个判断看是否 sid 是由有模型切换到无模型的
|
||||||
logger.info("Clean model cache")
|
logger.info("Clean model cache")
|
||||||
del (
|
del (
|
||||||
|
|||||||
@ -153,10 +153,10 @@ class Pipeline(object):
|
|||||||
)
|
)
|
||||||
f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
|
f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
|
||||||
|
|
||||||
if "privateuseone" in str(self.device): # clean ortruntime memory
|
if "privateuseone" in str(self.device): # clean ortruntime memory
|
||||||
del self.model_rmvpe.model
|
del self.model_rmvpe.model
|
||||||
del self.model_rmvpe
|
del self.model_rmvpe
|
||||||
logger.info("Cleaning ortruntime memory")
|
logger.info("Cleaning ortruntime memory")
|
||||||
|
|
||||||
f0 *= pow(2, f0_up_key / 12)
|
f0 *= pow(2, f0_up_key / 12)
|
||||||
# with open("test.txt","w")as f:f.write("\n".join([str(i)for i in f0.tolist()]))
|
# with open("test.txt","w")as f:f.write("\n".join([str(i)for i in f0.tolist()]))
|
||||||
@ -362,7 +362,7 @@ class Pipeline(object):
|
|||||||
)
|
)
|
||||||
pitch = pitch[:p_len]
|
pitch = pitch[:p_len]
|
||||||
pitchf = pitchf[:p_len]
|
pitchf = pitchf[:p_len]
|
||||||
if self.device == "mps" or "xpu" in self.device:
|
if "mps" not in str(self.device) or "xpu" not in str(self.device):
|
||||||
pitchf = pitchf.astype(np.float32)
|
pitchf = pitchf.astype(np.float32)
|
||||||
pitch = torch.tensor(pitch, device=self.device).unsqueeze(0).long()
|
pitch = torch.tensor(pitch, device=self.device).unsqueeze(0).long()
|
||||||
pitchf = torch.tensor(pitchf, device=self.device).unsqueeze(0).float()
|
pitchf = torch.tensor(pitchf, device=self.device).unsqueeze(0).float()
|
||||||
|
|||||||
307
modules.py
307
modules.py
@ -1,307 +0,0 @@
|
|||||||
import traceback
|
|
||||||
import logging
|
|
||||||
|
|
||||||
logger = logging.getLogger(__name__)
|
|
||||||
|
|
||||||
import numpy as np
|
|
||||||
import soundfile as sf
|
|
||||||
import torch
|
|
||||||
from io import BytesIO
|
|
||||||
|
|
||||||
from infer.lib.audio import load_audio, wav2
|
|
||||||
from infer.lib.infer_pack.models import (
|
|
||||||
SynthesizerTrnMs256NSFsid,
|
|
||||||
SynthesizerTrnMs256NSFsid_nono,
|
|
||||||
SynthesizerTrnMs768NSFsid,
|
|
||||||
SynthesizerTrnMs768NSFsid_nono,
|
|
||||||
)
|
|
||||||
from infer.modules.vc.pipeline import Pipeline
|
|
||||||
from infer.modules.vc.utils import *
|
|
||||||
|
|
||||||
|
|
||||||
class VC:
|
|
||||||
def __init__(self, config):
|
|
||||||
self.n_spk = None
|
|
||||||
self.tgt_sr = None
|
|
||||||
self.net_g = None
|
|
||||||
self.pipeline = None
|
|
||||||
self.cpt = None
|
|
||||||
self.version = None
|
|
||||||
self.if_f0 = None
|
|
||||||
self.version = None
|
|
||||||
self.hubert_model = None
|
|
||||||
|
|
||||||
self.config = config
|
|
||||||
|
|
||||||
def get_vc(self, sid, *to_return_protect):
|
|
||||||
logger.info("Get sid: " + sid)
|
|
||||||
|
|
||||||
to_return_protect0 = {
|
|
||||||
"visible": self.if_f0 != 0,
|
|
||||||
"value": to_return_protect[0]
|
|
||||||
if self.if_f0 != 0 and to_return_protect
|
|
||||||
else 0.5,
|
|
||||||
"__type__": "update",
|
|
||||||
}
|
|
||||||
to_return_protect1 = {
|
|
||||||
"visible": self.if_f0 != 0,
|
|
||||||
"value": to_return_protect[1]
|
|
||||||
if self.if_f0 != 0 and to_return_protect
|
|
||||||
else 0.33,
|
|
||||||
"__type__": "update",
|
|
||||||
}
|
|
||||||
|
|
||||||
if sid == "" or sid == []:
|
|
