update

README.md

@@ -38,15 +38,14 @@ cd KAN-TTS
 ```
 安装相应的python依赖库：
 ```
-pip3 install -r requirements.txt -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html
-pip3 install pysptk,bitstring,unidecode,inflect
+pip3 install -r requirements-f.txt -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html
+pip3 install -r requirements.txt
 ```
 ### Dockerfile(方式二)
 ```
 docker build -t <image_name> .
 docker run -it -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal:/opt/hyhal --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name container_name image_name bash
 cd /path/your_code_data/
-
 ```
 之后参考方法一。
 
@@ -59,14 +58,14 @@ conda create -n <env_name> python=3.8
 2. 关于本项目DCU显卡所需的工具包、深度学习库等均可从[光合](https://www.hpccube.com/sso/login?service=https://developer.hpccube.com/tool/)开发者社区下载安装。  
 DTK驱动：[dtk23.10](https://cancon.hpccube.com:65024/1/main/DTK-23.10)  
 pytorch:[1.13.1](https://cancon.hpccube.com:65024/4/main/pytorch/dtk23.10)
-<table><tr><td bgcolor=gray>Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应。</td></tr></table>
+`Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应。`
 之后参考方法一。  
 
 ## 数据集
 
 你可以从ModelScope下载经过阿里标准格式处理的AISHELL-3开源语音合成数据集，用来进行后续操作。如果你只有普通音频格式的数据，那么可以采用PTTS Autolabel自动化标注工具进行格式转换。
 
-可参考的[训练数据](https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/TTS/download_files/test_female.zip)，下载后解压到到目录如Data/ptts_spk0_wav下面。
+可参考的迷你[训练数据](https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/TTS/download_files/test_female.zip)，下载后解压到到目录Data/ptts_spk0_wav下面。
 数据集的目录结构如下：
 
 ```
@@ -84,8 +83,9 @@ python3 wav_to_label.py --wav_data Data/ptts_spk0_wav
 ```
 bash feats_extract.sh
 ```
-注意修改相应的模型路径。  
+`注意修改相应的模型路径。`  
 特征提取只需要运行一小段时间，提取完毕后你会在training_stage/test_male_ptts_feats目录下得到如下结构的文件：
+
 ```
 ├── am_train.lst
 ├── am_valid.lst
@@ -112,16 +112,18 @@ bash feats_extract.sh
 #### 单卡训练
 ```
 # 微调声学模型是配置驱动的，我们使用预训练模型中的speech_personal_sambert-hifigan_nsf_tts_zh-cn_pretrain_16k/basemodel_16k/sambert/config.yaml作为训练配置文件。 我们提供默认的PTTS 默认使用的finetune参数值，希望在basemodel的基础上继续微调 一定步数 并保存，即我们修改train_max_steps配置项。
-# 完成配置项修改后，我们就可以使用以下命令训练声学模型了：
+# 完成配置项修改后，我们就可以使用以下命令训练声学模型了
 HIP_VISIBLE_DEVICES=0 python3 kantts/bin/train_sambert.py \
 --model_config speech_personal_sambert-hifigan_nsf_tts_zh-cn_pretrain_16k/basemodel_16k/sambert/config.yaml \
 --root_dir  training_stage/ptts_feats \
 --stage_dir training_stage/ptts_sambert_ckpt \
 --resume_path speech_personal_sambert-hifigan_nsf_tts_zh-cn_pretrain_16k/basemodel_16k/sambert/ckpt/checkpoint_*.pth
 ```
-注意修改相应的模型路径。
+`注意修改相应的模型路径。`
+
 #### 单卡推理
 ```
+# 想要合成的文本写入一个文件，test.txt，每句话按行分隔
 HIP_VISIBLE_DEVICES=0 python3 kantts/bin/text_to_wav.py \
 --txt Data/test.txt \
 --output_dir res/ptts_syn \
@@ -130,22 +132,26 @@ HIP_VISIBLE_DEVICES=0 python3 kantts/bin/text_to_wav.py \
 --voc_ckpt speech_personal_sambert-hifigan_nsf_tts_zh-cn_pretrain_16k/basemodel_16k/hifigan/ckpt/checkpoint_2400000.pth \
 --se_file training_stage/ptts_feats/se/se.npy
 ```
-注意修改相应的模型路径。
+`注意修改相应的模型路径。`
+
 ## result
-可在输出文件夹res/ptts_syn下找到克隆的语音文件。
+推理结果可在输出文件夹res/ptts_syn下找到克隆的语音文件。
 
 ## 精度  
-训练使用的加速卡：Z100
-
+配置项train_max_steps为2402201，测试结果如下：
 
+|  device   |  train_loss  | 
+|:---------:|:----:|
+| DCU Z100 | 0.4803. |
 
 ## 应用场景
 
 ### 算法分类
-语音处理
+
+`语音处理`
 
 ### 热点应用行业
-制造,广媒,能源,医疗,家居,教育
+`制造,广媒,能源,医疗,家居,教育`
 
 ### 预训练权重
 
@@ -154,8 +160,8 @@ git clone https://www.modelscope.cn/damo/speech_personal_sambert-hifigan_nsf_tts
 ```
 ## 源码仓库及问题反馈
 
-https://developer.hpccube.com/codes/modelzoo/sambert-hifigan_pytorch
+- https://developer.hpccube.com/codes/modelzoo/sambert-hifigan_pytorch
 
 ## 参考资料
 
-[Modelscope - SambertHifigan](https://modelscope.cn/models/iic/speech_personal_sambert-hifigan_nsf_tts_zh-cn_pretrain_16k/summary)
+- [Modelscope - SambertHifigan](https://modelscope.cn/models/iic/speech_personal_sambert-hifigan_nsf_tts_zh-cn_pretrain_16k/summary)

requirements-f.txt

+tts-autolabel==1.1.8
+ttsfrd==0.2.1
+modelscope

requirements.txt

-tts-autolabel==1.1.8
-ttsfrd==0.2.1
-modelscope
+pysptk
+bitstring
+unidecode
+inflect
+pytorch_wavelets
+pywavelets
+librosa
+tensorboardX