metadata

license: cc-by-sa-4.0
language:
  - ja
pipeline_tag: text-to-speech
tags:
  - style-bert-vits2
  - style-bert-vits2-jp-extra
  - tts
  - childish
  - childish voice
  - japanese
  - text2audio
  - text-to-audio
  - text to audio
  - audio

X(Twitter) アカウント　ぜひ遊びにきてね。

このモデルの長所は幼げなおっとりしたボイス生成を商用・非商用問わず無料で自由に使える点です。

The advantage of this model is that you can freely use the childish and unapologetic voice generation for free, both commercial and non-commercial.

このモデルはRikkaBotanのスイートバージョンです。セリフの読み上げに適しています。もしもっと硬く話してほしい場合は、coolバージョン英語で話してほしい場合はenglishバージョンささやき声で話してほしい場合はASMRバージョン中国語で話してほしい場合は中国語バージョンを試してみてください。

This model is sweet version. It is suitable for reading emotional text. If you want them to speak more descriptively, try the cool version. If you want them to speak in English, try the English version If you want them to speak whisper voice, try the ASMR version. If you want them to speak in Chinese, try the Chinese version

モデルのサンプル音声/sample voice

このモデルのサンプル音声①です

このモデルのサンプル音声②です。

モデルの説明/model description

このモデルはTTS（text-to-speech）モデルである、 style_bert_vits2_jp_extraを独自の音声データで学習させたモデルです。 style_bert_vits2_jp_extraは日本語に特化した音声生成モデルであり、これまでのモデルと比較して高精度かつ自然な音声生成が可能となっています。学習データはモデルを作成した研究者本人の音声のみであるため、ライセンスはstyle_bert_vits2_jp_extraと同様に商用・非商用問わず、自由に無料でご使用いただけます。

This model is a TTS (text-to-speech) model. This is a model that has trained style_bert_vits2_jp_extra with my own voice data. style_bert_vits2_jp_extra is a speech generation model specialized for Japanese. Compared to previous models, it is possible to generate highly accurate and natural speech. Since the training data is only the voice of the researcher who created the model, The license is the same as style_bert_vits2_jp_extra You can use it freely and free of charge, regardless of whether it is commercial or non-commercial.

モデルを使うときのお約束/limitation

〇できること/What you can do

成果物の加工 Processing of deliverables

成果物の商用利用 Commercial use of deliverables

成果物の学習素材としての利用 Use of deliverables as learning materials

R-18、R-18G表現への利用（ただしゾーニングは必須です（小さなお友達のことをちゃんと考えてあげてね））

Use for R-18 and R-18G expressions (but zoning is required (please think about your little friends))

×できないこと/What you cannot do

音声モデルの二次配布　Secondary distribution of voice models

人を批判・攻撃すること　Criticizing or attacking others

特定の政治的立場・宗教・思想への賛同または反対を呼びかけること　Calling for support or opposition to a particular political position, religion, or ideology

刺激の強い表現をゾーニングなしで公開すること　Publishing R-18 voice without zoning

なりすましなど、提供者に不利益をもたらすこと　detrimental to the provider

商用利用可能なVRMも簡素ですが作りました。/ VRM(Vroid) model for commercial use

AITuberや動画解説などに用いてください。/Please use this for AITuber and video creations

VRM(Vroid)Model

できればやって欲しいこと/If you like

X(Twitter)や説明文でこのモデルを使ったことを書いてもらえると作者が喜びます。(必須ではありません) If you write that you are using this model, I will be glad!

モデルの使い方/how to use　（コードはgoogle colab用です。 For google colab）

２通りの使用方法があります。必要に応じて選択してください。There are 2 ways to use model.

１．style-bert-vits2のアプリを使ってボイスを生成する/to use style-bert-vits2 app

①Style-Bert-VITS2 インストール先の Style-Bert-VITS2/model_assets/rikka_botan/ フォルダに config.json, safetensors, style_vectors.npy の 3ファイルを置きます。 Put 3 files on Style-Bert-VITS2/model_assets/rikka_botan/ folder 以下のプログラムで自動的に保存できます。By using this program, we can save files.

from google.colab import drive
drive.mount("/content/drive")
%cd /content/drive/MyDrive/
!mkdir Style-Bert-VITS2/
%cd Style-Bert-VITS2/
!mkdir model_assets/
%cd model_assets/
!mkdir rikka_botan/
from huggingface_hub import snapshot_download

model_name = "RikkaBotan/style_bert_vits2_jp_extra_sweet_original"
download_path = snapshot_download(
    repo_id=model_name,
    local_dir = f"rikka_botan/",
    local_dir_use_symlinks=False
    )

②以下のプログラムを実行します execute this program

!git clone https://github.com/litagin02/Style-Bert-VITS2.git
%cd Style-Bert-VITS2/
!pip install -r requirements.txt
!python initialize.py --skip_jvnv

from google.colab import drive
drive.mount("/content/drive")

dataset_root = "/content/drive/MyDrive/Style-Bert-VITS2/Data"
assets_root = "/content/drive/MyDrive/Style-Bert-VITS2/model_assets"
import yaml
with open("configs/paths.yml", "w", encoding="utf-8") as f:
    yaml.dump({"dataset_root": dataset_root, "assets_root": assets_root}, f)

!python app.py --share

③public URLにアクセスします。access public url

２．以下のコードを利用します。use this code

# At first, we will install the required libraries
!git clone https://github.com/litagin02/Style-Bert-VITS2.git
%cd Style-Bert-VITS2/
!pip install -r requirements.txt 
!pip install style-bert-vits2 --no-build-isolation  # To avoid bugs

# load Japanese bert model
from style_bert_vits2.nlp import bert_models
from style_bert_vits2.constants import Languages

bert_models.load_model(Languages.JP, "ku-nlp/deberta-v2-large-japanese-char-wwm")
bert_models.load_tokenizer(Languages.JP, "ku-nlp/deberta-v2-large-japanese-char-wwm")

# save model files to model_assets dir
from pathlib import Path
from huggingface_hub import hf_hub_download

model_file = "rikka_botan_mokyumokyu.safetensors"
config_file = "config.json"
style_file = "style_vectors.npy"

for file in [model_file, config_file, style_file]:
    print(file)
    hf_hub_download(
        "RikkaBotan/style_bert_vits2_jp_extra_sweet_original",
        file,
        local_dir="model_assets"
    )
     

# By using saved model, we will test text-to-speech demo
from style_bert_vits2.tts_model import TTSModel

assets_root = Path("model_assets")

model = TTSModel(
    model_path=assets_root / model_file,
    config_path=assets_root / config_file,
    style_vec_path=assets_root / style_file,
    device="cuda"  # If you cannot use cuda, please input cpu
)

# Please input the Japanese text
from IPython.display import Audio, display

sr, audio = model.infer(text="ここに文章を入力してください")
display(Audio(audio, rate=sr))

謝辞/Acknowledgments

style-bert-vits2-jp-extraを開発してくださったlitaginさんに感謝いたします。また、本モデルは多くの研究者さんの努力の上にできています。先人たちの努力に深く感謝します。 We would like to thank Mr./Ms. litagin for developing style-bert-vits2-jp-extra. Additionally, this model was created based on the efforts of many developers. We are deeply grateful for the efforts of our predecessors.