||||||
if self.hubert_model is not None: # 考虑到轮询, 需要加个判断看是否 sid 是由有模型切换到无模型的
|
|
||||||
logger.info("Clean model cache")
|
|
||||||
del (
|
|
||||||
self.net_g,
|
|
||||||
self.n_spk,
|
|
||||||
self.vc,
|
|
||||||
self.hubert_model,
|
|
||||||
self.tgt_sr,
|
|
||||||
) # ,cpt
|
|
||||||
self.hubert_model = (
|
|
||||||
self.net_g
|
|
||||||
) = self.n_spk = self.vc = self.hubert_model = self.tgt_sr = None
|
|
||||||
if torch.cuda.is_available():
|
|
||||||
torch.cuda.empty_cache()
|
|
||||||
###楼下不这么折腾清理不干净
|
|
||||||
self.if_f0 = self.cpt.get("f0", 1)
|
|
||||||
self.version = self.cpt.get("version", "v1")
|
|
||||||
if self.version == "v1":
|
|
||||||
if self.if_f0 == 1:
|
|
||||||
self.net_g = SynthesizerTrnMs256NSFsid(
|
|
||||||
*self.cpt["config"], is_half=self.config.is_half
|
|
||||||
)
|
|
||||||
else:
|
|
||||||
self.net_g = SynthesizerTrnMs256NSFsid_nono(*self.cpt["config"])
|
|
||||||
elif self.version == "v2":
|
|
||||||
if self.if_f0 == 1:
|
|
||||||
self.net_g = SynthesizerTrnMs768NSFsid(
|
|
||||||
*self.cpt["config"], is_half=self.config.is_half
|
|
||||||
)
|
|
||||||
else:
|
|
||||||
self.net_g = SynthesizerTrnMs768NSFsid_nono(*self.cpt["config"])
|
|
||||||
del self.net_g, self.cpt
|
|
||||||
if torch.cuda.is_available():
|
|
||||||
torch.cuda.empty_cache()
|
|
||||||
return (
|
|
||||||
{"visible": False, "__type__": "update"},
|
|
||||||
{
|
|
||||||
"visible": True,
|
|
||||||
"value": to_return_protect0,
|
|
||||||
"__type__": "update",
|
|
||||||
},
|
|
||||||
{
|
|
||||||
"visible": True,
|
|
||||||
"value": to_return_protect1,
|
|
||||||
"__type__": "update",
|
|
||||||
},
|
|
||||||
"",
|
|
||||||
"",
|
|
||||||
)
|
|
||||||
person = f'{os.getenv("weight_root")}/{sid}'
|
|
||||||
logger.info(f"Loading: {person}")
|
|
||||||
|
|
||||||
self.cpt = torch.load(person, map_location="cpu")
|
|
||||||
self.tgt_sr = self.cpt["config"][-1]
|
|
||||||
self.cpt["config"][-3] = self.cpt["weight"]["emb_g.weight"].shape[0] # n_spk
|
|
||||||
self.if_f0 = self.cpt.get("f0", 1)
|
|
||||||
self.version = self.cpt.get("version", "v1")
|
|
||||||
|
|
||||||
synthesizer_class = {
|
|
||||||
("v1", 1): SynthesizerTrnMs256NSFsid,
|
|
||||||
("v1", 0): SynthesizerTrnMs256NSFsid_nono,
|
|
||||||
("v2", 1): SynthesizerTrnMs768NSFsid,
|
|
||||||
("v2", 0): SynthesizerTrnMs768NSFsid_nono,
|
|
||||||
}
|
|
||||||
|
|
||||||
self.net_g = synthesizer_class.get(
|
|
||||||
(self.version, self.if_f0), SynthesizerTrnMs256NSFsid
|
|
||||||
)(*self.cpt["config"], is_half=self.config.is_half)
|
|
||||||
|
|
||||||
del self.net_g.enc_q
|
|
||||||
|
|
||||||
self.net_g.load_state_dict(self.cpt["weight"], strict=False)
|
|
||||||
self.net_g.eval().to(self.config.device)
|
|
||||||
if self.config.is_half:
|
|
||||||
self.net_g = self.net_g.half()
|
|
||||||
else:
|
|
||||||
self.net_g = self.net_g.float()
|
|
||||||
|
|
||||||
self.pipeline = Pipeline(self.tgt_sr, self.config)
|
|
||||||
n_spk = self.cpt["config"][-3]
|
|
||||||
index = {"value": get_index_path_from_model(sid), "__type__": "update"}
|
|
||||||
logger.info("Select index: " + index["value"])
|
|
||||||
|
|
||||||
return (
|
|
||||||
(
|
|
||||||
{"visible": True, "maximum": n_spk, "__type__": "update"},
|
|
||||||
to_return_protect0,
|
|
||||||
to_return_protect1,
|
|
||||||
index,
|
|
||||||
index,
|
|
||||||
)
|
|
||||||
if to_return_protect
|
|
||||||
else {"visible": True, "maximum": n_spk, "__type__": "update"}
|
|
||||||
)
|
|
||||||
|
|
||||||
def vc_single(
|
|
||||||
self,
|
|
||||||
sid,
|
|
||||||
input_audio_path,
|
|
||||||
f0_up_key,
|
|
||||||
f0_file,
|
|
||||||
f0_method,
|
|
||||||
file_index,
|
|
||||||
file_index2,
|
|
||||||
index_rate,
|
|
||||||
filter_radius,
|
|
||||||
resample_sr,
|
|
||||||
rms_mix_rate,
|
|
||||||
protect,
|
|
||||||
):
|
|
||||||
if input_audio_path is None:
|
|
||||||
return "You need to upload an audio", None
|
|
||||||
f0_up_key = int(f0_up_key)
|
|
||||||
try:
|
|
||||||
audio = load_audio(input_audio_path, 16000)
|
|
||||||
audio_max = np.abs(audio).max() / 0.95
|
|
||||||
if audio_max > 1:
|
|
||||||
audio /= audio_max
|
|
||||||
times = [0, 0, 0]
|
|
||||||
|
|
||||||
if self.hubert_model is None:
|
|
||||||
self.hubert_model = load_hubert(self.config)
|
|
||||||
|
|
||||||
file_index = (
|
|
||||||
(
|
|
||||||
file_index.strip(" ")
|
|
||||||
.strip('"')
|
|
||||||
.strip("\n")
|
|
||||||
.strip('"')
|
|
||||||
.strip(" ")
|
|
||||||
.replace("trained", "added")
|
|
||||||
)
|
|
||||||
if file_index != ""
|
|
||||||
else file_index2
|
|
||||||
) # 防止小白写错，自动帮他替换掉
|
|
||||||
|
|
||||||
audio_opt = self.pipeline.pipeline(
|
|
||||||
self.hubert_model,
|
|
||||||
self.net_g,
|
|
||||||
sid,
|
|
||||||
audio,
|
|
||||||
input_audio_path,
|
|
||||||
times,
|
|
||||||
f0_up_key,
|
|
||||||
f0_method,
|
|
||||||
file_index,
|
|
||||||
index_rate,
|
|
||||||
self.if_f0,
|
|
||||||
filter_radius,
|
|
||||||
self.tgt_sr,
|
|
||||||
resample_sr,
|
|
||||||
rms_mix_rate,
|
|
||||||
self.version,
|
|
||||||
protect,
|
|
||||||
f0_file,
|
|
||||||
)
|
|
||||||
if self.tgt_sr != resample_sr >= 16000:
|
|
||||||
tgt_sr = resample_sr
|
|
||||||
else:
|
|
||||||
tgt_sr = self.tgt_sr
|
|
||||||
index_info = (
|
|
||||||
"Index:\n%s." % file_index
|
|
||||||
if os.path.exists(file_index)
|
|
||||||
else "Index not used."
|
|
||||||
)
|
|
||||||
return (
|
|
||||||
"Success.\n%s\nTime:\nnpy: %.2fs, f0: %.2fs, infer: %.2fs."
|
|
||||||
% (index_info, *times),
|
|
||||||
(tgt_sr, audio_opt),
|
|
||||||
)
|
|
||||||
except:
|
|
||||||
info = traceback.format_exc()
|
|
||||||
logger.warn(info)
|
|
||||||
return info, (None, None)
|
|
||||||
|
|
||||||
def vc_multi(
|
|
||||||
self,
|
|
||||||
sid,
|
|
||||||
dir_path,
|
|
||||||
opt_root,
|
|
||||||
paths,
|
|
||||||
f0_up_key,
|
|
||||||
f0_method,
|
|
||||||
file_index,
|
|
||||||
file_index2,
|
|
||||||
index_rate,
|
|
||||||
filter_radius,
|
|
||||||
resample_sr,
|
|
||||||
rms_mix_rate,
|
|
||||||
protect,
|
|
||||||
format1,
|
|
||||||
):
|
|
||||||
try:
|
|
||||||
dir_path = (
|
|
||||||
dir_path.strip(" ").strip('"').strip("\n").strip('"').strip(" ")
|
|
||||||
) # 防止小白拷路径头尾带了空格和"和回车
|
|
||||||
opt_root = opt_root.strip(" ").strip('"').strip("\n").strip('"').strip(" ")
|
|
||||||
os.makedirs(opt_root, exist_ok=True)
|
|
||||||
try:
|
|
||||||
if dir_path != "":
|
|
||||||
paths = [
|
|
||||||
os.path.join(dir_path, name) for name in os.listdir(dir_path)
|
|
||||||
]
|
|
||||||
else:
|
|
||||||
paths = [path.name for path in paths]
|
|
||||||
except:
|
|
||||||
traceback.print_exc()
|
|
||||||
paths = [path.name for path in paths]
|
|
||||||
infos = []
|
|
||||||
for path in paths:
|
|
||||||
info, opt = self.vc_single(
|
|
||||||
sid,
|
|
||||||
path,
|
|
||||||
f0_up_key,
|
|
||||||
None,
|
|
||||||
f0_method,
|
|
||||||
file_index,
|
|
||||||
file_index2,
|
|
||||||
# file_big_npy,
|
|
||||||
index_rate,
|
|
||||||
filter_radius,
|
|
||||||
resample_sr,
|
|
||||||
rms_mix_rate,
|
|
||||||
protect,
|
|
||||||
)
|
|
||||||
if "Success" in info:
|
|
||||||
try:
|
|
||||||
tgt_sr, audio_opt = opt
|
|
||||||
if format1 in ["wav", "flac"]:
|
|
||||||
sf.write(
|
|
||||||
"%s/%s.%s"
|
|
||||||
% (opt_root, os.path.basename(path), format1),
|
|
||||||
audio_opt,
|
|
||||||
tgt_sr,
|
|
||||||
)
|
|
||||||
else:
|
|
||||||
path = "%s/%s.%s" % (
|
|
||||||
opt_root,
|
|
||||||
os.path.basename(path),
|
|
||||||
format1,
|
|
||||||
)
|
|
||||||
with BytesIO() as wavf:
|
|
||||||
sf.write(wavf, audio_opt, tgt_sr, format="wav")
|
|
||||||
wavf.seek(0, 0)
|
|
||||||
with open(path, "wb") as outf:
|
|
||||||
wav2(wavf, outf, format1)
|
|
||||||
except:
|
|
||||||
info += traceback.format_exc()
|
|
||||||
infos.append("%s->%s" % (os.path.basename(path), info))
|
|
||||||
yield "\n".join(infos)
|
|
||||||
yield "\n".join(infos)
|
|
||||||
except:
|
|
||||||
yield traceback.format_exc()
|
|
||||||
457
pipeline.py
457
pipeline.py
@ -1,457 +0,0 @@
|
|||||||
import os
|
|
||||||
import sys
|
|
||||||
import traceback
|
|
||||||
import logging
|
|
||||||
|
|
||||||
logger = logging.getLogger(__name__)
|
|
||||||
|
|
||||||
from functools import lru_cache
|
|
||||||
from time import time as ttime
|
|
||||||
|
|
||||||
import faiss
|
|
||||||
import librosa
|
|
||||||
import numpy as np
|
|
||||||
import parselmouth
|
|
||||||
import pyworld
|
|
||||||
import torch
|
|
||||||
import torch.nn.functional as F
|
|
||||||
import torchcrepe
|
|
||||||
from scipy import signal
|
|
||||||
|
|
||||||
now_dir = os.getcwd()
|
|
||||||
sys.path.append(now_dir)
|
|
||||||
|
|
||||||
bh, ah = signal.butter(N=5, Wn=48, btype="high", fs=16000)
|
|
||||||
|
|
||||||
input_audio_path2wav = {}
|
|
||||||
|
|
||||||
|
|
||||||
@lru_cache
|
|
||||||
def cache_harvest_f0(input_audio_path, fs, f0max, f0min, frame_period):
|
|
||||||
audio = input_audio_path2wav[input_audio_path]
|
|
||||||
f0, t = pyworld.harvest(
|
|
||||||
audio,
|
|
||||||
fs=fs,
|
|
||||||
f0_ceil=f0max,
|
|
||||||
f0_floor=f0min,
|
|
||||||
frame_period=frame_period,
|
|
||||||
)
|
|
||||||
f0 = pyworld.stonemask(audio, f0, t, fs)
|
|
||||||
return f0
|
|
||||||
|
|
||||||
|
|
||||||
def change_rms(data1, sr1, data2, sr2, rate): # 1是输入音频，2是输出音频,rate是2的占比
|
|
||||||
# print(data1.max(),data2.max())
|
|
||||||
rms1 = librosa.feature.rms(
|
|
||||||
y=data1, frame_length=sr1 // 2 * 2, hop_length=sr1 // 2
|
|
||||||
) # 每半秒一个点
|
|
||||||
rms2 = librosa.feature.rms(y=data2, frame_length=sr2 // 2 * 2, hop_length=sr2 // 2)
|
|
||||||
rms1 = torch.from_numpy(rms1)
|
|
||||||
rms1 = F.interpolate(
|
|
||||||
rms1.unsqueeze(0), size=data2.shape[0], mode="linear"
|
|
||||||
).squeeze()
|
|
||||||
rms2 = torch.from_numpy(rms2)
|
|
||||||
rms2 = F.interpolate(
|
|
||||||
rms2.unsqueeze(0), size=data2.shape[0], mode="linear"
|
|
||||||
).squeeze()
|
|
||||||
rms2 = torch.max(rms2, torch.zeros_like(rms2) + 1e-6)
|
|
||||||
data2 *= (
|
|
||||||
torch.pow(rms1, torch.tensor(1 - rate))
|
|
||||||
* torch.pow(rms2, torch.tensor(rate - 1))
|
|
||||||
).numpy()
|
|
||||||
return data2
|
|
||||||
|
|
||||||
|
|
||||||
class Pipeline(object):
|
|
||||||
def __init__(self, tgt_sr, config):
|
|
||||||
self.x_pad, self.x_query, self.x_center, self.x_max, self.is_half = (
|
|
||||||
config.x_pad,
|
|
||||||
config.x_query,
|
|
||||||
config.x_center,
|
|
||||||
config.x_max,
|
|
||||||
config.is_half,
|
|
||||||
)
|
|
||||||
self.sr = 16000 # hubert输入采样率
|
|
||||||
self.window = 160 # 每帧点数
|
|
||||||
self.t_pad = self.sr * self.x_pad # 每条前后pad时间
|
|
||||||
self.t_pad_tgt = tgt_sr * self.x_pad
|
|
||||||
self.t_pad2 = self.t_pad * 2
|
|
||||||
self.t_query = self.sr * self.x_query # 查询切点前后查询时间
|
|
||||||
self.t_center = self.sr * self.x_center # 查询切点位置
|
|
||||||
self.t_max = self.sr * self.x_max # 免查询时长阈值
|
|
||||||
self.device = config.device
|
|
||||||
|
|
||||||
def get_f0(
|
|
||||||
self,
|
|
||||||
input_audio_path,
|
|
||||||
x,
|
|
||||||
p_len,
|
|
||||||
f0_up_key,
|
|
||||||
f0_method,
|
|
||||||
filter_radius,
|
|
||||||
inp_f0=None,
|
|
||||||
):
|
|
||||||
global input_audio_path2wav
|
|
||||||
time_step = self.window / self.sr * 1000
|
|
||||||
f0_min = 50
|
|
||||||
f0_max = 1100
|
|
||||||
f0_mel_min = 1127 * np.log(1 + f0_min / 700)
|
|
||||||
f0_mel_max = 1127 * np.log(1 + f0_max / 700)
|
|
||||||
if f0_method == "pm":
|
|
||||||
f0 = (
|
|
||||||
parselmouth.Sound(x, self.sr)
|
|
||||||
.to_pitch_ac(
|
|
||||||
time_step=time_step / 1000,
|
|
||||||
voicing_threshold=0.6,
|
|
||||||
pitch_floor=f0_min,
|
|
||||||
pitch_ceiling=f0_max,
|
|
||||||
)
|
|
||||||
.selected_array["frequency"]
|
|
||||||
)
|
|
||||||
pad_size = (p_len - len(f0) + 1) // 2
|
|
||||||
if pad_size > 0 or p_len - len(f0) - pad_size > 0:
|
|
||||||
f0 = np.pad(
|
|
||||||
f0, [[pad_size, p_len - len(f0) - pad_size]], mode="constant"
|
|
||||||
)
|
|
||||||
elif f0_method == "harvest":
|
|
||||||
input_audio_path2wav[input_audio_path] = x.astype(np.double)
|
|
||||||
f0 = cache_harvest_f0(input_audio_path, self.sr, f0_max, f0_min, 10)
|
|
||||||
if filter_radius > 2:
|
|
||||||
f0 = signal.medfilt(f0, 3)
|
|
||||||
elif f0_method == "crepe":
|
|
||||||
model = "full"
|
|
||||||
# Pick a batch size that doesn't cause memory errors on your gpu
|
|
||||||
batch_size = 512
|
|
||||||
# Compute pitch using first gpu
|
|
||||||
audio = torch.tensor(np.copy(x))[None].float()
|
|
||||||
f0, pd = torchcrepe.predict(
|
|
||||||
audio,
|
|
||||||
self.sr,
|
|
||||||
self.window,
|
|
||||||
f0_min,
|
|
||||||
f0_max,
|
|
||||||
model,
|
|
||||||
batch_size=batch_size,
|
|
||||||
device=self.device,
|
|
||||||
return_periodicity=True,
|
|
||||||
)
|
|
||||||
pd = torchcrepe.filter.median(pd, 3)
|
|
||||||
f0 = torchcrepe.filter.mean(f0, 3)
|
|
||||||
f0[pd < 0.1] = 0
|
|
||||||
f0 = f0[0].cpu().numpy()
|
|
||||||
elif f0_method == "rmvpe":
|
|
||||||
if not hasattr(self, "model_rmvpe"):
|
|
||||||
from infer.lib.rmvpe import RMVPE
|
|
||||||
|
|
||||||
logger.info(
|
|
||||||
"Loading rmvpe model,%s" % "%s/rmvpe.pt" % os.environ["rmvpe_root"]
|
|
||||||
)
|
|
||||||
self.model_rmvpe = RMVPE(
|
|
||||||
"%s/rmvpe.pt" % os.environ["rmvpe_root"],
|
|
||||||
is_half=self.is_half,
|
|
||||||
device=self.device,
|
|
||||||
)
|
|
||||||
f0 = self.model_rmvpe.infer_from_audio(x, thred=0.03)
|
|
||||||
|
|
||||||
if "privateuseone" in str(self.device): # clean ortruntime memory
|
|
||||||
del self.model_rmvpe.model
|
|
||||||
del self.model_rmvpe
|
|
||||||
logger.info("Cleaning ortruntime memory")
|
|
||||||
|
|
||||||
f0 *= pow(2, f0_up_key / 12)
|
|
||||||
# with open("test.txt","w")as f:f.write("\n".join([str(i)for i in f0.tolist()]))
|
|
||||||
tf0 = self.sr // self.window # 每秒f0点数
|
|
||||||
if inp_f0 is not None:
|
|
||||||
delta_t = np.round(
|
|
||||||
(inp_f0[:, 0].max() - inp_f0[:, 0].min()) * tf0 + 1
|
|
||||||
).astype("int16")
|
|
||||||
replace_f0 = np.interp(
|
|
||||||
list(range(delta_t)), inp_f0[:, 0] * 100, inp_f0[:, 1]
|
|
||||||
)
|
|
||||||
shape = f0[self.x_pad * tf0 : self.x_pad * tf0 + len(replace_f0)].shape[0]
|
|
||||||
f0[self.x_pad * tf0 : self.x_pad * tf0 + len(replace_f0)] = replace_f0[
|
|
||||||
:shape
|
|
||||||
]
|
|
||||||
# with open("test_opt.txt","w")as f:f.write("\n".join([str(i)for i in f0.tolist()]))
|
|
||||||
f0bak = f0.copy()
|
|
||||||
f0_mel = 1127 * np.log(1 + f0 / 700)
|
|
||||||
f0_mel[f0_mel > 0] = (f0_mel[f0_mel > 0] - f0_mel_min) * 254 / (
|
|
||||||
f0_mel_max - f0_mel_min
|
|
||||||
) + 1
|
|
||||||
f0_mel[f0_mel <= 1] = 1
|
|
||||||
f0_mel[f0_mel > 255] = 255
|
|
||||||
f0_coarse = np.rint(f0_mel).astype(np.int32)
|
|
||||||
return f0_coarse, f0bak # 1-0
|
|
||||||
|
|
||||||
def vc(
|
|
||||||
self,
|
|
||||||
model,
|
|
||||||
net_g,
|
|
||||||
sid,
|
|
||||||
audio0,
|
|
||||||
pitch,
|
|
||||||
pitchf,
|
|
||||||
times,
|
|
||||||
index,
|
|
||||||
big_npy,
|
|
||||||
index_rate,
|
|
||||||
version,
|
|
||||||
protect,
|
|
||||||
): # ,file_index,file_big_npy
|
|
||||||
feats = torch.from_numpy(audio0)
|
|
||||||
if self.is_half:
|
|
||||||
feats = feats.half()
|
|
||||||
else:
|
|
||||||
feats = feats.float()
|
|
||||||
if feats.dim() == 2: # double channels
|
|
||||||
feats = feats.mean(-1)
|
|
||||||
assert feats.dim() == 1, feats.dim()
|
|
||||||
feats = feats.view(1, -1)
|
|
||||||
padding_mask = torch.BoolTensor(feats.shape).to(self.device).fill_(False)
|
|
||||||
|
|
||||||
inputs = {
|
|
||||||
"source": feats.to(self.device),
|
|
||||||
"padding_mask": padding_mask,
|
|
||||||
"output_layer": 9 if version == "v1" else 12,
|
|
||||||
}
|
|
||||||
t0 = ttime()
|
|
||||||
with torch.no_grad():
|
|
||||||
logits = model.extract_features(**inputs)
|
|
||||||
feats = model.final_proj(logits[0]) if version == "v1" else logits[0]
|
|
||||||
if protect < 0.5 and pitch is not None and pitchf is not None:
|
|
||||||
feats0 = feats.clone()
|
|
||||||
if (
|
|
||||||
not isinstance(index, type(None))
|
|
||||||
and not isinstance(big_npy, type(None))
|
|
||||||
and index_rate != 0
|
|
||||||
):
|
|
||||||
npy = feats[0].cpu().numpy()
|
|
||||||
if self.is_half:
|
|
||||||
npy = npy.astype("float32")
|
|
||||||
|
|
||||||
# _, I = index.search(npy, 1)
|
|
||||||
# npy = big_npy[I.squeeze()]
|
|
||||||
|
|
||||||
score, ix = index.search(npy, k=8)
|
|
||||||
weight = np.square(1 / score)
|
|
||||||
weight /= weight.sum(axis=1, keepdims=True)
|
|
||||||
npy = np.sum(big_npy[ix] * np.expand_dims(weight, axis=2), axis=1)
|
|
||||||
|
|
||||||
if self.is_half:
|
|
||||||
npy = npy.astype("float16")
|
|
||||||
feats = (
|
|
||||||
torch.from_numpy(npy).unsqueeze(0).to(self.device) * index_rate
|
|
||||||
+ (1 - index_rate) * feats
|
|
||||||
)
|
|
||||||
|
|
||||||
feats = F.interpolate(feats.permute(0, 2, 1), scale_factor=2).permute(0, 2, 1)
|
|
||||||
if protect < 0.5 and pitch is not None and pitchf is not None:
|
|
||||||
feats0 = F.interpolate(feats0.permute(0, 2, 1), scale_factor=2).permute(
|
|
||||||
0, 2, 1
|
|
||||||
)
|
|
||||||
t1 = ttime()
|
|
||||||
p_len = audio0.shape[0] // self.window
|
|
||||||
if feats.shape[1] < p_len:
|
|
||||||
p_len = feats.shape[1]
|
|
||||||
if pitch is not None and pitchf is not None:
|
|
||||||
pitch = pitch[:, :p_len]
|
|
||||||
pitchf = pitchf[:, :p_len]
|
|
||||||
|
|
||||||
if protect < 0.5 and pitch is not None and pitchf is not None:
|
|
||||||
pitchff = pitchf.clone()
|
|
||||||
pitchff[pitchf > 0] = 1
|
|
||||||
pitchff[pitchf < 1] = protect
|
|
||||||
pitchff = pitchff.unsqueeze(-1)
|
|
||||||
feats = feats * pitchff + feats0 * (1 - pitchff)
|
|
||||||
feats = feats.to(feats0.dtype)
|
|
||||||
p_len = torch.tensor([p_len], device=self.device).long()
|
|
||||||
with torch.no_grad():
|
|
||||||
hasp = pitch is not None and pitchf is not None
|
|
||||||
arg = (feats, p_len, pitch, pitchf, sid) if hasp else (feats, p_len, sid)
|
|
||||||
audio1 = (net_g.infer(*arg)[0][0, 0]).data.cpu().float().numpy()
|
|
||||||
del hasp, arg
|
|
||||||
del feats, p_len, padding_mask
|
|
||||||
if torch.cuda.is_available():
|
|
||||||
torch.cuda.empty_cache()
|
|
||||||
t2 = ttime()
|
|
||||||
times[0] += t1 - t0
|
|
||||||
times[2] += t2 - t1
|
|
||||||
return audio1
|
|
||||||
|
|
||||||
def pipeline(
|
|
||||||
self,
|
|
||||||
model,
|
|
||||||
net_g,
|
|
||||||
sid,
|
|
||||||
audio,
|
|
||||||
input_audio_path,
|
|
||||||
times,
|
|
||||||
f0_up_key,
|
|
||||||
f0_method,
|
|
||||||
file_index,
|
|
||||||
index_rate,
|
|
||||||
if_f0,
|
|
||||||
filter_radius,
|
|
||||||
tgt_sr,
|
|
||||||
resample_sr,
|
|
||||||
rms_mix_rate,
|
|
||||||
version,
|
|
||||||
protect,
|
|
||||||
f0_file=None,
|
|
||||||
):
|
|
||||||
if (
|
|
||||||
file_index != ""
|
|
||||||
# and file_big_npy != ""
|
|
||||||
# and os.path.exists(file_big_npy) == True
|
|
||||||
and os.path.exists(file_index)
|
|
||||||
and index_rate != 0
|
|
||||||
):
|
|
||||||
try:
|
|
||||||
index = faiss.read_index(file_index)
|
|
||||||
# big_npy = np.load(file_big_npy)
|
|
||||||
big_npy = index.reconstruct_n(0, index.ntotal)
|
|
||||||
except:
|
|
||||||
traceback.print_exc()
|
|
||||||
index = big_npy = None
|
|
||||||
else:
|
|
||||||
index = big_npy = None
|
|
||||||
audio = signal.filtfilt(bh, ah, audio)
|
|
||||||
audio_pad = np.pad(audio, (self.window // 2, self.window // 2), mode="reflect")
|
|
||||||
opt_ts = []
|
|
||||||
if audio_pad.shape[0] > self.t_max:
|
|
||||||
audio_sum = np.zeros_like(audio)
|
|
||||||
for i in range(self.window):
|
|
||||||
audio_sum += audio_pad[i : i - self.window]
|
|
||||||
for t in range(self.t_center, audio.shape[0], self.t_center):
|
|
||||||
opt_ts.append(
|
|
||||||
t
|
|
||||||
- self.t_query
|
|
||||||
+ np.where(
|
|
||||||
np.abs(audio_sum[t - self.t_query : t + self.t_query])
|
|
||||||
== np.abs(audio_sum[t - self.t_query : t + self.t_query]).min()
|
|
||||||
)[0][0]
|
|
||||||
)
|
|
||||||
s = 0
|
|
||||||
audio_opt = []
|
|
||||||
t = None
|
|
||||||
t1 = ttime()
|
|
||||||
audio_pad = np.pad(audio, (self.t_pad, self.t_pad), mode="reflect")
|
|
||||||
p_len = audio_pad.shape[0] // self.window
|
|
||||||
inp_f0 = None
|
|
||||||
if hasattr(f0_file, "name"):
|
|
||||||
try:
|
|
||||||
with open(f0_file.name, "r") as f:
|
|
||||||
lines = f.read().strip("\n").split("\n")
|
|
||||||
inp_f0 = []
|
|
||||||
for line in lines:
|
|
||||||
inp_f0.append([float(i) for i in line.split(",")])
|
|
||||||
inp_f0 = np.array(inp_f0, dtype="float32")
|
|
||||||
except:
|
|
||||||
traceback.print_exc()
|
|
||||||
sid = torch.tensor(sid, device=self.device).unsqueeze(0).long()
|
|
||||||
pitch, pitchf = None, None
|
|
||||||
if if_f0 == 1:
|
|
||||||
pitch, pitchf = self.get_f0(
|
|
||||||
input_audio_path,
|
|
||||||
audio_pad,
|
|
||||||
p_len,
|
|
||||||
f0_up_key,
|
|
||||||
f0_method,
|
|
||||||
filter_radius,
|
|
||||||
inp_f0,
|
|
||||||
)
|
|
||||||
pitch = pitch[:p_len]
|
|
||||||
pitchf = pitchf[:p_len]
|
|
||||||
if "mps" not in str(self.device) or "xpu" not in str(self.device):
|
|
||||||
pitchf = pitchf.astype(np.float32)
|
|
||||||
pitch = torch.tensor(pitch, device=self.device).unsqueeze(0).long()
|
|
||||||
pitchf = torch.tensor(pitchf, device=self.device).unsqueeze(0).float()
|
|
||||||
t2 = ttime()
|
|
||||||
times[1] += t2 - t1
|
|
||||||
for t in opt_ts:
|
|
||||||
t = t // self.window * self.window
|
|
||||||
if if_f0 == 1:
|
|
||||||
audio_opt.append(
|
|
||||||
self.vc(
|
|
||||||
model,
|
|
||||||
net_g,
|
|
||||||
sid,
|
|
||||||
audio_pad[s : t + self.t_pad2 + self.window],
|
|
||||||
pitch[:, s // self.window : (t + self.t_pad2) // self.window],
|
|
||||||
pitchf[:, s // self.window : (t + self.t_pad2) // self.window],
|
|
||||||
times,
|
|
||||||
index,
|
|
||||||
big_npy,
|
|
||||||
index_rate,
|
|
||||||
version,
|
|
||||||
protect,
|
|
||||||
)[self.t_pad_tgt : -self.t_pad_tgt]
|
|
||||||
)
|
|
||||||
else:
|
|
||||||
audio_opt.append(
|
|
||||||
self.vc(
|
|
||||||
model,
|
|
||||||
net_g,
|
|
||||||
sid,
|
|
||||||
audio_pad[s : t + self.t_pad2 + self.window],
|
|
||||||
None,
|
|
||||||
None,
|
|
||||||
times,
|
|
||||||
index,
|
|
||||||
big_npy,
|
|
||||||
index_rate,
|
|
||||||
version,
|
|
||||||
protect,
|
|
||||||
)[self.t_pad_tgt : -self.t_pad_tgt]
|
|
||||||
)
|
|
||||||
s = t
|
|
||||||
if if_f0 == 1:
|
|
||||||
audio_opt.append(
|
|
||||||
self.vc(
|
|
||||||
model,
|
|
||||||
net_g,
|
|
||||||
sid,
|
|
||||||
audio_pad[t:],
|
|
||||||
pitch[:, t // self.window :] if t is not None else pitch,
|
|
||||||
pitchf[:, t // self.window :] if t is not None else pitchf,
|
|
||||||
times,
|
|
||||||
index,
|
|
||||||
big_npy,
|
|
||||||
index_rate,
|
|
||||||
version,
|
|
||||||
protect,
|
|
||||||
)[self.t_pad_tgt : -self.t_pad_tgt]
|
|
||||||
)
|
|
||||||
else:
|
|
||||||
audio_opt.append(
|
|
||||||
self.vc(
|
|
||||||
model,
|
|
||||||
net_g,
|
|
||||||
sid,
|
|
||||||
audio_pad[t:],
|
|
||||||
None,
|
|
||||||
None,
|
|
||||||
times,
|
|
||||||
index,
|
|
||||||
big_npy,
|
|
||||||
index_rate,
|
|
||||||
version,
|
|
||||||
protect,
|
|
||||||
)[self.t_pad_tgt : -self.t_pad_tgt]
|
|
||||||
)
|
|
||||||
audio_opt = np.concatenate(audio_opt)
|
|
||||||
if rms_mix_rate != 1:
|
|
||||||
audio_opt = change_rms(audio, 16000, audio_opt, tgt_sr, rms_mix_rate)
|
|
||||||
if tgt_sr != resample_sr >= 16000:
|
|
||||||
audio_opt = librosa.resample(
|
|
||||||
audio_opt, orig_sr=tgt_sr, target_sr=resample_sr
|
|
||||||
)
|
|
||||||
audio_max = np.abs(audio_opt).max() / 0.99
|
|
||||||
max_int16 = 32768
|
|
||||||
if audio_max > 1:
|
|
||||||
max_int16 /= audio_max
|
|
||||||
audio_opt = (audio_opt * max_int16).astype(np.int16)
|
|
||||||
del pitch, pitchf, sid
|
|
||||||
if torch.cuda.is_available():
|
|
||||||
torch.cuda.empty_cache()
|
|
||||||
return audio_opt
|
|
||||||
Loading…
Reference in New Issue
Block a user